"Prompts" 标签

基于 Model Context Protocol (MCP) 的后端服务器实现集合，向 LLM 客户端以标准化方式提供资源、工具和提示，并通过 JSON-RPC 进行通信；支持多机器协同、会话管理与多传输协议（如 STDIO、SSE、WebSocket）的可扩展上下文服务框架。仓库内含多个 MCP 服务实例及封装器，用于托管资源、注册工具、渲染Prompts，并提供运行和测试环境。

基于 Model Context Protocol (MCP) 的后端服务，能够将 OpenAPI 定义的 REST API 端点暴露为 MCP 工具，并可选地提供 Prompts 和 Resources，支持标准的 JSON-RPC 通信、会话管理以及多种传输方式（Stdio、HTTP streaming）以供 LLM 客户端使用。

基于 Model Context Protocol（MCP）的后端服务器，通过 JSON-RPC 标准向 MCP 客户端提供 Resources、Tools 与 Prompts 的注册、查询、执行与渲染等核心能力，并支持会话管理与多传输协议接入。

基于 Hydra 的 MCP 服务器实现，提供资源、工具与 Prompt 的标准化上下文服务，并通过 JSON-RPC 与客户端通信以支持多轮对话与上下文管理。

基于 Model Context Protocol (MCP) 的多引擎后端服务器集合，核心职责是通过 JSON-RPC 2.0 与 LLM 客户端通信，提供资源托管与数据访问、注册和执行工具、定义与渲染 Prompt 模板等能力，支持多种传输形态并实现会话与能力声明，适合将 AI 客户端接入到各种构建、测试、环境管理等后端服务场景。

基于 Model Context Protocol (MCP) 的后端服务器实现，用于向 LLM 客户端提供上下文信息与功能。核心能力包括托管与管理 Resources（数据资源）、注册与执行 Tools（外部功能）、定义与渲染 Prompts（提示模板），通过 JSON-RPC 与客户端通信，支持会话管理、能力声明，并可通过多种传输协议（如 Stdio、SSE、WebSocket）实现安全、可扩展的上下文服务。该实现与 Skylos 项目紧密集成，提供对代码分析结果、资源访问、工具执行等能力的统一后端服务。

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 Guilders API 的 MCP 服务器实现，通过 JSON-RPC 提供资源访问、工具执行以及提示模板渲染等能力，供大型语言模型（LLM）客户端安全地获取上下文数据与外部功能。

一个实现 MCP（Model Context Protocol）的后端服务器，提供资源管理、工具注册、Prompt 定义与渲染，并通过 JSON-RPC 与 LLM 客户端进行通信，支持多传输协议，面向将网站/数据源暴露为可被 LLM 调用的上下文服务的场景。

基于 Model Context Protocol (MCP) 的 PHP 实现的开放式 MCP 服务器，提供资源、工具和提示模板的管理与执行，并通过 JSON-RPC 与客户端进行交互，支持流式 HTTP 与 stdio 等传输形式，适用于在 openEHR 领域为 LLM 客户端提供上下文与能力服务。

基于 Model Context Protocol(MCP) 的后端服务器实现，提供以 JSON-RPC 2.0 方式向 AI 客户端暴露资源管理、工具注册/执行以及可渲染的 Prompt 模板等能力，并支持多传输协议（如 STDIO、WebSocket、SSE），实现会话管理与能力声明，用于为 LLM 应用提供结构化的上下文服务与外部功能入口。

基于 Model Context Protocol (MCP) 的后端服务器， provide 资源管理、工具注册与执行、以及 Prompt 模板的定义/渲染，并通过 JSON-RPC 与 LLM 客户端进行通信。服务器负责会话管理、能力声明，并支持扩展的传输协议（如 STDIO、SSE、WebSocket），用于向大语言模型应用提供标准化的上下文信息、数据访问、和外部功能调用能力。该仓库实现了完整的 MCP 服务器端能力，包含资源、工具、知识库、演示/demo、以及多工具链的整合。

基于 Model Context Protocol (MCP) 的多模态 MCP 服务器实现集合，围绕 1C:Предприятие 提供“资源/工具/提示模板”的上下文服务与托管能力，并通过 STDIO、HTTP 等传输协议与 MCP 客户端进行通信。代码覆盖 1C 相关的元数据、帮助文档、代码搜索等服务，以及一个用于搜索的 Rust 实现，构成一个可运行的 MCP 服务器生态，以支持 AI 助手在开发场景中的上下文数据和外部功能调用能力。

基于 Model Context Protocol 的后端服务，暴露 PRISM 的资源、工具和提示模板等功能，使用 JSON-RPC 通过多种传输（本仓库默认 stdio）与 LLM 客户端进行通信。

基于 Model Context Protocol (MCP) 的完整 MCP 服务器实现，负责托管资源、注册并执行工具、定义并渲染提示模板，并通过 MCP 标准与客户端进行交互（以 stdio 传输为主，支持会话管理、能力声明及多种渲染能力）。

