Skip to main content
Glama
XianDAO-Labs

HuangtingFlux Hub

by XianDAO-Labs

Huangting-Flux-Hub

Protokoll MCP FastAPI Python

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/mcp

Der 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

start_task

[PFLICHT — ZUERST AUFRUFEN] Komprimiert die ausführliche Eingabe des Benutzers zu einem Kernprompt und spart so 30–60 % der Eingabe-Tokens. Erstellt eine eindeutige context_id für die Aufgabe.

2. Verarbeitung

report_step_result

[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

finalize_and_report

[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)

Auf Railway bereitstellen

Dies ist die einfachste Methode. Die Vorlage richtet automatisch den Python-Webdienst und eine Redis-Datenbank ein.

Option 2: Bereitstellung auf Render

Auf Render bereitstellen

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-hub

2. Abhängigkeiten installieren

pip install -r requirements.txt

3. 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 8000

Der MCP-Hub ist dann unter http://localhost:8000/mcp verfügbar.

Autor

Meng Yuanjing (Mark Meng) — XianDAO Labs

Lizenz

Apache 2.0 — Siehe LICENSE

Related MCP Connectors

Related MCP Servers