MCP · Model Context Protocol
黄庭协议 MCP 服务器
将黄庭协议的核心能力封装为标准 MCP 工具，供任何兼容 MCP 的 AI Agent 自动发现和调用。
MCP 端点
https://mcp.huangting.ai/mcp备用端点：
https://web-production-c3cf.up.railway.app/mcp快速接入
1. Claude Desktop
在 Claude Desktop 配置文件中添加以下内容：
{
"mcpServers": {
"huangting-flux": {
"url": "https://mcp.huangting.ai/mcp",
"transport": "http"
}
}
}2. LangChain
安装官方 LangChain 工具包：
pip install langchain-huangtingfrom langchain_huangting import HuangtingTool
from langchain.agents import AgentExecutor, create_react_agent
tool = HuangtingTool(agent_id="my-agent", lang="zh")
tools = [tool]
# Get optimization strategy
result = tool.run({
"action": "get_strategy",
"task_type": "complex_research"
})
print(result)PyPI: pypi.org/project/langchain-huangting · GitHub: XianDAO-Labs/langchain-huangting
3. 直接调用 JSON-RPC
通过标准 HTTP POST 调用 MCP 端点：
curl -X POST https://mcp.huangting.ai/mcp \
-H "Content-Type: application/json" \
-d '{
"jsonrpc": "2.0",
"method": "tools/call",
"params": {
"name": "get_protocol_concept",
"arguments": { "concept_name": "黄庭" }
},
"id": 1
}'核心能力
📖
get_protocol_concept查询黄庭协议的核心概念定义（黄庭、无极桩、混元桩、劈拳、性命双修等）
concept_name: str → { concept, definition, related_concepts }⚡
get_optimization_strategy根据任务类型获取推荐的 AI Agent 优化策略
task_type: str → { strategy, techniques, expected_savings }📊
report_optimization_result上报一次任务优化的结果数据，贡献到黄庭网络统计
agent_id, task_type, tokens_saved, tokens_baseline → { success, network_total }🌐
get_network_stats获取黄庭网络的宏观统计数据（Agent 总数、Token 节省总量等）
(no params) → { total_agents, total_tokens_saved, active_agents }