"AI 集成" 标签

基于 Model Context Protocol (MCP) 的后端服务器，提供浏览器自动化能力的资源、工具与提示模板，通过 JSON-RPC 与 MCP 客户端通信，并通过 WebSocket 与 Chrome 扩展协同执行任务。

基于 FastMCP 的 Redmine MCP 服务器实现，提供资源、工具和提示的标准化上下文服务，并通过 Redmine 的 OAuth2.0 验证实现安全访问，支持 Streamable HTTP 等传输协议。

基于 Model Context Protocol (MCP) 的本地后端服务，向大语言模型（LLM）客户端提供结构化的代码上下文、资源和工具，采用 JSON-RPC 进行请求/响应通讯，支持多传输协议并实现会话管理、能力声明与跨语言知识图谱查询等能力，适合在本地离线环境中为 AI 代理提供代码洞察与自动化工具执行能力。

基于 Model Context Protocol (MCP) 的 MCP 服务器实现，嵌入 hotpath-rs 的后端组件，向大型语言模型（LLM）客户端提供资源、工具和提示模板等上下文能力，并通过 JSON-RPC 与客户端通信，支持在应用中以嵌入式方式提供实时性能数据查询与上下文服务。

基于模型上下文协议（Model Context Protocol，MCP）的后端实现，为大语言模型（LLM）客户端提供统一的资源管理、工具注册与执行、以及可定制的 Prompt 模板渲染等功能，并通过 JSON-RPC 与客户端通信，支持多传输协议与会话管理，构建 AI 场景中的上下文服务核心。

基于 Model Context Protocol (MCP) 的服务端实现，将 SmartLead API 以 MCP 工具形式暴露给 LLM 客户端，支持资源管理、工具注册与执行、提示模板渲染等核心能力，且通过 JSON-RPC 方式与客户端通信，具备会话管理、能力声明及多传输协议兼容（如 StdIO）等特性。

基于 Model Context Protocol（MCP）的后端服务器实现，能够通过 MCP 客户端以标准化方式读取路由状态、修改路由设置、管理 ACL/端口映射等，并通过远程控制端口与 ESP32 NAT Router 的远程命令界面进行交互，支持多种传输方式（stdio、SSE、HTTP流式等）。

基于 Model Context Protocol (MCP) 的后端服务，提供标准化的资源、工具和提示模板管理能力，供大语言模型（LLM）客户端通过 JSON-RPC 调用，实现对 Webhooks 场景的上下文服务、工具执行与数据访问。该仓库包含可运行的 MCP 服务器实现及对应工具集，用于将 AI 助手接入 webhooks 平台的资源与功能。

基于模型上下文协议（Model Context Protocol，MCP）的后端服务器，向大模型客户端以标准化方式提供上下文信息与功能。核心能力包括托管与管理资源、注册并执行工具、定义与渲染提示模板；通过 JSON-RPC 实现与客户端的通信，支持会话管理与多传输通道（如 StdIO、SSE、WebSocket），并提供安全、可扩展的上下文服务。

基于 Model Context Protocol (MCP) 的本地 MCP 服务器集成于 SnapTray 主应用，向本地的 LLM 客户端提供资源、工具与 Prompt 模板的统一访问与执行能力，并通过本地 HTTP 的 JSON-RPC 进行通信。

基于 Model Context Protocol（MCP）的后端服务器实现，提供资源管理、工具暴露与提示模板渲染等核心能力，通过 JSON-RPC 与 AI 客户端通信，支持多传输模式，具备会话管理与能力协商能力。

基于 Model Context Protocol (MCP) 的新闻聚合与分析后端服务端实现，提供资源管理、工具执行、Prompts 渲染等 MCP 核心能力，并通过 JSON-RPC 在标准输入输出（stdio）或 HTTP 传输模式与 MCP 客户端进行通信，支持多客户端接入、会话与能力声明、以及数据推送/分析等功能。该仓库中包含完整的 MCP 服务器实现、数据查询、分析工具以及对接 AI 客户端的能力。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供 Sitecore GraphQL 的资源、工具与提示模板，以 JSON-RPC 形式通过标准传输（如 STDIO）与 LLM 客户端通信，支持对 Sitecore 内容上下文的管理与外部功能调用。

