GenPark Realtime Voice Agent Latency Telemetry

io.github.alphaparkinc由 GitHub 帳號 alphaparkinc 發布v1.0.1更新於 Oct 26, 2026

Voice pipeline timestamp telemetry profiler and percentile latency calculator

已驗證STDIO僅桌面資料與分析媒體與設計

概覽

AI 產生的概覽

本機 Python MCP 技能，用於剖析即時語音代理管線，計算各階段延遲遙測與百分位瓶頸。

可以做什麼
  • 剖析 VAD、STT、LLM 首 token、TTS 首位元組與播放等語音管線各階段延遲
  • 依音訊影格、轉錄文字或遙測事件酬載計算百分位延遲統計與抖動緩衝
  • 執行基準遙測剖析流程並回傳結構化 JSON 結果
  • 進行 VAD 能量分析與輪次交替仲裁評分
  • 可作為本機 MCP 伺服器執行，也可作為 Python 用戶端腳本直接呼叫
適用情境
適合在開發或除錯即時對話語音代理時使用，讓助理分析各階段延遲、找出瓶頸，或依遙測事件計算百分位耗時。
執行需求
以本機 stdio 程序在使用者機器上執行（僅限桌面端）。需要 Python 3.9 以上，無外部 pip 相依套件；README 透過讓 MCP 用戶端指向 mcp_server.py 來設定。未宣告帳號、API 金鑰、環境變數或標頭。
安裝前請注意
清單未列出任何工具，實際工具範圍沒有文件說明，README 僅描述通用的 query_payload 與 output_format。它是本機分析工具，未宣告憑證或寫入權限，但安裝前仍應核實打包的發行版本。

安裝

在 SourceWeft 中

  1. 開啟 儀表板中的 GenPark Realtime Voice Agent Latency Telemetry，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。

Desktop only，透過 STDIO。 STDIO 服務會啟動本機處理程序，因此需要 SourceWeft 桌面主機。

其他 MCP 客戶端

參照 儲存庫 中的啟動說明。

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 🌍

來源：README.md，提交 dea2784

工具

0
SourceWeft 尚未在沙箱中啟動過該軟體包，因此其工具未知。

版本歷史

1
  1. v1.0.1最新Oct 19, 2026

評分

已滿足適用檢查項的 40%

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25 分

    請保持端點能夠回應 MCP 握手；SourceWeft 每 30 天探測一次。

  • 已宣告認證方式10 分

    請在註冊中心條目中宣告憑證請求標頭，或保持端點能夠回應探測，以便判定其認證方式。

  • 已列出工具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。