mcpField
H
HuangtingFlux — Huangting Protocol MCP Server

HuangtingFlux — Huangting Protocol MCP Server

リモート
github.com/XianDAO-LabsAI・エージェント032 週間前に更新
リポジトリ

HuangtingFlux — Huangting Protocol MCP Server について

HuangtingFlux は Huangting Protocol の MCP サーバーで、AI エージェントにタスクの標準手順を提供します。指示の圧縮、各段階のコスト記録、最終レポートの整形を三段階で行います。

主な機能

  1. 01三段階のタスク手順
  2. 02タスク指示の要約
  3. 03各段階のトークンコスト記録
  4. 04指標付き最終レポートの作成
  5. 05ネットワーク統計ツール
  6. 06セルフホスト対応

活用シーン

  1. 01長いタスク指示の圧縮
  2. 02推論段階ごとのトークン使用量追跡
  3. 03タスク結果と使用量の集約

MCP 対応

start_task、report_step_result、finalize_and_report、get_network_stats などのツールを、MCP 対応の AI エージェントに公開します。

設定

リモートサーバーはインストール不要です。クライアントを選んで設定をコピーするか、ワンクリックで導入できます。

エンドポイントhttps://mcp.huangting.ai/mcp
インストールコマンドをコピー
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

コマンドはターミナルで実行し、JSON は各クライアントの MCP 設定に貼り付けて再起動します。認可が必要なサーバーは初回接続時にログインを求めます。

ツール

詳細

Huangting-Flux Hub

Protocol MCP FastAPI Python

AI エージェントのトークン使用量を40%削減する東洋の叡智プロトコル

このリポジトリには、Huangting Protocolの公式 MCP(Model Context Protocol)サーバーであるHuangtingFlux Hubのソースコードが含まれています。トークン消費を最小限に抑えるため、AI エージェントに必須の3段階の標準作業手順書(SOP)を提供します。

ライブダッシュボード:huangtingflux.com


MCP 統合ガイド

HuangtingFlux は標準の**Model Context Protocol(MCP)**経由で公開されており、準拠するあらゆる AI エージェントとシームレスに統合できます。

方法1:Manus Agent(推奨)

Manus Agent の MCP 設定に、次のサーバー URL を追加してください。

https://mcp.huangting.ai/mcp

エージェントは3段階の SOP(start_task → report_step_result → finalize_and_report)を自動的に検出し、実行します。

方法2:Claude Desktop / Cursor

claude_desktop_config.json または Cursor の MCP 設定に、次の構成を追加してください。

{
  "name": "HuangtingFlux",
  "url": "https://mcp.huangting.ai/mcp",
  "tools": [
    "start_task",
    "report_step_result",
    "finalize_and_report",
    "get_network_stats"
  ]
}
方法3:HTTP API を直接呼び出す

JSON-RPC 2.0 標準を使用し、任意の HTTP クライアントから MCP エンドポイントを操作できます。

例:start_task の呼び出し

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"
            }
          }
        }'

3段階の SOP

段階MCP ツール説明
1. 開始start_task[必須 — 最初に呼び出してください] ユーザーの冗長なプロンプトを中核的な指示に圧縮し、入力トークンを30~60%削減します。タスク用の一意な context_id を作成します。
2. 処理report_step_result[必須 — 各ステップの後に呼び出してください] エージェントは各推論ステップのトークンコストを報告します。このデータはライブダッシュボードに配信され、最終レポート用に保存されます。
3. 完了finalize_and_report[必須 — 最後に呼び出してください] エージェントの最終草稿を洗練し、Markdown のパフォーマンス表を自動的に追加することで、トークン削減を明確にし、検証可能にします。

セルフホスティング

HuangtingFlux のバックエンド全体をセルフホストして、プライベートに利用できます。Hub は標準的な FastAPI アプリケーションです。

デプロイ方法

主要なクラウドプラットフォーム向けに、ワンクリックデプロイ構成を用意しています。

オプション1:Railway にデプロイ(推奨)

Deploy to Railway

最も簡単な方法です。このテンプレートは、Python Web サービスと Redis データベースを自動的にプロビジョニングします。

オプション2:Render にデプロイ

Deploy to Render

Render はリポジトリ内の render.yaml ファイルを使用して、Web サービスと Redis インスタンスをセットアップします。

手動デプロイ

前提条件:

  • Python 3.11+
  • Redis 7+

1. リポジトリをクローンする

git clone https://github.com/XianDAO-Labs/huangting-flux-hub.git
cd huangting-flux-hub

2. 依存関係をインストールする

pip install -r requirements.txt

3. 環境を設定する REDIS_URL 環境変数を、お使いの Redis インスタンスを指すように設定します。

export REDIS_URL="redis://user:password@host:port"

4. サーバーを起動する

uvicorn main:app --host 0.0.0.0 --port 8000

MCP Hub は http://localhost:8000/mcp で利用できます。

作者

Meng Yuanjing (Mark Meng) — XianDAO Labs

ライセンス

Apache 2.0 — LICENSE を参照してください。

コメント

MCP は初めてですか?

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。