NBA MCP Sunucusu

“NBA” MCP Sunucusu ne yapar?

NBA MCP Sunucusu, Anthropic’in Claude’u gibi yapay zeka asistanlarını geliştirmek için tasarlanmış bir Model Context Protocol (MCP) sunucusudur. Bu sunucu, asistanların güncel NBA basketbol maçı verilerine ve istatistiklerine erişip bunları almasına olanak sağlar. Açık kaynaklı nba_api ile entegre olarak, LLM’lerin güncel NBA maç skorlarını, oyuncu istatistiklerini ve gelişmiş analizleri almasına imkan tanır; bu tür bilgiler model bilgi sınırlamaları nedeniyle aksi halde erişilemez olurdu. Bu bağlantı, yapay zekâ odaklı geliştirme iş akışlarını güçlendirir; NBA maçları, oyuncu performansı ve daha fazlası ile ilgili dinamik veritabanı sorguları ve canlı veri alınmasını mümkün kılar ve asistanın gerçek dünya spor verileriyle etkileşimini ve analizini önemli ölçüde artırır.

Komut Listesi

Depoda herhangi bir komut şablonu belirtilmemiştir.

Kaynak Listesi

Depoda açıkça belirtilmiş herhangi bir kaynak yoktur.

Araçlar Listesi

• Nihai skorları al
  Dün veya yakın geçmişte oynanan tüm NBA maçlarının nihai skorlarını getirir.

• Temel oyuncu istatistiklerini al
  Dün veya daha önceki tarihlerde maçlarda yer alan tüm oyuncular için sayı, ribaund ve asist (S/R/A) dökümlerini toplar.

• Tam oyuncu istatistiklerini al
  Dün veya geçmişte oynanan maçlar için SAI, RBD, AST, STL, BLK, TO, PLUS_MINUS ve MIN dahil kapsamlı oyuncu istatistiklerini toplar.

• Dört faktörü al
  Dün veya yakın geçmişte gerçekleşen tüm NBA maçları için “dört faktör” gelişmiş analizlerini getirir.

Bu MCP Sunucusunun Kullanım Alanları

• Gerçek zamanlı NBA maç özetleri
  Geliştiriciler, yapay zeka asistanlarının en son NBA maçları hakkında soruları yanıtlamasını sağlayabilir ve güncel skorlar ve sonuçlar sunabilir.

• Detaylı oyuncu performans analizi
  Sunucu, oyuncu bazlı istatistiklerin alınmasına imkan tanır ve maç sonrası raporlar, fantezi basketbol içgörüleri veya tarihsel analiz gibi kullanım alanlarını destekler.

• Spor gazeteciliği için gelişmiş analizler
  Dört faktör ve diğer metriklere erişilerek gazeteciler ve analistler makale veya yorumlar için hızlıca gelişmiş istatistikleri ortaya çıkarabilir.

• Otomatik spor panoları
  Pano araçlarıyla entegrasyon, NBA maçları ve oyuncu performansları hakkında hayranlara veya analistlere canlı güncellemeler sağlar.

• Yapay zeka destekli spor uygulamaları
  Geliştiriciler, NBA ile ilgili soruları güncel verilerle yanıtlayabilen sohbet botları ya da sanal asistanlar oluşturmak için sunucuyu kullanabilirler.

Kurulum Nasıl Yapılır

Windsurf

1. Python’un kurulu olduğundan emin olun ve depo dizininde bir sanal ortam oluşturun.
2. Şunu çalıştırın:

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

3. (Destekleniyorsa) NBA MCP Sunucu yapılandırmasını Windsurf yapılandırmanıza ekleyin.
4. mcpServers nesnesine uygun komut ve argümanlarla NBA MCP sunucusunu ekleyin.
5. Kaydedin ve Windsurf servisini yeniden başlatın.
6. Kurulumu bir test sorgusu ile doğrulayın.

JSON örneği:

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

Claude

1. Depoyu klonlayın ve yukarıdaki gibi ortamı kurun.
2. Bağımlılıkları yükleyin:

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

3. Claude yapılandırma dosyanızı düzenleyerek NBA MCP Sunucusunu ekleyin.
4. Sunucuyu mcpServers bölümüne ekleyin.
5. Claude’u yeniden başlatın ve bağlantıyı doğrulayın.

JSON örneği:

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

Cursor

1. Depoyu klonlayın ve sanal ortamı oluşturun.
2. Önceden belirtildiği gibi gereksinimleri yükleyin.
3. Cursor yapılandırmasını NBA MCP Sunucusunu içerecek şekilde düzenleyin.
4. Sunucu kaydını ekleyin ve değişiklikleri kaydedin.
5. Cursor’u yeniden başlatın ve işlevselliği test edin.

JSON örneği:

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

Cline

1. Python ve sanal ortamın kurulu olduğundan emin olun.
2. NBA MCP Sunucusunu yukarıdaki gibi yükleyin.
3. Cline yapılandırma dosyanızı düzenleyin.
4. mcpServers altında NBA MCP sunucu bilgilerini ekleyin.
5. Cline’ı yeniden başlatın ve bir test çalıştırın.

JSON örneği:

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

API Anahtarlarını Güvenceye Alma

NBA MCP Sunucusu, açık kaynaklı nba_api kullandığından API anahtarı gerektirmez. