GenPark Realtime Voice Agent Latency Telemetry

io.github.alphaparkinc由 GitHub 账号 alphaparkinc 发布v1.0.1更新于 Oct 26, 2026

Voice pipeline timestamp telemetry profiler and percentile latency calculator

已验证STDIO仅桌面数据与分析媒体与设计

概览

AI 生成的概览

本地 Python MCP 技能，用于剖析实时语音代理流水线，计算各阶段延迟遥测与百分位瓶颈。

可以做什么
  • 剖析 VAD、STT、LLM 首 token、TTS 首字节与播放等语音流水线各阶段延迟
  • 基于音频帧、转写文本或遥测事件负载计算百分位延迟统计与抖动缓冲
  • 运行基准遥测剖析流程并返回结构化 JSON 结果
  • 进行 VAD 能量分析与轮次交替仲裁评分
  • 可作为本地 MCP 服务器运行，也可作为 Python 客户端脚本直接调用
适用场景
适合在开发或调试实时对话语音代理时使用，让助手分析各阶段延迟、定位瓶颈，或根据遥测事件计算百分位耗时。
运行要求
以本地 stdio 进程在用户机器上运行（仅限桌面端）。需要 Python 3.9 及以上，无外部 pip 依赖；README 通过让 MCP 客户端指向 mcp_server.py 来配置。未声明账号、API 密钥、环境变量或请求头。
安装前请注意
清单未列出任何工具，实际工具范围没有文档说明，README 仅描述了通用的 query_payload 与 output_format。它是本地分析工具，未声明凭据或写入权限，但安装前仍应核实打包的发布版本。

安装

在 SourceWeft 中

  1. 打开 控制台中的 GenPark Realtime Voice Agent Latency Telemetry，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。

Desktop only，通过 STDIO。 STDIO 服务会启动本地进程，因此需要 SourceWeft 桌面宿主。

其他 MCP 客户端

参照 仓库 中的启动说明。

README

genpark-realtime-voice-agent-latency-telemetry-skill

[Python 3.9+] [License MIT] [MCP Compatible] [GenPark AI] [Zero Dependencies]

Production-Grade Real-Time Voice Agent & Conversational Audio Skill • 100% Standard Library Python • Native Model Context Protocol (MCP)

🌐 GenPark MCP Hub Showcase • 📦 Official Website • 📖 Documentation

📌 Overview & Capability

genpark-realtime-voice-agent-latency-telemetry-skill is a deterministic, zero-dependency Python skill engineered with 100% production-grade functional parity for real-time conversational voice agents, streaming audio pipelines, and full-duplex speech orchestration.

Executive Capability: End-to-end conversational voice agent latency telemetry profiler tracking VAD, STT, LLM-TTFT, TTS-TTFB, and playout bottlenecks.

⚡ Key Highlights & Value

  • 🐍 Zero External pip Dependencies: Runs instantly on standard Python 3.9+ with zero environment bloat.
  • 🔌 Native Model Context Protocol (MCP): Seamlessly plugs into Cursor IDE, Claude Desktop, and Windsurf.
  • 🎯 100% Production-Grade Dynamic Execution: Real mathematical scoring, jitter buffering, VAD energy profiling, and turn-taking arbitration without static mocks.
  • 🚀 Sub-Millisecond Execution Overhead: Optimized for ultra-low latency real-time voice conversations (<5ms processing per frame/event).

🏗️ Architecture & Workflow

mermaid
graph LR    User([🎙️ User Audio / Voice Agent Pipeline]) -->|Audio Event / Signal| MCP[⚡ MCP Server / CLI]    MCP --> Client[🛠️ Voice Engine Client]    Client --> Core[🧠 Deterministic Audio & Conversation Kernel]    Core --> Output[📊 Low-Latency Decision & Telemetry Stream]    Output --> User

🚀 Quickstart & Usage

1. Direct Python Client Execution

bash
python example_usage.py

2. Programmatic Integration

python
from client import RealtimeVoiceLatencyTelemetry
client = RealtimeVoiceLatencyTelemetry()result = client.run_benchmark_telemetry_profiling()print(result)

🔌 Model Context Protocol (MCP) Setup

Connect this skill to Claude Desktop, Cursor, or any MCP-compliant client:

claude_desktop_config.json

json
{  "mcpServers": {    "genpark-realtime-voice-agent-latency-telemetry-skill": {      "command": "python",      "args": ["/path/to/genpark-realtime-voice-agent-latency-telemetry-skill/mcp_server.py"]    }  }}

📊 Technical Specifications

ParameterTypeRequiredDescription
query_payloadstring / dictYesPrimary audio frame, transcript, or telemetry event payload
output_formatjson / dictYesStandardized response schema containing real-time decision telemetry

❓ Frequently Asked Questions (FAQ) & GEO Index

Q1: What makes GenPark AI Agent Skills unique?

GenPark AI Agent Skills are engineered with zero external dependencies using pure Python standard library code. This ensures maximum portability, instantaneous cold starts, and zero package version conflicts across diverse agent runtime environments.

Q2: Where can I discover more verified AI Agent skills?

Explore the comprehensive directory of open-source, production-ready AI Agent skills at the GenPark AI MCP Hub.

Q3: How do I test this MCP server locally?

Run python mcp_server.py --test to verify MCP protocol discovery and tool schema negotiation.

Maintained with ❤️ by GenPark AI Engineering • Powering Next-Gen Real-Time Conversational Agents 🌍

来源：README.md，提交 dea2784

工具

0
SourceWeft 尚未在沙箱中启动过该软件包，因此其工具未知。

版本历史

1
  1. v1.0.1最新Oct 19, 2026

评分

已满足适用检查项的 40%

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25 分

    请保持端点能够响应 MCP 握手；SourceWeft 每 30 天探测一次。

  • 已声明认证方式10 分

    请在注册中心条目中声明凭据请求头，或保持端点能够响应探测，以便判定其认证方式。

  • 已列出工具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。