NBA MCP 서버

“NBA” MCP 서버는 무엇을 하나요?

NBA MCP 서버는 Anthropic의 Claude와 같은 AI 어시스턴트가 최신 NBA 농구 경기 데이터와 통계를 검색할 수 있도록 설계된 모델 컨텍스트 프로토콜(MCP) 서버입니다. 오픈소스 nba_api와 연동하여, LLM이 최근 경기 점수, 선수 통계, 고급 분석 등 기존 모델의 지식 한계로는 접근 불가능한 정보를 받아올 수 있게 합니다. 이 연결로 AI 기반 개발 워크플로우에서 동적인 데이터베이스 쿼리, 실시간 NBA 경기·선수 성적 조회가 가능해져, 어시스턴트의 실제 스포츠 데이터 상호작용 및 분석 능력이 크게 강화됩니다.

프롬프트 목록

저장소에 명시된 프롬프트 템플릿이 없습니다.

리소스 목록

저장소에 명시된 리소스가 없습니다.

도구 목록

• 최종 점수 가져오기
  어제 또는 최근에 열린 모든 NBA 경기의 최종 점수를 받아옵니다.

• 기본 선수 통계 가져오기
  어제 또는 이전 날짜 경기에서 뛴 모든 선수의 득점, 리바운드, 어시스트(P/R/A) 내역을 가져옵니다.

• 전체 선수 통계 가져오기
  어제 또는 과거 경기에 대해 득점(PTS), 리바운드(REB), 어시스트(AST), 스틸(STL), 블록(BLK), 턴오버(TO), +/-, 출전 시간(MIN) 등 종합 선수 통계를 수집합니다.

• 포 팩터(4대 지표) 가져오기
  어제 또는 최근 열린 모든 NBA 경기의 ‘포 팩터’ 고급 분석 데이터를 받아옵니다.

이 MCP 서버의 활용 사례

• 실시간 NBA 경기 요약
  개발자는 AI 어시스턴트가 최신 NBA 경기에 관한 질문에 실시간 점수 및 결과로 답하도록 할 수 있습니다.

• 세부 선수 퍼포먼스 분석
  선수별 통계를 조회할 수 있어, 경기 후 리포트 생성, 판타지 농구 인사이트, 히스토릭 분석 등에 활용됩니다.

• 스포츠 저널리즘용 고급 분석
  포 팩터 등 고급 지표를 빠르게 받아 기사나 해설에 첨부할 수 있습니다.

• 자동화 스포츠 대시보드
  대시보드 도구와 연동해 팬이나 분석가를 위한 실시간 경기·선수 성적 현황판을 구현할 수 있습니다.

• AI 기반 스포츠 애플리케이션
  챗봇이나 가상 어시스턴트가 최신 NBA 정보 기반 질의응답이 가능하도록 서버를 활용할 수 있습니다.

설치 방법

Windsurf

1. Python이 설치되어 있고, 저장소 디렉터리에 가상 환경이 설정되어 있는지 확인하세요.
2. 다음을 실행합니다:

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

3. Windsurf 설정에 NBA MCP 서버 구성을 추가하세요(지원되는 경우).
4. mcpServers 오브젝트에 적절한 커맨드와 인자와 함께 NBA MCP 서버를 삽입하세요.
5. 저장 후 Windsurf 서비스를 재시작하세요.
6. 테스트 쿼리를 실행하여 설정을 확인하세요.

JSON 예시:

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

Claude

1. 저장소를 클론하고 위와 같이 환경을 세팅하세요.
2. 종속성 설치:

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

3. Claude 설정 파일을 편집해 NBA MCP 서버를 추가하세요.
4. mcpServers 섹션에 서버를 추가하세요.
5. Claude를 재시작하고 연결을 확인하세요.

JSON 예시:

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

Cursor

1. 저장소를 클론하고 가상 환경을 설정하세요.
2. 앞서 설명한 대로 요구사항을 설치하세요.
3. Cursor 설정을 편집해 NBA MCP 서버를 추가하세요.
4. 서버 항목을 추가하고 저장하세요.
5. Cursor를 재시작하고 기능을 테스트하세요.

JSON 예시:

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

Cline

1. Python 및 가상 환경이 준비되어 있는지 확인하세요.
2. 위와 동일하게 NBA MCP 서버를 설치하세요.
3. Cline 설정 파일을 편집하세요.
4. mcpServers 아래에 NBA MCP 서버 정보를 추가하세요.
5. Cline을 재시작하고 테스트를 실행하세요.

JSON 예시:

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

API 키 안전하게 관리하기

NBA MCP 서버는 오픈소스 nba_api만 사용하므로 별도의 API 키가 필요하지 않습니다. 추후 버전에서 필요할 경우, 환경 변수를 활용해 보안을 강화할 수 있습니다:

JSON 예시:

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

FlowHunt에서 MCP 사용법

FlowHunt 워크플로우에 MCP 서버를 통합하려면, MCP 컴포넌트를 플로우에 추가하고 AI 에이전트와 연결하세요:

MCP 컴포넌트를 클릭해 설정 패널을 엽니다. 시스템 MCP 설정 섹션에 아래 JSON 형식으로 MCP 서버 정보를 입력하세요:

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

설정이 완료되면, AI 에이전트는 이 MCP의 모든 기능에 접근할 수 있습니다. “nba-mcp"를 실제 MCP 서버 이름으로, URL도 본인의 서버 주소로 바꾸는 것을 잊지 마세요.

개요

현재 제공된 정보를 기준으로 NBA MCP 서버는 LLM용 실시간 스포츠 데이터 통합에 유용하지만, 프롬프트 템플릿, 명확한 리소스 정의, roots/샘플링 등 고급 MCP 기능 문서가 부족합니다. 핵심 기능은 있으나 기본적인 구현입니다.

MCP 점수

평가:
이 MCP 서버에 10점 만점에 4점을 부여합니다. 핵심 기능(NBA 통계 도구)과 기본 설치법은 제공하지만, 문서화, 리소스 정의, 프롬프트 템플릿, roots/샘플링 등 고급 MCP 기능이 부재합니다. 오픈소스 사용에 필수적인 라이선스가 없는 것도 큰 제약입니다.