"Tools" 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 Model Context Protocol (MCP) 的后端实现，提供资源/工具/提示的标准化上下文服务，支持通过 JSON-RPC 在 stdio/HTTP 传输，并与 Nostr、SurrealDB、嵌入式模型及上下文虚拟机等模块无缝协作，兼容多种客户端框架的后端上下文服务。

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 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 Model Context Protocol (MCP) 的完整 MCP 服务器实现，通过 SSE+JSON-RPC 提供资源、工具和提示的托管、注册、执行与渲染，包含会话管理、权限控制、Web UI、数据库与缓存集成，支持多种传输协议，面向 AI 代理与 IDE 集成的上下文服务框架。

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、工具与 Prompt 模板的注册、管理、执行与渲染，并通过 JSON-RPC 与客户端进行通信，支持多种传输方式与会话管理，便于 LLM 客户端获取上下文信息与外部功能。

基于 Farnsworth 的 Model Context Protocol(MCP) 服务端实现；通过 MCP 协议向 MCP 客户端暴露资源管理、工具注册/执行以及提示模板等能力，支持多传输协议（如 Stdio、SSE、WebSocket），并实现会话管理与能力声明，提供一个安全、可扩展的上下文服务后端。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供 MCP 的核心能力：注册并执行工具（Tools）、托管资源与数据，以及通过 JSON-RPC 风格的交互向 LLM 客户端提供上下文与功能，支持多传输协议（stdio 与 HTTP/SSE）以便与不同的 AI 客户端对接。项目中包含可运行的 MCP 服务器代码和 HTTP/SSE 传输实现，适合作为对接大模型代理的后端服务。

基于 Model Context Protocol (MCP) 的后端服务器，向大模型客户端提供资源、工具注册与执行、以及可渲染的提示模板等上下文服务，并通过 JSON-RPC 与客户端交互，具备会话管理、审计与记录等能力。

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 (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。