基于 Model Context Protocol（MCP）的后端服务，提供资源托管与访问、工具注册与执行、以及可定制的 Prompt 模板渲染，统一通过 JSON-RPC 与客户端交互，并支持多种传输方式（HTTP/SSE/stdio）以实现对大语言模型客户端的上下文与功能服务。
基于 MCP 的后端服务器实现，提供资源、工具、提示模板等标准化上下文服务，并通过 JSON-RPC 与 LLM 客户端通信，支持多传输协议（stdio、HTTP、SSE、WebSocket 等）。
基于 Model Context Protocol(Model Context Protocol, MCP) 的 Obsidian 插件后端实现，作为 MCP 服务器向本地或远程 LLM 客户端提供资源管理、工具注册与执行、以及可自定义的 Prompt 模板渲染等能力；通过 JSON-RPC 与客户端通信，支持多传输通道（如 Stdio、SSE、WebSocket），实现会话管理、能力声明，并可在多 Vault 场景下独立运行本地化上下文服务。
基于 Model Context Protocol（MCP）的后端服务实现，为 LLM 客户端提供标准化的上下文管理能力：托管资源和数据、注册并执行工具、定义并渲染 Prompt 模板，采用 JSON-RPC 与客户端通信，支持会话管理与多传输协议的扩展能力，为面向大语言模型的上下文服务提供安全、可扩展的服务端框架。
基于 Model Context Protocol (MCP) 的后端服务器实现，向 LLM 客户端提供标准化的上下文资源、可调用的工具（Tools）以及可渲染的 Prompt 模板，采用 JSON-RPC 与客户端通信，支持会话管理、能力声明，并可通过多种传输通道（如标准输入/输出、SSE、WebSocket 等）实现安全、可扩展的上下文服务。
基于 Model Context Protocol (MCP) 的后端服务器实现，能够按账户动态注册 Telegram 工具、通过 JSON-RPC 提供工具调用与资源访问，并以 URL 路径实现账户级别的多实例隔离，适用于将 LLM 客户端接入各自的通信服务工具。
基于 Model Context Protocol 的 MCP 服务器实现，用于为大语言模型客户端提供规范化的上下文服务。核心功能包括托管与管理资源（Resources）、注册与执行工具（Tools）、定义与渲染 Prompt 模板（Prompts），并通过 JSON-RPC 与客户端进行通信。服务器负责会话管理、能力声明，支持多传输协议（例如 Stdio、SSE、WebSocket），实现对云日志的上下文化访问与功能扩展。
基于 Model Context Protocol (MCP) 的后端服务器实现，暴露资源、工具和提示模板，通过 JSON-RPC 与客户端通信，支持会话管理与可扩展的传输协议。
基于 Model Context Protocol 的 MCP 服务端，提供 ERA5 气候数据的资源管理、工具执行与 Prompt/模板渲染等能力，并通过 JSON-RPC 形式与 LLM 客户端（如 Claude Desktop、IDE 等）进行通信。
基于 Model Context Protocol (MCP) 的后端服务器实现，作为 LLM 客户端的上下文服务提供者，托管与管理资源（Resources）、注册并执行 Tools、定义与渲染 Prompt 模板。通过 JSON-RPC 与 Claude Code 等客户端进行通信，提供会话管理、能力声明，以及可扩展的传输协议支持（如 Stdio、SSE、WebSocket），实现跨后端的智能路由、 council（多后端共识）等 MCP 功能，形成稳定、可扩展的后端上下文服务框架。
基于 Model Context Protocol (MCP) 的服务器实现，向 LLM 客户端提供资源、工具和提示模板，并通过 JSON-RPC 等协议实现标准化的上下文服务与交互。
基于 Model Context Protocol (MCP) 的后端服务，按标准化方式向 LLM 客户端提供资源、工具与 Prompt 模板，并通过 JSON-RPC 进行通信，支持多传输协议与会话管理，适用于以上下文驱动的 AI 应用场景。
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、Prompts 定义以及通过 JSON-RPC 的 MCP 协议与 LLM 客户端交互，支持流式传输、SSE、OAuth2PKCE、会话管理与长时记忆分片系统等能力，面向 AI 记忆与上下文服务场景的可扩展后端。
基于 Model Context Protocol 的 MCP 服务器实现，围绕 Atlas 的工作管理工具提供工具执行、会话与上下文管理，支持以标准化的 JSON-RPC 形式与客户端交互，使用标准输入输出传输（stdio）来对接 Claude 相关工作流。
基于 Model Context Protocol (MCP) 的后端实现，作为 Claude Code Harness 的核心服务之一，负责托管资源（Resources）、注册及执行工具（Tools）、定义与渲染 Prompt 模板（Prompts），并通过 JSON-RPC 与 LLM 客户端进行标准化交互，提供上下文信息、数据访问与外部功能调用等能力，支持多种传输方式（如标准输入输出、SSE、WebSocket 等）以实现安全、可扩展的后端上下文服务框架。
基于 Model Context Protocol (MCP) 的后端服务端实现，提供资源、工具、提示模板的注册、执行与渲染，并通过 JSON-RPC 与 MCP 客户端进行通信，支持会话管理、能力声明，以及资产的管理与扩展。
基于模型上下文协议（MCP）的后端服务器实现，提供资源、工具和提示模板的托管、注册与渲染，并通过 JSON-RPC 与客户端通信，支持会话管理与多种传输协议。
基于 Model Context Protocol 的本地 MCP 服务器实现，提供资源、工具、提示模板的托管与管理，并通过 JSON-RPC 与客户端通信，支持多传输协议用于 LLM 场景下的上下文服务。
基于 Model Context Protocol (MCP) 的后端服务集合，提供资源管理、工具注册与执行，以及可渲染的 Prompt 模板，支持 JSON-RPC 风格通信和 STDIO/WebSocket 等传输协议，用于向 LLM 客户端暴露上下文、工具和资源等能力。
一个基于 Model Context Protocol 的服务器实现，向大语言模型提供 Appwrite API 的资源、工具与提示模板，并通过 JSON-RPC 进行通信，作为 MCP 后端服务。
基于模型上下文协议（MCP）的后端服务器实现，提供资源、工具与提示模板的托管与管理，并通过 JSON-RPC 与客户端进行交互，支持多种传输协议、会话管理、能力声明以及外部桥接等扩展能力，用于为大语言模型应用提供可扩展的上下文服务框架。
一个用于 AI 代理的模型上下文协议（MCP）服务器实现，提供资源、工具和提示模板等上下文服务，并通过 JSON-RPC 与客户端进行交互。
基于 Model Context Protocol (MCP) 的服务器实现，提供通过 JSON-RPC 向 LLM 客户端暴露工具注册、执行与上下文交互的能力，适配本地开发与容器化部署场景。
基于 Model Context Protocol（MCP）的服务器端实现示例集合，展示如何暴露工具、资源与 Prompt 模板，并通过 JSON-RPC 与客户端进行通信，涵盖多种 MCP 服务端实现与用法，适合作为后端上下文服务的参考实现。
基于 Model Context Protocol (MCP) 的后端服务端实现，作为 MCP 服务器向大语言模型客户端提供标准化的资源管理、工具注册/执行以及 Prompt 模板渲染等能力，使用 JSON-RPC 进行通信，并支持会话管理与多传输协议（如 Stdio、SSE、WebSocket）以满足多样化上下文服务需求。