基于 Model Context Protocol (MCP) 的后端服务器，将 UniFi Network 的运维操作暴露为标准化的工具集成，能通过 JSON-RPC 与 LLM/代理进行交互，支持标准输出（stdio）和 HTTP 传输，提供会话管理、能力声明与多样传输协议的 MCP 服务器实现。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源、工具、提示模板的管理与渲染能力，并通过 JSON-RPC/SSE 与 AI 客户端交互，支持 stdio 与 HTTP/SSE 两种传输模式，能够将 AI Agent 与 QuickDesk 主机远程桌面进行安全、可扩展的上下文服务对接。

将 ESP32 NAT Router 设备作为一个 MCP 服务器，通过 JSON-RPC 的方式暴露命令接口，允许 LLM 客户端以标准化的方式读取资源、调用工具、获取并渲染提示等；实现基于远程控制台的设备管理桥接，支持多种传输模式，便于在 AI 生态中对路由器进行上下文化控制与监控。

基于 Model Context Protocol (MCP) 的 JSON-RPC 服务器实现，提供 immygo_widget_catalog、immygo_generate_code、immygo_search_docs 等工具，供 Claude Code、Cursor 等 MCP 客户端通过标准 MCP 流式/非流式请求进行调用与协作。该仓库同时包含可运行的 MCP 客户端接入示例，形成完整的服务端与客户端配合方案。

基于模型上下文协议（Model Context Protocol，MCP）的后端服务，标准化向外部LLM客户端提供资源、工具与提示模板的访问和执行能力，并通过JSON-RPC进行通信，支持多种传输方式以实现安全、可扩展的上下文服务。

基于 Model Context Protocol（MCP）的后端实现，为 AI 客户端提供资源、工具调用能力与提示模板渲染等上下文服务；通过 JSON-RPC 2.0 以换行分隔的文本协议在标准输入输出（STDIN/STDOUT）上与客户端通信，支持对桌面应用的自动化控制与上下文信息管理。

基于 Model Context Protocol (MCP) 的 Modbus 设备后端服务器，向大语言模型客户端提供对 Modbus 设备的资源读取、工具执行与提示渲染等能力，采用 JSON-RPC 风格的 MCP 通信，支持资源、工具、提示的统一管理与执行。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源管理、工具注册与执行、以及 Prompt/上下文相关支持，专为让大语言模型（LLM）以标准化方式访问文件资源、执行外部工具（如 S3/SFTP 操作）而设计。服务器通过 JSON-RPC 与客户端通信，支持在标准输入/输出（STDIO）传输上运行，便于与 AI 客户端（如 Claude 等）进行无缝对接。

基于 Model Context Protocol 的本地 MCP 服务器实现，将 The Null Epoch 的游戏 REST API 以 JSON-RPC 风格暴露给 MCP 客户端，方便 AI 客户端通过 get_state 和 submit_action 等工具与游戏后端交互。该实现提供初始化、工具清单、单工具调用、通知等 MCP 基本功能，适用于 Claude Desktop、Cursor、Kiro 等支持 MCP 的客户端。

基于 Model Context Protocol 的 MCP 服务器实现，集成资源、工具、提示模板等能力，提供标准化的上下文服务以供 LLM 客户端调用，并通过 Stdio 传输支持快速本地测试与集成。

基于 Model Context Protocol（MCP）的后端服务器实现，提供将 MarkView 的 Markdown 预览能力以资源、工具和提示（Prompts）的形式暴露给 LLM 客户端，并通过 JSON-RPC 与客户端通信，支持通过本地/云端对话上下文进行资源访问、外部工具调用与 Prompt 模板渲染等功能。

基于模型上下文协议（MCP）的本地后端服务器，向大语言模型客户端提供结构化的浏览器上下文、工具和提示模板，并通过 JSON-RPC 进行通信。实现了资源、工具、提示模板的托管、注册与渲染，以及会话管理和跨传输协议的支持，适用于在本地环境中为 LLM 客户端提供可扩展的上下文服务。

基于 Model Context Protocol (MCP) 的 BACnet MCP 服务器实现，提供资源、工具和提示模板，允许大模型客户端通过 JSON-RPC 与本地或远端 BACnet 设备进行交互。服务器端实现了对 BACnet 设备的读取、写入、设备发现等功能，并通过 MCP 的资源、工具、提示机制暴露给 LLM 客户端，同时支持可扩展的传输方式（如 HTTP/Streamable HTTP），包含身份认证选项和健康端点。

