GenPark Voice Latency
Registra os timestamps fornecidos do pipeline de voz e calcula latência, gargalos e percentis por classificação mais próxima. MCP local em memória; sem instrumentação automática.
Documentação
genpark-voice-latency
Registra os timestamps do pipeline de voz fornecidos na memória da sessão e calcula latência, gargalos e percentis de classificação mais próxima. Sem instrumentação automática.
Python 3.9+; runtime de biblioteca padrão; licença MIT.
Instalação e execução
Baixe genpark-voice-latency.mcpb de GitHub Releases e instale com um cliente compatível com MCPB. O Python deve estar instalado e disponível como python.
Alternativamente, clone este repositório e configure um servidor MCP stdio com o comando python e argumentos contendo o caminho absoluto para mcp_server.py.
Ferramentas
record_pipeline_eventcompute_turn_latency_breakdowngenerate_sla_diagnostic_reportrun_benchmark_telemetry_profiling
Execute python -m unittest discover -s tests para verificações de regressão. A verificação de integração oficial do SDK MCP usa a dependência de desenvolvimento mcp: python tests/check_mcp.py.
Limitações
Estas são ferramentas determinísticas que operam sobre dados estruturados fornecidos, não modelos de aprendizado de máquina. A entrada e a saída permanecem no processo local. Nenhum endpoint hospedado, acesso automático a arquivos ou acesso à rede é necessário. O estado dura apenas durante o processo atual. As ferramentas de benchmark executam exemplos sintéticos em estado isolado; seu status não é uma certificação de qualidade de produção.
Os timestamps explícitos devem compartilhar um relógio e unidade (milissegundos); durações repetidas de pares de estágios são somadas. O SLA padrão é de 800 ms. Nenhuma persistência ou coleta de telemetria ocorre automaticamente.