"AI 后端" 标签

基于 Model Context Protocol (MCP) 的后端服务器，实现资源、工具与 Prompt 的管理与执行，并通过 JSON-RPC 与 LLM 客户端进行交互，支持多工作区、实时通知与会话管理。

基于模型上下文协议（MCP）的后端服务实现，提供对 Enjoy 游戏的工具管理与查询能力，通过 JSON-RPC 形式与 MCP 客户端（如 Claude）进行交互，核心功能聚焦工具注册与调用，支持通过标准化接口获取项目状态、排行榜、玩家信息、GitHub 活动等数据。该实现使用 Stdio 传输，适合嵌入到 Claude Code/桌面端等工作流中进行上下文服务接入。

基于模型上下文协议（MCP）的后端服务器实现，能对本地/远程/内存等后端暴露资源、注册工具、渲染提示模板，并通过 MCP 客户端进行标准化的上下文服务与功能调用。

基于 Model Context Protocol 的 MCP 服务器实现，作为 LLM 客户端的后端上下文服务，提供资源管理、工具注册与执行、以及提示模板渲染等能力；通过 JSON-RPC 与客户端通信，支持多传输（如 STDIO、HTTP），并包含会话管理、能力声明与日志控制等核心特性。

基于 Model Context Protocol (MCP) 的本地服务器实现，提供以 JSON-RPC 方式与客户端通信的能力，暴露工具调用入口并可扩展资源与提示等能力

基于 Model Context Protocol (MCP) 的后端服务实现。该仓库通过对工具进行 MCP 适配，提供资源管理、工具注册/调用以及提示模板的统一访问，并通过 JSON-RPC/WSS/流式等传输方式与 LLM 客户端进行通信，具备会话管理与能力声明，能够作为 MCP 客户端的服务端实现。

一个基于 Symfony 框架构建的 MCP 服务器示例，通过 JSON-RPC 协议向 LLM 客户端提供工具服务。

基于 C# 和 ASP.NET 实现的 MCP 服务器和客户端示例，演示如何构建 MCP 服务器、注册工具及客户端如何发现和调用这些工具。

一个基于 Cloudflare Worker 实现的 MCP 服务器，提供花园管理工具集。

基于MCP协议，实现HTTP/SSE传输协议并集成OAuth认证的MCP服务器参考实现。

基于 Model Context Protocol (MCP)，提供一套与 Sui 网络交互的工具集，并作为 MCP 服务器供 LLM 客户端使用。