Serveur MCP-Soccerdata MCP

Que fait le serveur MCP “MCP-Soccerdata” ?

MCP-Soccerdata est un serveur open-source Model Context Protocol (MCP) qui se connecte à l’API SoccerDataAPI pour fournir des informations à jour sur les matchs de football via des interactions en langage naturel. Conçu pour être utilisé avec des clients compatibles MCP comme Claude Desktop, il permet aux utilisateurs et aux assistants IA de récupérer des données structurées et en temps réel sur le football en s’appuyant sur les modèles de langage (LLMs). Le serveur offre des informations en direct sur les matchs en cours, les listes de matchs, les compositions d’équipe, les événements clés, les cotes et les métadonnées de ligue. Cette intégration permet des workflows IA pour interroger les données de football, facilitant le développement, la recherche et l’engagement des fans.

Liste des prompts

Aucun modèle de prompt n’est explicitement documenté dans le dépôt.

Liste des ressources

• Listes de matchs en direct
  Fournit une liste mondiale de tous les matchs de football actuellement actifs, y compris les noms des équipes, les horaires de coup d’envoi, les détails du stade et les scores en cours.
• Détails des matchs
  Fournit des informations sur l’état du match (programmé, en cours, terminé), le détail des buts et les résultats finaux.
• Événements clés du match
  Fournit des données structurées sur les buts, remplacements, cartons jaunes/rouges et penalties pour chaque match.
• Compositions d’équipe
  Donne des détails sur le onze de départ, les remplaçants, l’état des blessures et les formations d’équipe.

Liste des outils

Aucune liste d’outils explicite ou détail du fichier server.py n’est disponible dans le dépôt ou la documentation.

Cas d’utilisation de ce serveur MCP

• Surveillance des matchs de football en direct
  Les développeurs ou agents IA peuvent obtenir des données à la minute sur les matchs de football en cours dans le monde entier.
• Rapports sportifs automatisés
  Générez automatiquement des résumés de match, des analyses d’événements et des compositions pour les médias ou sites de fans.
• Bots d’engagement des fans
  Alimentez des chatbots qui répondent aux questions sur les scores en direct, les prochains matchs ou les statistiques des joueurs.
• Applications d’analyse de paris
  Intégrez les cotes et données de match en temps réel dans des outils de recommandation ou d’analyse de paris.
• Suivi de ligues et tournois
  Créez des tableaux de bord pour suivre les classements, résultats et statistiques des ligues et tournois.

Comment le configurer

Windsurf

1. Assurez-vous d’avoir installé Node.js et Windsurf.
2. Localisez votre fichier de configuration Windsurf (par exemple, windsurf.json).
3. Ajoutez le serveur MCP-Soccerdata à la section mcpServers avec le snippet JSON suivant :

   {
     "mcpServers": {
       "soccerdata": {
         "command": "npx",
         "args": ["@yeonupark/mcp-soccer-data@latest"]
       }
     }
   }
   

4. Enregistrez la configuration et redémarrez Windsurf.
5. Vérifiez que le serveur fonctionne et est accessible.

Claude

1. Installez Claude Desktop et assurez-vous qu’il est à jour.
2. Ouvrez le fichier de configuration de Claude (l’emplacement varie selon l’OS).
3. Ajoutez le serveur MCP-Soccerdata à la section mcpServers :

   {
     "mcpServers": {
       "soccerdata": {
         "command": "npx",
         "args": ["@yeonupark/mcp-soccer-data@latest"]
       }
     }
   }
   

4. Enregistrez les modifications et redémarrez Claude Desktop.
5. Confirmez la connexion réussie dans l’interface Claude.

Cursor

1. Installez Cursor IDE et assurez-vous que Node.js est disponible.
2. Ouvrez ou créez un fichier .cursorconfig dans votre espace de travail.
3. Insérez la configuration du serveur :

   {
     "mcpServers": {
       "soccerdata": {
         "command": "npx",
         "args": ["@yeonupark/mcp-soccer-data@latest"]
       }
     }
   }
   

4. Enregistrez et rechargez Cursor.
5. Vérifiez que le serveur MCP apparaît dans le panneau des extensions Cursor.

Cline

1. Installez le client terminal Cline.
2. Ouvrez votre fichier de configuration .cline.json.
3. Ajoutez la configuration :

   {
     "mcpServers": {
       "soccerdata": {
         "command": "npx",
         "args": ["@yeonupark/mcp-soccer-data@latest"]
       }
     }
   }
   

4. Enregistrez et redémarrez Cline.
5. Utilisez la commande cline mcp list pour vérifier la connexion.

Sécurisation des clés API

Stockez les clés API sensibles dans des variables d’environnement et transmettez-les via le champ env de votre configuration. Exemple :

{
  "mcpServers": {
    "soccerdata": {
      "command": "npx",
      "args": ["@yeonupark/mcp-soccer-data@latest"],
      "env": {
        "SOCCERDATA_API_KEY": "${SOCCERDATA_API_KEY}"
      },
      "inputs": {
        "apiKey": "${SOCCERDATA_API_KEY}"
      }
    }
  }
}

Comment utiliser ce MCP dans des flows

Utilisation de MCP dans FlowHunt

Pour intégrer des serveurs MCP dans votre workflow FlowHunt, commencez par ajouter le composant MCP à votre flow et connectez-le à votre agent IA :

Cliquez sur le composant MCP pour ouvrir le panneau de configuration. Dans la section de configuration MCP système, insérez les détails de votre serveur MCP en utilisant ce format JSON :

{
  "MCP-Soccerdata": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Une fois configuré, l’agent IA pourra utiliser ce MCP comme outil avec l’accès à toutes ses fonctions et capacités. N’oubliez pas de remplacer “MCP-Soccerdata” par le nom réel de votre serveur MCP et de mettre à jour l’URL en conséquence.

Aperçu

Notre avis

MCP-Soccerdata offre un serveur de données football en temps réel bien ciblé avec des ressources bien décrites et des instructions de configuration claires. Cependant, l’absence de modèles de prompt documentés et de définitions d’outils explicites limite la flexibilité prête à l’emploi et l’adoption par les développeurs pour des workflows MCP avancés.

Score MCP

Sur la base des tableaux ci-dessus, j’évaluerais ce serveur MCP à 5 sur 10 : il offre des fonctionnalités et une documentation solides pour les données football, mais manque de fonctionnalités MCP avancées comme des modèles de prompt, des listes d’outils et une prise en charge claire de l’échantillonnage/racines pour une intégration avancée.