"prompts" 标签

基于 Model Context Protocol (MCP) 的后端实现，提供可持久化内存存储、工具注册、Prompts、资源端点，以及通过 JSON-RPC 与客户端通信的 MCP 服务器，当前实现采用标准输入输出（STDIO）传输。

基于注解的 MCP 服务器框架，用于向 LLM 客户端提供上下文信息和功能，包括托管资源、注册工具、定义提示模板，并支持 STDIO、SSE、STREAMABLE 等传输模式。

基于 Model Context Protocol（MCP）的后端服务器实现，提供资源管理、工具注册与执行、Prompt 模板定义与渲染，并通过 JSON-RPC 方式与 MCP 客户端通信，支持嵌入式 MCP 传 transport（如 HTTP/Streams），用于向大型语言模型客户端提供可扩展的上下文与功能服务。

基于 Model Context Protocol（MCP）的后端服务，提供资源、工具与提示模板的标准化访问，用于让 AI/LLM 客户端以结构化上下文与能力与本地系统进行交互，并通过 JSON-RPC 等传输协议与客户端沟通。

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。

基于模型上下文协议（MCP）的后端服务器，向LLM客户端提供资源管理、工具执行和提示模板等上下文信息，支持多传输协议（如 Stdio、HTTP/WebSocket），通过 JSON-RPC 进行请求-响应交互。该实现覆盖资源、工具、Prompts 的注册、查询与渲染，以及会话管理与安全能力声明等核心功能，构成可扩展的对话上下文服务框架。

基于 Model Context Protocol (MCP) 的后端服务，向 LLM 客户端通过标准化的 JSON-RPC 方式提供资源、工具与提示模板等上下文信息，并支持开发/生产两种模式、以及通过标准传输通道进行通信。

基于 Model Context Protocol (MCP) 的本地化上下文服务后端，实现对资源、工具和提示模板的托管与管理，供 LLM 客户端通过 JSON-RPC 调用以获取上下文、执行工具与渲染提示模板。