基于 Model Context Protocol (MCP) 的后端服务实现，面向大语言模型客户端提供标准化的上下文服务。核心职责包括托管与管理资源、注册和执行工具、定义与渲染 Prompt 模板，并通过 JSON-RPC 与客户端进行通信。具备资源/工具/提示的托管、会话管理、能力声明，以及对多传输协议的支持（如 Stdio、SSE、WebSocket）等能力。

基于 Model Context Protocol (MCP) 的 CKAN MCP 服务器实现，向 MCP 客户端提供资源托管、工具注册、Prompts、以及基于 CKAN 的数据检索与分析等功能，并通过 JSON-RPC 进行跨客户端的上下文服务交互，支持多传输通道（stdio、HTTP 等）以适应不同部署场景。

基于 Model Context Protocol 的后端服务实现，提供资源、工具、Prompts 的注册与管理，并通过 JSON-RPC 与客户端通信，支持多传输协议（STDIO、SSE、WebSocket），实现会话管理和能力声明，用于为 LLM 客户端提供一致的上下文与功能服务。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源托管与访问、工具注册与调用、以及提示模板的定义与渲染能力，并通过 JSON-RPC 与 LLM 客户端进行通信，支持多种传输方式（如 STDIO、HTTP、WebSocket 等），用于为大语言模型提供统一的上下文与功能服务。

基于 Model Context Protocol（MCP）的后端服务器集合，向大型语言模型客户端以标准化方式提供上下文信息与功能，包括托管资源、注册与执行工具，以及定义/渲染提示模板；支持多种传输协议（Stdio、SSE、HTTP），通过 JSON-RPC 与客户端通信，适用于 Claude Code 等工作流场景。

基于 Veritas Kanban 的 MCP 服务器实现，提供以 JSON-RPC 方式向 AI 助手/客户端暴露资源、工具、提示模板等上下文能力的后端服务，并支持多传输通道与会话管理。

基于 Model Context Protocol(MCP) 的后端服务器实现，提供资源管理、工具注册与调用、以及 Prompt 模板渲染等能力，供 LLM 客户端以标准化方式获取上下文、数据与外部功能。

基于 Model Context Protocol (MCP) 的 BoxLang 后端服务器实现，提供对 Resources、Tools 与 Prompts 的注册、管理与暴露，并通过 JSON-RPC 与 MCP 客户端进行通信，支持多传输协议（如 STDIO、SSE、WebSocket），为 LLM 客户端提供标准化的上下文服务、会话与能力声明。

基于模型上下文协议（MCP）的后端实现，提供资源、工具与 Prompt 的管理与渲染，通过 JSON-RPC 与 LLM 客户端进行通信，支持多传输模式（如 Stdio、SSE、WebSocket）以及会话与能力声明，并可通过 MCP 客户端接入扩展能力。该仓库在后端 Go 语言实现了核心服务，并在 README 提供了配套的 MCP 客户端服务（MCP 服务器端 bundles/示例及接入文档）。

基于 Model Context Protocol 构建的后端服务实现，作为 MCP（Model Context Protocol）服务器向大型语言模型客户端提供结构化的资源管理、工具注册与执行、以及可自定义的 Prompt 模板渲染能力；通过 JSON-RPC 进行通信，并支持 HTTP/STDIO 等传输模式与会话管理、能力声明与访问控制等安全特性。

基于 Model Context Protocol 的 MCP 服务器实现（集成于 Edda 框架），通过 JSON-RPC/多传输协议向 LLM 客户端暴露 durable workflows、资源和工具，并支持 Prompts 渲染，方便 AI 助手与后端工作流进行长期上下文交互和功能调用。

基于模型上下文协议（Model Context Protocol, MCP）的后端服务器，向大型语言模型（LLM）客户端以标准化方式提供资源数据、工具执行能力和可渲染的提示模板，支持多租户、会话管理以及通过 JSON-RPC 与客户端通信的上下文服务框架，适用于广告投放场景的自动化协作与执行。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源/工具/提示模板的托管与管理，并通过 MCP 协议向 LLM 客户端暴露上下文服务、数据访问与外部功能调用能力。支持多种传输方式（HTTP/JSON-RPC、SSE、WebSocket/流式）以及多用户隔离。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供统一的资源管理、工具注册/执行以及 Prompt 模板的定义和渲染，能够通过 JSON-RPC 与 LLM 客户端进行交互，并支持多传输协议（如 Stdio、SSE、WebSocket）与会话管理、能力声明及健康监控等扩展能力。

基于 Model Context Protocol (MCP) 的后端服务器实现，面向 LLM 客户端提供统一的上下文资源、可注册的工具以及可渲染的 Prompt 模板。通过 JSON-RPC 与客户端通信，支持会话管理、能力宣告，以及多传输协议（如 Stdio、SSE、WebSocket）等扩展能力，适配 Claude 等 AI 助手的上下文服务需求。