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 deployed
Maintenance
Related MCP Connectors
MCP server for building and testing AI agents with multi-model experimentation and insights.
Official MCP server for Agentwork — delegate tasks to AI agents with human-in-the-loop
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.
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.33 PyPIMIT
- AlicenseAqualityDmaintenanceAn 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 gradedqualityDmaintenanceAn 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.-