基于 Model Context Protocol (MCP) 的 OmniFocus 后端服务器实现，提供对 OmniFocus 的资源、工具、提示模板的标准化访问，并通过 JSON-RPC 与 LLM 客户端进行通信。服务器底层通过 AppleScript 与 OmniFocus 交互，支持资源管理、工具执行、提示渲染等 MCP 服务器核心能力。
基于 Model Context Protocol 的 MCP 服务器后端，实现通过 JSON-RPC 与客户端进行交互，向 LLM 客户端提供资源（Resources）、工具（Tools）以及提示模板（Prompts）的托管、注册、执行与渲染能力，并支持会话管理、能力声明以及多传输协议扩展。该实现不仅提供核心的 MCP 请求处理，还包含可运行的服务器组件与完整的服务逻辑。
基于 MCP 架构的后端服务器，为大语言模型（LLM）客户端提供对 Yandex Wiki 的页面读取与写入、以及相关工具的访问与缓存支持，通过 JSON-RPC 提供统一接口，支持读写模式并可选 Redis 缓存。
基于 Model Context Protocol 的 MCP 服务器实现，作为后端为大语言模型客户端提供标准化的上下文信息、资源数据、工具执行能力以及自定义提示模板等功能，支持 JSON-RPC 通信、会话管理和多种传输协议。
基于 Model Context Protocol（MCP）的后端服务器实现，向大语言模型客户端提供规范化的上下文服务，包括资源管理、工具注册与执行，以及可定制的提示模板渲染；通过 JSON-RPC 进行通信，支持多种传输模式（如 stdio、HTTP/Streamable HTTP），并实现会话管理与能力声明，适用于在本地搭建的 MCP 服务端场景。
Brakit 提供基于 Model Context Protocol (MCP) 的服务器端实现，向大型语言模型（LLM）客户端以标准化方式暴露资源、工具和提示模板，并通过 JSON-RPC 进行通信，支持会话管理、能力声明以及多种传输方案，用于在本地环境中为 LLM 应用提供上下文服务与扩展能力。
基于 Model Context Protocol 的完整 MCP 服务器实现，实现资源托管、工具注册与执行，以及提示模板渲染，支持 Stdio 与 HTTP 传输，面向 LLM 客户端提供标准化的上下文服务。
基于 Model Context Protocol（MCP）实现的后端服务器，提供资源托管、工具注册与执行、以及可定制的 Prompt 模板渲染。通过 JSON-RPC 形式与 LLM 客户端通信，支持多传输方式（HTTP、STDIO 等），并提供会话管理、能力声明、访问控制与审计追踪等完整后端能力。仓库内不仅包含完整的 MCP 服务端实现，还实现了与 Claude/Cursor/Windsurf 等 MCP 客户端的对接支持。
基于 Model Context Protocol 的 MCP 服务器实现，作为 AI 助手的后端上下文服务，提供资源管理、工具注册与执行、以及提示模板渲染等核心能力，支持以 JSON-RPC 方式与运行在标准输入/输出、SSE、HTTP 的客户端进行通信。它将 Obsidian 笔记库与快速查询/推理功能整合，为 LLM 客户端提供安全、可扩展的上下文和功能接口。
基于 Model Context Protocol (MCP) 的后端服务，提供资源（Resources）托管与管理、工具（Tools）的注册和执行、以及 Prompt 模板的定义与渲染，面向大语言模型（LLM）客户端，通过 JSON-RPC 与客户端通信，支持会话管理、能力声明以及多传输协议（如 StdIO/SSE/WebSocket）的上下文服务框架。
基于 Model Context Protocol 的后端服务实现，提供资源管理、工具注册与执行、以及 Prompt 模板渲染，支持 JSON-RPC 通信与多传输接入，面向 LLM 客户端提供统一的上下文与功能入口。
基于 Model Context Protocol (MCP) 的后端服务器实现，提供工具注册、资源管理、提示模板等能力，并通过 JSON-RPC 与客户端通信，支持 STDIO 与 HTTP 传输，以供 LLM 客户端查询、调用工具和获取上下文信息。
CentralMind Gateway 是一款轻量级 API 网关，能够将数据库快速转换为 AI 友好的 MCP 和 RESTful API 服务。