"LangGraph" 标签

基于 Model Context Protocol（MCP）的后端服务，向 LLM 客户端提供标准化的上下文信息和功能。通过 JSON-RPC（以 STDIO 传输为主）与客户端通信，支持托管资源、注册和执行工具、以及定义/渲染 Prompt 模板，并结合 OpenTelemetry 实现可观测性与可扩展性。

XPouch AI 的原生 MCP（Model Context Protocol）服务器实现，提供资源与工具托管、Prompt 模板渲染，以及通过 SSE/HTTP 等传输协议向 LLM 客户端提供标准化上下文服务；内置 HITL、工具缓存、Terraform 式扩展能力，能够注册可扩展的外部工具服务并与 LangGraph 协同执行。

基于 Model Context Protocol 的完整 MCP 服务器实现，面向 LLM 客户端提供标准化的上下文与功能服务。核心功能包括托管与管理 Resources（资源/数据）、注册与执行 Tools（工具）、以及定义与渲染 Prompt 模板。服务器通过 JSON-RPC 与客户端通信，支持多协议传输、会话管理、能力声明和可扩展的工具集合，内置 51 个 Flowise 原生工具的 MCP 接口。

基于 Model Context Protocol (MCP) 的后端知识图谱服务器实现，提供将资源、工具和提示模板以 MCP JSON-RPC 方式暴露给 Claude Desktop 等 MCP 客户端，并支持同步/异步工具执行、管理员模式下的危险工具控制、以及跨传输协议的上下文服务能力。

基于模型上下文协议（Model Context Protocol，MCP）的后端示例，封装 Shirtify 代理并通过send_message工具向MCP客户端提供上下文对话能力与外部功能调用，支持 SSE/streamable_http 等传输模式的JSON-RPC风格交互。

基于 Model Context Protocol（MCP）的企业级 MCP 服务器实现，提供网络诊断与知识检索等工具的服务端能力，并与图谱编排、工具网关、审计日志等模块协同工作，支持多服务器架构和标准化的 JSON-RPC 交互。

Enso Labs Orchestra是一个基于MCP和A2A协议的AI代理编排后端，为LLM提供上下文、工具和会话管理。

一个基于LangGraph框架和多个MCP Agent，用于自动化AWS成本数据分析和报告生成的应用。

集成了MCP服务器、LangGraph和FastAPI的LLM应用模板。

基于 Spring Boot 和 MCP 构建的事件推荐聊天机器人后端，提供资源访问、工具注册和 Prompt 模板渲染等 MCP 核心功能。

一个简单的MCP服务器，将OpenAI ChatGPT (GPT-4o) 模型封装为工具，供LLM客户端调用以进行文本分析、摘要和推理等任务。

基于MCP协议实现的RAG应用服务器，通过工具向LLM客户端提供知识库检索能力，并集成LangChain和LangGraph。

基于LangGraph和MCP协议的智能体工具包，提供Streamlit界面，支持动态添加和管理MCP工具，简化AI智能体与外部数据源和工具的集成。