NBA MCP Server

Co robi „NBA” MCP Server?

NBA MCP Server to serwer Model Context Protocol (MCP), zaprojektowany w celu rozszerzenia możliwości asystentów AI, takich jak Claude od Anthropic, poprzez umożliwienie dostępu do najnowszych danych meczowych i statystyk koszykówki NBA. Dzięki integracji z otwartoźródłową biblioteką nba_api serwer pozwala dużym modelom językowym pobierać aktualne wyniki meczów NBA, statystyki zawodników oraz zaawansowaną analizę, do których model bazowy nie ma dostępu z powodu ograniczeń wiedzy. To połączenie umożliwia dynamiczne zapytania do bazy danych i pobieranie danych na żywo dotyczących meczów NBA, wydajności zawodników i innych aspektów, znacząco zwiększając zdolność asystenta AI do interakcji oraz analizy rzeczywistych danych sportowych.

Lista promptów

W repozytorium nie określono szablonów promptów.

Lista zasobów

W repozytorium nie podano żadnych jawnych zasobów.

Lista narzędzi

• Pobieranie wyników końcowych
  Pobiera końcowe wyniki wszystkich meczów NBA, które odbyły się wczoraj lub w ostatnim czasie.

• Podstawowe statystyki zawodników
  Uzyskuje podział punktów, zbiórek i asyst (P/Z/A) dla wszystkich graczy, którzy uczestniczyli w meczach z wczoraj lub wcześniejszych dni.

• Pełne statystyki zawodników
  Zbiera pełne dane zawodników, w tym PTS, REB, AST, STL, BLK, TO, PLUS_MINUS oraz MIN za mecze rozegrane wczoraj lub wcześniej.

• Pobieranie czterech czynników
  Pobiera zaawansowaną analizę „czterech czynników” dla wszystkich meczów NBA, które odbyły się wczoraj lub ostatnio.

Przykładowe zastosowania tego MCP Servera

• Podsumowania meczów NBA w czasie rzeczywistym
  Programiści mogą umożliwić asystentom AI odpowiadanie na pytania o najnowsze mecze NBA, dostarczając aktualne wyniki i rezultaty.

• Szczegółowa analiza wydajności zawodników
  Serwer pozwala pobierać statystyki poszczególnych zawodników, co wspiera tworzenie raportów pomeczowych, analiz do fantasy basketball czy analiz historycznych.

• Zaawansowana analiza dla dziennikarstwa sportowego
  Dzięki dostępowi do czterech czynników i innych wskaźników dziennikarze i analitycy mogą szybko uzyskać zaawansowane statystyki do artykułów lub komentarzy.

• Automatyczne dashboardy sportowe
  Integracja z narzędziami dashboardowymi pozwala na wyświetlanie na żywo wyników meczów NBA oraz statystyk zawodników dla kibiców i analityków.

• Aplikacje sportowe oparte na AI
  Programiści mogą wykorzystać serwer do zasilania chatbotów lub wirtualnych asystentów zdolnych do odpowiadania na pytania o NBA z bieżącymi danymi.

Jak to skonfigurować

Windsurf

1. Upewnij się, że masz zainstalowanego Pythona i utwórz środowisko wirtualne w katalogu repozytorium.
2. Wykonaj:

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

3. Dodaj konfigurację NBA MCP Server do pliku konfiguracyjnego Windsurf (jeśli jest obsługiwana).
4. Wstaw NBA MCP Server do obiektu mcpServers z odpowiednimi komendą i argumentami.
5. Zapisz i zrestartuj usługę Windsurf.
6. Zweryfikuj konfigurację uruchamiając zapytanie testowe.

Przykład JSON:

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

Claude

1. Sklonuj repozytorium i skonfiguruj środowisko jak wyżej.
2. Zainstaluj zależności:

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

3. Edytuj plik konfiguracyjny Claude, by dodać NBA MCP Server.
4. Dodaj serwer do sekcji mcpServers.
5. Zrestartuj Claude i sprawdź połączenie.

Przykład JSON:

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

Cursor

1. Sklonuj repozytorium i utwórz środowisko wirtualne.
2. Zainstaluj wymagane zależności jak wyżej.
3. Edytuj konfigurację Cursor, aby dodać NBA MCP Server.
4. Dodaj serwer i zapisz zmiany.
5. Zrestartuj Cursor i przetestuj działanie.

Przykład JSON:

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

Cline

1. Upewnij się, że masz skonfigurowanego Pythona i środowisko wirtualne.
2. Zainstaluj NBA MCP Server jak wyżej.
3. Edytuj plik konfiguracyjny Cline.
4. Dodaj szczegóły NBA MCP Server w sekcji mcpServers.
5. Zrestartuj Cline i uruchom test.

Przykład JSON:

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

Zabezpieczenie kluczy API

NBA MCP Server nie wymaga kluczy API, ponieważ korzysta z otwartoźródłowej biblioteki nba_api. Jeśli w przyszłości będą wymagane klucze, można je zabezpieczyć przy pomocy zmiennych środowiskowych:

Przykład JSON:

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

Jak używać tego MCP w flows

Użycie MCP w FlowHunt

Aby zintegrować serwery MCP w swoim workflow FlowHunt, zacznij od dodania komponentu MCP do swojego flow i połącz go z agentem AI:

Kliknij na komponent MCP, aby otworzyć panel konfiguracji. W sekcji konfiguracji MCP wstaw szczegóły swojego MCP servera w takim formacie JSON:

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

Po skonfigurowaniu agent AI może korzystać z tego MCP jako narzędzia z dostępem do wszystkich jego funkcji. Pamiętaj, by zamienić “nba-mcp” na właściwą nazwę swojego serwera MCP i podać własny adres URL.

Przegląd

Na podstawie dostępnych informacji NBA MCP Server oferuje wartościową integrację danych sportowych na żywo dla LLM, lecz brakuje mu dokumentacji szablonów promptów, opisów zasobów i zaawansowanych funkcji MCP (korzenie, sampling). To funkcjonalna, lecz podstawowa implementacja.

Ocena MCP

Ocena:
Oceniam ten serwer MCP na 4 na 10. Działa poprawnie (narzędzia statystyczne NBA) i zapewnia podstawowy setup, lecz brakuje mu pełnej dokumentacji, definicji zasobów, szablonów promptów oraz zaawansowanych funkcji MCP (korzenie, sampling). Brak licencji to również istotne ograniczenie dla otwartoźródłowego zastosowania.