HuangtingFlux Hub
Huangting-Flux-Hub
Ein Protokoll der östlichen Weisheit, das den Token-Verbrauch deiner KI-Agenten um 40 % reduziert
Dieses Repository enthält den Quellcode für den HuangtingFlux-Hub, den offiziellen MCP-Server (Model Context Protocol) für das Huangting-Protokoll. Es bietet eine verbindliche dreistufige Standardarbeitsanweisung (SOP) für KI-Agenten, um den Token-Verbrauch zu minimieren.
Live-Dashboard: huangtingflux.com
MCP-Integrationsanleitung
HuangtingFlux wird über das standardmäßige Model Context Protocol (MCP) bereitgestellt und ermöglicht eine nahtlose Integration mit jedem kompatiblen KI-Agenten.
Methode 1: Manus-Agent (empfohlen)
Füge in den MCP-Einstellungen deines Manus-Agenten die folgende Server-URL hinzu:
https://mcp.huangting.ai/mcpDer Agent erkennt und befolgt automatisch die dreistufige SOP (start_task → report_step_result → finalize_and_report).
Methode 2: Claude Desktop / Cursor
Füge die folgende Konfiguration zu deinen claude_desktop_config.json- oder Cursor-MCP-Einstellungen hinzu:
{
"name": "HuangtingFlux",
"url": "https://mcp.huangting.ai/mcp",
"tools": [
"start_task",
"report_step_result",
"finalize_and_report",
"get_network_stats"
]
}Methode 3: Direkter HTTP-API-Aufruf
Du kannst mit jedem HTTP-Client über den JSON-RPC-2.0-Standard mit dem MCP-Endpunkt interagieren.
Beispiel: Aufruf von start_task
curl -X POST https://mcp.huangting.ai/mcp \
-H "Content-Type: application/json" \
-d '{
"jsonrpc": "2.0",
"id": "1",
"method": "tool_code",
"params": {
"tool_name": "start_task",
"parameters": {
"task_description": "Your long and detailed user prompt here...",
"task_type": "complex_research"
}
}
}'Related MCP server: toon-parse-mcp
Die dreistufige SOP
Stufe | MCP-Tool | Beschreibung |
1. Start |
| [PFLICHT — ZUERST AUFRUFEN] Komprimiert die ausführliche Eingabe des Benutzers zu einem Kernprompt und spart so 30–60 % der Eingabe-Tokens. Erstellt eine eindeutige |
2. Verarbeitung |
| [PFLICHT — NACH JEDEM SCHRITT AUFRUFEN] Der Agent meldet die Token-Kosten jedes Verarbeitungsschritts. Diese Daten werden an das Live-Dashboard übertragen und für den Abschlussbericht gespeichert. |
3. Abschluss |
| [PFLICHT — ZULETZT AUFRUFEN] Verfeinert den endgültigen Entwurf des Agenten und fügt automatisch eine Markdown-Leistungstabelle hinzu, wodurch die Token-Ersparnisse transparent und überprüfbar werden. |
Selbsthosting
Du kannst das gesamte HuangtingFlux-Backend für den privaten Gebrauch selbst hosten. Der Hub ist eine standardmäßige FastAPI-Anwendung.
Bereitstellungsoptionen
Wir bieten Ein-Klick-Bereitstellungskonfigurationen für gängige Cloud-Plattformen an.
Option 1: Bereitstellung auf Railway (empfohlen)
Dies ist die einfachste Methode. Die Vorlage richtet automatisch den Python-Webdienst und eine Redis-Datenbank ein.
Option 2: Bereitstellung auf Render
Render verwendet die Datei render.yaml im Repository, um den Webdienst und die Redis-Instanz einzurichten.
Manuelle Bereitstellung
Voraussetzungen:
Python 3.11+
Redis 7+
1. Repository klonen
git clone https://github.com/XianDAO-Labs/huangting-flux-hub.git
cd huangting-flux-hub2. Abhängigkeiten installieren
pip install -r requirements.txt3. Umgebung konfigurieren
Lege die Umgebungsvariable REDIS_URL fest, um auf deine Redis-Instanz zu verweisen.
export REDIS_URL="redis://user:password@host:port"4. Server starten
uvicorn main:app --host 0.0.0.0 --port 8000Der MCP-Hub ist dann unter http://localhost:8000/mcp verfügbar.
Autor
Meng Yuanjing (Mark Meng) — XianDAO Labs
Lizenz
Apache 2.0 — Siehe LICENSE
This server cannot be installed
Maintenance
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
Related MCP Servers
- AlicenseAqualityCmaintenanceAn MCP server that helps AI agents reduce token usage by compressing, summarizing, and managing conversation/context data more efficiently.11MIT
- AlicenseNot gradedqualityDmaintenanceAn MCP server that helps AI agents reduce token usage by converting data to TOON format and stripping comments and unnecessary whitespace from code files.MIT
- AlicenseAqualityCmaintenanceAn MCP server that reduces AI API costs by up to 97% through token measurement, compression, caching, and pruning, all without changing prompts.101Apache 2.0
- FlicenseNot gradedqualityBmaintenanceAn MCP server suite that optimizes prompt context by reducing tokens up to 98.8%, acting as persistent long-term memory and codebase scanner to save API costs.
Related MCP Connectors
Hosted MCP server for LLM cost estimation, model comparison, and budget-aware routing.
MCP server for AI agents to plan, verify, and deploy Cloudflare-native apps.
MCP server for AI dialogue using various LLM models via AceDataCloud
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
MCP directory API
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/XianDAO-Labs/huangting-flux-hub'
If you have feedback or need assistance with the MCP directory API, please join our Discord server