基于 Model Context Protocol 的后端服务器，实现对工具的注册与执行、以及面向大语言模型客户端的上下文管理能力，核心通过 JSON-RPC 进行工具查询与调用，提供以标准化方式对外暴露的 MCP 服务入口。
基于 Model Context Protocol (MCP) 的 JSON-RPC 服务器实现，提供对 rs-hack 工具集合的远程调用能力，支持通过标准输入输出进行 JSON-RPC 请求/响应通信，核心职责包括注册并执行工具、初始化协商、以及向客户端提供工具列表与执行结果等能力（便于与 LLM 客户端进行上下文查询与外部功能调用）。
基于 Model Context Protocol (MCP) 的后端服务，将 Docebo Learning Platform API 通过 MCP 提供给 Claude、Cursor 等 MCP 客户端，支持资源、工具、提示模板的统一管理与执行，并通过 JSON-RPC 与客户端通信，具备会话管理、认证代理和可扩展传输协议支持。
基于 Model Context Protocol 的服务端实现，提供对工具注册与执行、会话管理、以及跨传输协议的 MCP 服务能力，能够通过 STDIO 与浏览器扩展/WebSocket 客户端进行交互，向大型语言模型（LLM）客户端暴露浏览器工具、标签页控制和页面上下文能力。
基于 Claude Desktop 的 MCP 服务器实现，提供资源管理、工具调用与提示模板渲染等能力，遵循 MCP 协议通过 JSON-RPC 与客户端通信，并通过标准化的传输（如标准输入输出）供 LLM 客户端安全、可扩展地获取数据上下文与功能。该实现包含服务器端工具注册、工具执行与对接客户端的最小示例，核心工具涵盖数据扫描、摘要、数据集与研究相关输出等。
基于 Model Context Protocol (MCP) 的后端服务器实现，提供多智能体协作、资源与工具管理、Prompts 定义与渲染等能力，并通过 JSON-RPC 与客户端通信（当前实现以 Stdio 传输为主）。该服务器承担会话管理、能力声明、工具注册与执行、以及任务编排等核心职责，支持扩展的工具集和工作流模板，适合为 LLM 客户端提供标准化的上下文服务。 jovens