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。
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 Flow Weaver 的 MCP 服务器实现，提供资源、工具和提示模板的标准化管理与对外暴露，通过 JSON-RPC 与 LLM 客户端进行上下文服务、工具调用和提示渲染，支持多传输协议与会话管理，适配 Claude Code、Cursor、OpenClaw 等 MCP 客户端与插件生态。
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) 的后端服务器，提供资源管理、工具注册与执行，以及可通过 JSON-RPC 2.0 与 LLM 客户端交互的接口，支持将电视剧集数据、查询工具和资源以标准化方式暴露给 AI 助手。
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 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。