خادم NBA MCP

ماذا يفعل خادم “NBA” MCP؟

خادم NBA MCP هو خادم نموذج بروتوكول السياق (MCP) صُمم لتعزيز مساعدين الذكاء الاصطناعي مثل Claude من Anthropic، من خلال تمكينهم من الوصول إلى بيانات وإحصائيات مباريات كرة السلة في دوري NBA المحدثة باستمرار. عبر التكامل مع مكتبة nba_api مفتوحة المصدر، يسمح الخادم لنماذج اللغة الكبيرة بجلب نتائج مباريات NBA الأخيرة، إحصائيات اللاعبين، والتحليلات المتقدمة التي قد تكون غير متوفرة بسبب محدودية معرفة النماذج. هذا الاتصال يمكّن سير عمل التطوير المعتمد على الذكاء الاصطناعي من تنفيذ استعلامات ديناميكية على قواعد البيانات وجلب بيانات مباشرة حول مباريات NBA وأداء اللاعبين وغيرها، مما يعزز بشكل كبير قدرة المساعد على التفاعل مع بيانات الرياضة الحقيقية وتحليلها.

قائمة القوالب

لم يتم تحديد قوالب استعلام في المستودع.

قائمة الموارد

لم يتم ذكر موارد صريحة في المستودع.

قائمة الأدوات

• جلب النتائج النهائية
  يسترجع النتائج النهائية لجميع مباريات NBA التي أُقيمت بالأمس أو في وقت قريب.

• جلب إحصائيات اللاعبين الأساسية
  يحصل على تفاصيل النقاط، المتابعات، والتمريرات الحاسمة (P/R/A) لجميع اللاعبين الذين شاركوا في مباريات الأمس أو تواريخ سابقة.

• جلب إحصائيات اللاعبين الكاملة
  يجمع إحصائيات شاملة للاعبين، بما في ذلك PTS، REB، AST، STL، BLK، TO، PLUS_MINUS، وMIN للمباريات التي لُعبت بالأمس أو سابقًا.

• جلب العوامل الأربعة
  يستخرج تحليلات “العوامل الأربعة” المتقدمة لجميع مباريات NBA التي حدثت بالأمس أو في الآونة الأخيرة.

حالات استخدام هذا الخادم MCP

• ملخصات مباريات NBA في الوقت الفعلي
  يمكن للمطورين تمكين مساعدين الذكاء الاصطناعي من الإجابة عن أسئلة حول أحدث مباريات NBA، مع تقديم نتائج وتفاصيل مباشرة.

• تحليل أداء اللاعبين بشكل مفصل
  يتيح الخادم جلب إحصائيات كل لاعب على حدة، ويدعم حالات الاستخدام مثل إعداد تقارير ما بعد المباراة، رؤى كرة السلة الخيالية، أو التحليل التاريخي.

• تحليلات متقدمة للصحافة الرياضية
  عبر الوصول إلى العوامل الأربعة ومقاييس أخرى، يمكن للصحفيين والمحللين استخراج إحصائيات متقدمة بسرعة للمقالات أو التعليقات.

• لوحات معلومات رياضية مؤتمتة
  التكامل مع أدوات اللوحات يسمح بتحديثات مباشرة لمباريات NBA وأداء اللاعبين للمشجعين أو المحللين.

• تطبيقات رياضية مدعومة بالذكاء الاصطناعي
  يمكن للمطورين استخدام الخادم لتشغيل روبوتات الدردشة أو المساعدين الافتراضيين القادرين على الإجابة عن استفسارات NBA ببيانات حديثة.

كيفية الإعداد

Windsurf

1. تأكد من تثبيت بايثون وإعداد بيئة افتراضية في مجلد المستودع.
2. نفّذ:

   uv venv
   .venv\Scripts\activate
   uv pip install -e .
   

3. أضف إعدادات خادم NBA MCP إلى ملف إعدادات Windsurf (إذا كان مدعومًا).
4. أدرج خادم NBA MCP في كائن mcpServers مع الأمر والمعاملات المناسبة.
5. احفظ وأعد تشغيل خدمة Windsurf.
6. تحقق من الإعداد بتنفيذ استعلام اختباري.