基于 Model Context Protocol (MCP) 的后端服务器，向大语言模型客户端提供 Outlook 的资源、工具与提示模板，并通过 JSON-RPC 进行通信和协作。服务器管理会话、对接 Microsoft Graph API 以访问邮件、日历、联系人等数据，支持多种传输方式（如 Stdio、SSE、WebSocket），并通过工具集提供可扩展、可控的上下文服务。

基于 Model Context Protocol (MCP) 的后端服务，作为 LLM 客户端的上下文服务提供者，负责资源与工具的托管管理、Prompt 模板的定义与渲染，以及与 MCP 客户端通过 JSON-RPC 协议进行通信。该实现包含身份鉴权、会话管理、快照与导入流程、以及对工具的注册与执行能力，支持多种传输与扩展能力，定位为 Agentier IDE 等环境中的后端上下文服务。

基于 Model Context Protocol (MCP) 的后端服务器实现。该服务器提供对 DOCX 文档的读取、编辑、注释、格式化、追踪修订等资源和工具的标准化访问，能够通过 JSON-RPC 与 LLM 客户端进行交互，支持资源/工具注册、会话管理、能力声明以及多种传输协议（当前实现通过标准输入输出进行通信）。

基于 Model Context Protocol (MCP) 的后端服务器，将 Things Cloud 的数据与功能暴露给大模型/LLM 客户端，通过 JSON-RPC 提供资源管理、工具执行与模板渲染等能力，支持多用户、OAuth2.1 授权、流式传输等扩展特性，方便在云端对 Things 3 进行任务与信息管理。

基于 Nuxt 4 的文档主题，内置 MCP 服务器，提供文档资源、工具，以及提示模板的标准化上下文服务，以供 LLM 客户端通过 MCP 协议访问。

基于 Fray 的 MCP（Model Context Protocol）实现的后端服务器，将 payload 数据、WAF 指纹和 CVE 细节以工具形式暴露给 AI 助手调用，支持通过 JSON-RPC 与客户端通信，提供工具注册、资源管理和会话上下文能力，便于在 AI 工作流中进行上下文驱动的安全测试与结果分析。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源与工具管理、提示模板渲染，以及与 LLM 客户端之间的 JSON-RPC 通信，支持多传输方式（包括 Standalone 的 stdio 服务器），并可自动配置到多种代理/模型工具。

基于 MCP 协议的后端服务，暴露 Clippy 的资源、工具和提示给 AI 客户端，通过 JSON-RPC 进行通信，支持文本与文件等上下文共享。

基于模型上下文协议(MCP)的后端服务器实现，提供资源与工具的注册、SSE传输的MCP服务端，以及多种认证方式（JWT、AK/SK、Open API签名）。通过 MCP 客户端（如 Claude、Cursor、CodeBuddy 等）以统一的JSON-RPC风格远程访问文件管理、统计与系统信息等能力，支持扩展的资源与工具。

基于 MCP 的服务器端组件，通过 logseq-cli 提供 MCP 服务器，实现资源管理、工具调用和 Prompt 渲染，为 LLM 客户端提供上下文信息和功能，支持 HTTP 与 STDIO 传输。

基于模型上下文协议（MCP）的后端服务器实现，提供资源管理、工具注册与执行，以及可渲染的提示模板，采用 JSON-RPC 与 LLM 客户端通信，支持通过标准输入输出（stdio）对接多种 AI 客户端插件与工作流。当前实现覆盖初始化、工具列表以及工具调用等核心 MCP 场景，并附带一个可运行的工具集（solvr_search、solvr_get、solvr_post、solvr_answer、solvr_claim）。

基于 Model Context Protocol (MCP) 的后端实现，提供资源、工具与提示模板的管理与对外交互，并通过 JSON-RPC 形式与 LLM 客户端进行上下文服务与能力调用，支持 WebUI、WebSocket 等传输方式的 MCP 服务端功能。

基于 Model Context Protocol (MCP) 的多服务器实现集合，提供资源/工具/提示模板等上下文服务，供 LLM 客户端通过 JSON-RPC 方式与 Batou、Library、Reports 等 MCP 服务器进行交互，支持聊天、文档库管理与报告存储等场景。

基于 Model Context Protocol (MCP) 的本地化后端服务器，提供资源、工具和提示模板等上下文能力，通过 JSON-RPC 与 Claude Desktop/Code 客户端通信，支持 HTTP 和 stdio 双传输，适配本地发票管理的 AI 场景。

