"AI应用后端" 标签

Vectorizer是一个高性能的Rust语言实现的向量数据库和搜索引擎，为LLM提供MCP上下文服务，支持语义搜索、文档索引和图关系管理。

ACB是一个模块化的Python框架，提供一个全面的Model Context Protocol (MCP) 服务器，使AI应用能发现、交互并编排其组件（如动作、适配器、服务）。

一个用于使用 TypeScript 构建和部署 Model Context Protocol (MCP) 服务器的框架，旨在简化 LLM 应用上下文服务开发。

提供基于 Model Context Protocol (MCP) 的示例服务器实现，用于将 ChatGPT 应用与外部系统（如交互式UI小部件）连接。

这是一个基于Java实现的大语言模型（LLM）推理框架，集成了Java向量API，并提供了一个符合Model Context Protocol (MCP) 标准的工具服务器。

Deco CMS提供构建AI原生应用的MCP服务器框架，通过标准化协议管理资源、工具和Prompt模板，支持LLM应用上下文服务。

通过 MCP 协议为 AI 应用提供 Tableau 数据、可视化和 Pulse 指标的访问与功能集成。

一个基于 Azure Container Apps 的 MCP 服务器快速部署解决方案，提供了可扩展的上下文信息和工具服务。

将企业现有API转换为LLM可调用的MCP工具，利用webMethods集成平台提供安全、标准化的上下文服务。

一个基于Python实现的MCP服务器，支持OAuth 2.0认证，提供安全的上下文信息和工具调用服务。

一个基于MCP协议的文档问答机器人后端，提供结构化的工具和上下文信息，支持LLM应用集成。

基于.NET实现的模型上下文协议(MCP)服务器示例，提供工具执行能力，可部署至Azure。

基于Model Context Protocol (MCP)，为程序员提供编程上下文和AI工具的应用后端。

提供即开即用的Python和TypeScript模板，助您快速构建功能齐全的MCP服务器。

基于FastMCP框架构建的Model Context Protocol (MCP) 服务器实现，用于将代理能力暴露给大型语言模型客户端。

基于Elixir/Phoenix实现的简化版Model Context Protocol (MCP) 服务器，提供大模型上下文和工具调用服务。

为Swift开发者提供构建和连接遵循Model Context Protocol (MCP) 标准的服务器和客户端的工具包。

一个基于MCP协议的服务器，提供向X (Twitter) 发送推文的能力，支持LLM客户端调用。

为大型语言模型客户端提供 Boltz-1 生物分子结构预测功能和上下文服务。

通过Model Context Protocol (MCP) 将Ding OTP API功能作为工具提供给LLM客户端使用。

ContextBase Server 是一个专为AI应用设计的模型上下文协议（MCP）服务器，用于安全地存储、管理和检索用户上下文信息，支持构建个性化和持久化的AI交互体验。

Agent Construct 是一个 Model Context Protocol (MCP) 服务器，旨在为 AI 应用提供标准化的工具和上下文访问方式。

基于Laravel框架构建MCP服务器的SDK，提供资源、工具和Prompt管理，支持多种传输协议。

一个轻量级的本地MCP服务器实现，通过WebSocket和JSON-RPC协议，为LLM客户端提供文本处理和聊天能力。

该项目是基于FastAPI和MCP的Python MCP服务器实现，旨在为LLM客户端提供标准化的上下文交互能力，包括资源管理、工具注册和Prompt模板支持。

MCPheonix 是一个基于 Elixir Phoenix 框架的 MCP 服务器实现，提供资源管理、工具调用和实时事件流等功能，旨在为 AI 模型提供统一的上下文交互接口。