مثال JSON:

{
  "mcpServers": {
    "nba-mcp": {
      "command": "python",
      "args": ["nba.py"]
    }
  }
}

Claude

1. استنسخ المستودع وقم بإعداد البيئة كما سبق.
2. ثبّت التبعيات:

   uv venv
   .venv\Scripts\activate
   uv pip install -e .
   

3. حرر ملف إعدادات Claude لإضافة خادم NBA MCP.
4. أضف الخادم ضمن قسم mcpServers.
5. أعد تشغيل Claude وتحقق من الاتصال.

مثال JSON:

{
  "mcpServers": {
    "nba-mcp": {
      "command": "python",
      "args": ["nba.py"]
    }
  }
}

Cursor

1. استنسخ المستودع وقم بإعداد البيئة الافتراضية.
2. ثبّت المتطلبات كما هو موضح مسبقًا.
3. عدّل إعدادات Cursor لتضمين خادم NBA MCP.
4. أضف إدخال الخادم واحفظ التغييرات.
5. أعد تشغيل Cursor واختبر الوظائف.

مثال JSON:

{
  "mcpServers": {
    "nba-mcp": {
      "command": "python",
      "args": ["nba.py"]
    }
  }
}

Cline

1. تأكد من إعداد بايثون وبيئة افتراضية.
2. ثبت خادم NBA MCP كما سبق.
3. حرر ملف إعدادات Cline.
4. أضف تفاصيل خادم NBA MCP ضمن mcpServers.
5. أعد تشغيل Cline وقم بتشغيل اختبار.

مثال JSON:

{
  "mcpServers": {
    "nba-mcp": {
      "command": "python",
      "args": ["nba.py"]
    }
  }
}

تأمين مفاتيح API

لا يتطلب خادم NBA MCP مفاتيح API لأنه يستخدم مكتبة nba_api مفتوحة المصدر. إذا تطلبت الإصدارات المستقبلية مفاتيح، يمكنك تأمينها باستخدام متغيرات البيئة:

مثال JSON:

{
  "mcpServers": {
    "nba-mcp": {
      "command": "python",
      "args": ["nba.py"],
      "env": {
        "NBA_API_KEY": "${NBA_API_KEY}"
      },
      "inputs": {
        "NBA_API_KEY": "your_api_key_here"
      }
    }
  }
}

كيفية استخدام هذا MCP داخل التدفقات

استخدام MCP في FlowHunt

لدمج خوادم MCP في سير عمل FlowHunt الخاص بك، ابدأ بإضافة مكون MCP إلى تدفقك وربطه بوكيل الذكاء الاصطناعي الخاص بك:

انقر على مكون MCP لفتح لوحة الإعداد. في قسم إعدادات النظام لمكون MCP، أدخل تفاصيل خادم MCP لديك باستخدام هذا التنسيق JSON:

{
  "nba-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

بعد الإعداد، يصبح وكيل الذكاء الاصطناعي قادرًا على استخدام هذا MCP كأداة مع الوصول إلى جميع وظائفه وإمكاناته. تذكر تغيير “nba-mcp” إلى اسم خادم MCP الفعلي الخاص بك واستبدال عنوان URL بعنوان خادمك.

نظرة عامة

استنادًا إلى المعلومات المتوفرة، يوفر خادم NBA MCP تكاملًا قيمًا لبيانات الرياضة الحية مع نماذج اللغة الكبيرة، لكنه يفتقر إلى توثيق حول قوالب الاستعلام، تعريف الموارد الصريح، وميزات MCP المتقدمة مثل الجذور أو العينات. إنه تنفيذ عملي لكنه أساسي.

تقييم MCP

التقييم:
أقيّم هذا الخادم MCP بـ 4 من 10. يقدم وظائفه الأساسية (أدوات إحصائيات NBA) وإعدادًا بسيطًا، لكنه يفتقر إلى التوثيق الشامل، تعريف الموارد، قوالب الاستعلام، وميزات MCP المتقدمة (الجذور، العينات). عدم وجود رخصة يمثل أيضًا عائقًا كبيرًا للاستخدام المفتوح المصدر.