基于 Model Context Protocol 的后端实现，提供对资源、工具与 Prompt 的标准化管理与读取，并通过 JSON-RPC 与 LLM 客户端进行交互，以实现可扩展的上下文服务。
基于 Model Context Protocol (MCP) 的 Cred MCP 服务器实现，为 Claude Desktop 等 MCP 客户端提供托管的上下文资源、可注册执行的工具、以及可渲染的提示模板等能力，并通过 JSON-RPC/多传输方式与客户端交互，支持云模式与本地模式的令牌委托服务。
基于 MCP 的 IntelliJ IDE 后端服务器，向 AI 客户端以统一的 JSON-RPC 方式提供资源、工具和提示模板，并通过 HTTP/SSE 等传输协议与客户端交互。
基于 Claude SDK 的多模块 MCP 服务器集合，提供资源管理、工具注册、提示模板等上下文服务，面向 LLM 客户端以标准化 JSON-RPC 风格进行资源读取、工具调用和提示获取等交互的后端实现（本地部署，离线运行）。
基于 Model Context Protocol 构建的 Notion MCP 服务器，面向 AI 代理提供统一的资源访问、工具执行与内容转换等能力，采用 Markdown-First 的工具集合以提升对话上下文的丰富性与可扩展性。
基于 Crackerjack 的 MCP（Model Context Protocol）服务器实现，提供资源托管与管理、工具注册与执行、以及可渲染的 Prompt 模板等核心能力，通过 JSON-RPC 与客户端通信，并支持多种传输方式（如 WebSocket、StdIO、SSE），为 LLM 客户端提供安全、可扩展的上下文服务框架。