GenPark Voice Latency
Registra las marcas de tiempo del pipeline de voz proporcionadas y calcula la latencia, los cuellos de botella y los percentiles de rango más cercano. MCP local en memoria; sin instrumentación automática.
Documentación
genpark-voice-latency
Registra las marcas de tiempo del pipeline de voz proporcionadas en la memoria de la sesión y calcula latencia, cuellos de botella y percentiles de rango más cercano. Sin instrumentación automática.
Python 3.9+; biblioteca estándar en tiempo de ejecución; licencia MIT.
Instalación y ejecución
Descarga genpark-voice-latency.mcpb desde GitHub Releases e instálalo con un cliente compatible con MCPB. Python debe estar instalado y disponible como python.
Alternativamente, clona este repositorio y configura un servidor MCP stdio con el comando python y argumentos que contengan la ruta absoluta a mcp_server.py.
Herramientas
record_pipeline_eventcompute_turn_latency_breakdowngenerate_sla_diagnostic_reportrun_benchmark_telemetry_profiling
Ejecuta python -m unittest discover -s tests para comprobaciones de regresión. La verificación de integración oficial del SDK de MCP utiliza la dependencia de desarrollo mcp: python tests/check_mcp.py.
Limitaciones
Estos son ayudantes deterministas que operan sobre datos estructurados proporcionados, no modelos de aprendizaje automático. La entrada y la salida permanecen en el proceso local. No se requiere un endpoint alojado, acceso automático a archivos ni acceso a la red. El estado dura solo durante el proceso actual. Las herramientas de referencia ejecutan ejemplos sintéticos en un estado aislado; su estado no es una certificación de calidad de producción.
Las marcas de tiempo explícitas deben compartir un reloj y una unidad (milisegundos); las duraciones repetidas de pares de etapas se suman. El SLA predeterminado es de 800 ms. No se realiza persistencia ni recopilación de telemetría automáticamente.