基于 Model Context Protocol 的 MCP 服务端实现，提供对 HDL/SystemVerilog 相关资源、工具调用以及提示模板的标准化访问，并通过 JSON-RPC 与 LLM 客户端进行安全、可扩展的上下文服务交互。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供对 Laravel Workflow 的资源、工具与流程的 MCP 接口支持，允许 AI 客户端通过 JSON-RPC 向服务器发起启动工作流、查询状态等操作，并在 Laravel 应用内完成工作流调度与结果存储。

基于模型上下文协议（MCP）的后端服务，向大型语言模型客户端提供资源、工具和提示模板的上下文能力，通过 JSON-RPC 的方式进行请求/响应，并支持多种传输协议（如 STDIO、SSE、WebSocket）以实现安全、可扩展的上下文服务框架。

基于 Model Context Protocol（MCP）的后端服务，提供统一的资源管理、工具注册与执行、Prompt 模板渲染等能力，通过 JSON-RPC 与 LLM 客户端通信，用于单位转换、维度分析与上下文服务等场景。该实现将 ucon 的单位/维度计算能力暴露为可被 AI 客户端调用的后端服务。

基于 Model Context Protocol (MCP) 的后端服务器实现，向 LLM 客户端提供工作历史数据的资源、可执行工具和可渲染的提示模板，并通过 JSON-RPC 与客户端通信以实现上下文服务和功能扩展。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源（Resources）管理、工具（Tools）注册与执行、以及提示模板（Prompts）的渲染等能力，允许通过 JSON-RPC 与 LLM 客户端进行标准化交互，支持多传输协议（如流式 HTTP、StdIO、SSE、WebSocket），为 LLM 应用提供安全、可扩展的上下文服务框架。仓库内包含基于 Python 的 FastAPI 实现（以及可选的 Node.js 实现结构），实现完整的 MCP 服务端功能与实际数据源集成。

基于 Symfony + Sulu CMS 的 MCP（Model Context Protocol）服务器实现，能向 LLM 客户端提供资源、工具、以及可渲染的 Prompt，支持通过 JSON-RPC 等协议进行交互并实现会话与权限等后端能力。该仓库不仅包含服务端核心组件，还提供了 MCP 工具、测试用例及集成示例，表明其为完整的 MCP 服务器实现，而非仅仅是客户端示例。

基于 Model Context Protocol (MCP) 的后端服务，提供资源与工具的注册、对接外部数据源，并通过 JSON-RPC/stdio 方式与 MCP 客户端通信，以支持 LLM 场景下的上下文、工具调用与提示模板渲染。

基于 Model Context Protocol 的 MCP 服务器实现，整合插件注册、工具执行、资源管理与提示模板，通过 JSON-RPC 与浏览器客户端通信，支持 WebSocket 与 HTTP 传输，为 LLM 提供统一的上下文、工具调用和提示渲染能力，方便在开发环境中扩展自动化工具和上下文服务。

基于 Model Context Protocol (MCP) 的后端服务端实现，面向大模型客户端提供 Rancher 多集群管理的资源访问、工具执行与提示模板渲染，通过 JSON-RPC 与客户端通信，支持 stdio、HTTP/SSE 等传输模式，提供可扩展的上下文和能力服务。

基于 Model Context Protocol 的 MCP 服务器，提供对 Android 设备的自动化控制工具、资源和提示模板的标准化对接，支持 STDIO/HTTP 传输与 JSON-RPC 通信，便于与 LLM 客户端集成。

基于 Model Context Protocol 的服务器端实现，向客户端暴露 Whenny 的日期与时间相关工具，支持通过 JSON-RPC 请求执行工具、注册与查询工具、以及基于时区的传输/时区上下文等功能，适用于将日期服务接入到 AI 客户端的上下文环境中。

基于 Model Context Protocol (MCP) 的后端服务实现，提供 System/Enterprise 资源的托管与管理、工具的注册与执行、Prompt 模板的定义与渲染，并通过 JSON-RPC 与客户端通信，支持多传输协议以为 LLM 客户端提供安全、可扩展的上下文服务。

基于 Model Context Protocol 的本地 MCP 服务器实现，提供对 Planet API 的上下文访问、工具调用与提示渲染能力，帮助大语言模型在本地环境中高效地与 Planet 数据和功能交互。

