HuangtingFlux — Huangting Protocol MCP Server

io.github.XianDAO-Labs由 GitHub 帳號 XianDAO-Labs 發布v5.1.0更新於 Oct 24, 2026

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

已驗證Streamable HTTP可網頁執行資料與分析AI 與機器學習

概覽

AI 產生的概覽

一個遠端 MCP 端點，以三階段 SOP 包裝代理任務，壓縮提示詞並回報 token 用量。

可以做什麼
開始任務時把冗長的提示詞壓縮成核心指令，並取得情境 ID（start_task）。回報每個推理步驟的 token 成本，資料會被儲存並廣播到即時儀表板（report_step_result）。定稿草稿並自動附加顯示 token 節省情況的 Markdown 效能表（finalize_and_report）。讀取服務的全網路統計資料（get_network_stats）。
適用情境
希望代理依固定的開始、回報、定稿流程執行，並留下每個任務 token 節省的可視紀錄時使用。適合提示詞冗長、以壓縮提示詞為目標的情境。
執行需求
透過 streamable HTTP 存取的遠端 MCP 端點；未宣告任何套件、帳號、API 金鑰或環境變數。README 另述自架需 Python 3.11+、Redis 7+ 及 REDIS_URL 設定。
安裝前請注意
此服務要求最先呼叫、每步之後呼叫、最後呼叫，README 稱這些呼叫為強制；助理的提示詞與步驟結果會傳送給第三方服務，步驟資料還會廣播到公開儀表板。40% 的 token 節省數字是提供者自己的說法。

安裝

在 SourceWeft 中

  1. 開啟 儀表板中的 HuangtingFlux — Huangting Protocol MCP Server，將其新增到工作區。
  2. 為需要使用其工具的對話啟用該服務。

Web executable，透過 Streamable HTTP。 遠端服務在工作區中設定後即可從網頁執行環境執行。

交給代理程式安裝

把這段提示詞貼上到 Claude Code、Codex、Cursor 等代理程式，或 SourceWeft 對話中。代理程式會讀取該伺服器的安裝指南，先向你展示發布者、端點和登入方式，經你同意後再把它新增到你的客戶端。金鑰不會寫進任何命令。

閱讀 https://sourceweft.com/mcp/io.github.XianDAO-Labs%2Fhuangting-flux/install.md，並按其中說明把這個 MCP 伺服器接入我的客戶端。修改任何設定之前，先告訴我它的發布者、端點和登入方式，等我確認。不要把 API 金鑰寫進命令或我會提交的檔案；問我金鑰應從哪裡取得。

檢視代理程式所依據的安裝指南

其他 MCP 客戶端

把它新增到你客戶端的 mcpServers 設定中。

{
  "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

來源：README.md，提交 2678f8a

工具

0
SourceWeft 尚未讀取此伺服器的工具。

版本歷史

1
  1. v5.1.0最新Sep 16, 2026

評分

已滿足適用檢查項的 75%

該評分衡量此收錄條目的完整程度，依據註冊中心條目、端點與公開來源計算得出。它不是對伺服器本身的評價，也不表示伺服器安全或目前可用：可連通性是帶日期的檢查結果，評分也不包含安裝量或使用者評價。

  • 近 30 天內可連通必需25 分
  • 已宣告認證方式必需10 分
  • 已列出工具必需15 分

    請讓伺服器在無憑證時回應 tools/list，或發布可在沙箱中無憑證啟動的軟體包。

  • 描述必需15 分
  • 圖示10 分
  • 文件15 分
  • 授權條款10 分

    請在儲存庫或註冊中心條目中宣告授權條款。