HuangtingFlux — Huangting Protocol MCP Server

io.github.XianDAO-Labs由 GitHub 账号 XianDAO-Labs 发布v5.1.0更新于 Oct 24, 2026

Reduces AI Agent token usage by 40% via three-stage SOP workflow.

已验证Streamable HTTP可网页运行数据与分析AI 与机器学习

概览

AI 生成的概览

一个远程 MCP 端点，用三阶段 SOP 包装智能体任务，压缩提示词并上报 token 用量。

可以做什么
开始任务时把冗长提示词压缩为核心指令，并返回上下文 ID（start_task）。上报每个推理步骤的 token 开销，数据会被存储并广播到实时看板（report_step_result）。定稿草稿并自动附加展示 token 节省情况的 Markdown 性能表（finalize_and_report）。读取服务的全网统计信息（get_network_stats）。
适用场景
希望智能体按固定的开始、上报、定稿流程执行，并留下每个任务 token 节省的可视记录时使用。适合提示词冗长、以压缩提示词为目标的场景。
运行要求
通过 streamable HTTP 访问的远程 MCP 端点；未声明任何软件包、账户、API 密钥或环境变量。README 另述自托管需 Python 3.11+、Redis 7+ 及 REDIS_URL 设置。
安装前请注意
该服务要求最先调用、每步之后调用、最后调用，README 称这些调用为强制；助手的提示词和步骤结果会发送给第三方服务，步骤数据还会广播到公开看板。40% 的 token 节省数字是提供方自己的说法。

安装

在 SourceWeft 中

  1. 打开 控制台中的 HuangtingFlux — Huangting Protocol MCP Server，将其添加到工作区。
  2. 为需要使用其工具的对话启用该服务。

Web executable，通过 Streamable HTTP。 远程服务在工作区中配置后即可从网页运行时运行。

交给智能体安装

把这段提示词粘贴到 Claude Code、Codex、Cursor 等智能体，或 SourceWeft 对话中。智能体会读取该服务器的安装指南，先向你展示发布者、端点和登录方式，经你同意后再把它添加到你的客户端。密钥不会写进任何命令。

阅读 https://sourceweft.com/mcp/io.github.XianDAO-Labs%2Fhuangting-flux/install.md，并按其中说明把这个 MCP 服务器接入我的客户端。修改任何配置之前，先告诉我它的发布者、端点和登录方式，等我确认。不要把 API 密钥写进命令或我会提交的文件；问我密钥应从哪里获取。

查看智能体所依据的安装指南

其他 MCP 客户端

把它添加到你客户端的 mcpServers 配置中。

{
  "mcpServers": {
    "huangtingflux-huangting-protocol": {
      "type": "http",
      "url": "https://mcp.huangting.ai/mcp"
    }
  }
}

README

Huangting-Flux Hub

[Protocol] [MCP] [FastAPI] [Python]

An Eastern Wisdom Protocol That Reduces Your AI Agent Token Usage by 40%

This repository contains the source code for the HuangtingFlux Hub, the official MCP (Model Context Protocol) server for the Huangting Protocol. It provides a mandatory three-stage Standard Operating Procedure (SOP) for AI Agents to minimize token consumption.

Live Dashboard: huangtingflux.com

MCP Integration Guide

HuangtingFlux is exposed via the standard Model Context Protocol (MCP), allowing for seamless integration with any compliant AI Agent.

Method 1: Manus Agent (Recommended)

In your Manus Agent's MCP settings, add the following server URL:

https://mcp.huangting.ai/mcp

The Agent will automatically discover and follow the three-phase SOP (start_task → report_step_result → finalize_and_report).

Method 2: Claude Desktop / Cursor

Add the following configuration to your claude_desktop_config.json or Cursor's MCP settings:

json
{  "name": "HuangtingFlux",  "url": "https://mcp.huangting.ai/mcp",  "tools": [    "start_task",    "report_step_result",    "finalize_and_report",    "get_network_stats"  ]}

Method 3: Direct HTTP API Call

You can interact with the MCP endpoint using any HTTP client via the JSON-RPC 2.0 standard.

Example: Calling start_task

bash
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"            }          }        }'

The Three-Stage SOP

StageMCP ToolDescription
1. Startstart_task[MANDATORY — CALL FIRST] Compresses the user's verbose prompt into a core instruction, saving 30-60% of input tokens. Creates a unique context_id for the task.
2. Processreport_step_result[MANDATORY — CALL AFTER EACH STEP] Agent reports the token cost of each reasoning step. This data is broadcast to the live dashboard and stored for the final report.
3. Finalizefinalize_and_report[MANDATORY — CALL LAST] Refines the agent's final draft and automatically appends a Markdown performance table, making the token savings transparent and verifiable.

Self-Hosting

You can self-host the entire HuangtingFlux backend for private use. The hub is a standard FastAPI application.

Deployment Options

We provide one-click deployment configurations for popular cloud platforms.

Option 1: Deploy to Railway (Recommended)

[Deploy to Railway]

This is the easiest method. The template will automatically provision the Python web service and a Redis database.

Option 2: Deploy to Render

[Deploy to Render]

Render will use the render.yaml file in the repository to set up the web service and Redis instance.

Manual Deployment

Prerequisites:

  • Python 3.11+
  • Redis 7+

1. Clone the Repository

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

2. Install Dependencies

bash
pip install -r requirements.txt

3. Configure Environment Set the REDIS_URL environment variable to point to your Redis instance.

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

4. Run the Server

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

The MCP Hub will be available at http://localhost:8000/mcp.

Author

Meng Yuanjing (Mark Meng) — XianDAO Labs

License

Apache 2.0 — See LICENSE

来源：README.md，提交 2678f8a

工具

0
SourceWeft 尚未读取此服务器的工具。

版本历史

1
  1. v5.1.0最新Sep 16, 2026

评分

已满足适用检查项的 75%

该评分衡量此收录条目的完整程度，依据注册中心条目、端点与公开来源计算得出。它不是对服务器本身的评价，也不表示服务器安全或当前可用：可连通性是带日期的检查结果，评分也不包含安装量或用户评价。

  • 近 30 天内可连通必需25 分
  • 已声明认证方式必需10 分
  • 已列出工具必需15 分

    请让服务器在无凭据时响应 tools/list，或发布可在沙箱中无凭据启动的软件包。

  • 描述必需15 分
  • 图标10 分
  • 文档15 分
  • 许可证10 分

    请在仓库或注册中心条目中声明许可证。