基于 Model Context Protocol (MCP) 的后端服务器，为大语言模型(LLM)客户端提供资源托管、工具注册与执行、以及 Prompt 模板渲染等上下文服务；通过 JSON-RPC 与客户端通信，支持会话管理、能力声明，并可通过多传输协议（如 StdIO、SSE、WebSocket）进行安全、可扩展的上下文服务交互。

基于 Model Context Protocol 的 Spark 后端实现，提供对 Spark SQL、计划信息与元数据的统一访问接口，供大模型（LLM）通过 MCP 客户端进行调用与分析。

基于模型上下文协议的后端实现，提供资源管理、外部工具注册与执行以及对外暴露的工具集合，支持通过标准化的 JSON-RPC 方式与客户端进行对话式上下文交互。

基于 Model Context Protocol (MCP) 的后端服务器实现，向 LLM 客户端以统一的 JSON-RPC 形式暴露内核构建、配置、运行与测试等工具，帮助自动化地进行内核开发与验证流程。

基于 Model Context Protocol (MCP) 的服务器端实现，作为 Whimbox 的后端服务，通过 JSON-RPC 提供资源/工具（Tasks/宏相关接口）等能力给大语言模型客户端调用，支持健康检查、嵌入式工具渲染与多传输协议（如 streamable-http）。

基于 Model Context Protocol (MCP) 的 Jenkins 服务端实现，提供对外暴露的工具、资源与提示等上下文能力，支持通过 JSON-RPC 进行通信，包含 SSE、流式等传输端点以及对 Jenkins 实例的会话与能力声明管理。

一个基于 Charm KV 存储的 MCP 服务器实现，提供资源、工具、和提示模板等功能，供对话式 AI 客户端通过 JSON-RPC 与后台进行上下文交互与操作执行。当前实现通过标准输入输出（stdio）传输进行 JSON-RPC 的通信。

基于模型上下文协议（MCP）的服务器端实现，向大型语言模型客户端提供 Tempo 区块链的资源、工具和提示模板，并通过 JSON-RPC 进行交互，支持多传输协议与严格的会话与安全机制。

基于 Model Context Protocol (MCP) 的服务器端实现，提供通过 API 访问组件库资源、暴露工具以供 AI 助手调用、并支持以 MCP JSON-RPC 形式与客户端进行交互的后端服务。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源托管、工具注册与执行、以及 Prompt 模板渲染等能力，并通过 JSON-RPC 与客户端进行通信，支持多传输模式（如标准输入输出）。该服务器用于为 Playwright + Cucumber + TestNG 等测试框架提供统一的上下文服务和智能代码生成功能。

基于 Model Context Protocol 的后端服务器，向 LLM 客户端以标准化 JSON-RPC 提供资源、工具与提示模板，并实现会话管理、认证与多传输协议扩展。

结合 Looker SDK 提供 CLI 工具，并内置 MCP 服务器为 LLM 客户端提供 Looker 上下文和功能。

提供数据库 schema 信息和功能给 AI 客户端，支持 AI 调用 SchemaCrawler 工具进行数据库探索和分析。

将 Apple Notes 和 Things 3 集成到大语言模型客户端的 MCP 服务器。

通过 Model Context Protocol (MCP) 连接 AI 客户端与 DigitalOcean 资源，实现智能化的云管理。

将 Alation 数据目录的元数据和功能以标准 MCP 协议暴露给 LLM 客户端的应用后端。

使Dubbo应用具备MCP能力，将Dubbo服务自动转换为LLM可调用的工具。

通过 MCP 协议，为 AI 助手提供访问和管理 Google 日历、Gmail 和 Drive 的能力。

一个基于MCP协议的PDF文档知识库服务器，支持上传、处理和检索PDF内容，可与AI工具集成。

通过MCP协议向AI/LLM提供访问Azure Boards和Pipelines的功能。

增强 TickTick 工作流程的 MCP 服务器，使 AI 助手和兼容 MCP 的应用能更精确地管理和过滤你的任务。

基于 Model Context Protocol (MCP)，提供访问 Quip 电子表格数据及相关工具的后端服务。

一个基于 MCP 的 Go 语言应用后端，使 AI 助手（如 Claude）能够与 Atlassian Jira 进行交互和管理任务。

连接 CloudGlue 平台与 AI 助手，为 LLM 提供视频内容理解、分析和管理工具。

将 Smartlead API 功能以 Model Context Protocol (MCP) 标准暴露给 AI 助手和自动化工具。