基于 Model Context Protocol（MCP）的后端实现，提供工具调用、资源管理与提示模板等能力，通过 JSON-RPC 与客户端通信，并可通过多种传输（如标准输入输出）完成 MCP 会话与请求处理。
基于 Model Context Protocol (MCP) 的后端实现，用于向 LLM 客户端以标准化方式提供资源、工具和提示模板等上下文服务，并通过 JSON-RPC 与客户端通信，支持多种传输方式（当前以 Stdio 为主）。它包含工具注册、任务流管理等核心能力，旨在为学术研究相关的 LLM 应用提供可扩展的上下文服务。
一个覆盖多语言实现的 MCP 服务器示例集合，展示如何使用 Model Context Protocol 构建后端以暴露资源、工具和提示模板等能力，包含从基础示例到多传输协议的完整实现与解决方案。
基于 Model Context Protocol (MCP) 的后端数据服务端，提供对 LLM Advisor 相关数据（决策树、案例、模型信息、工具对比等）的读取、修改与对外工具调用能力，供 MCP 客户端通过 JSON-RPC 进行交互，支持标准的输送通道（如标准输入/输出）。
基于模型上下文协议（MCP）的后端服务器实现，提供通过 MCP 客户端以标准化 JSON-RPC 方式访问 Bitbucket Cloud 的资源、工具和提示模板，支持在 stdio 传输下与 LLM 应用对接。
一个汇集了多份基于 Model Context Protocol (MCP) 的服务器实现与使用示例的学习资源库，能够通过标准化的 JSON-RPC 方式向 LLM 客户端暴露资源、工具与提示模板，支持 stdio 与 HTTP 等多种传输模式，并演示多服务器协同工作与工具调用执行流程。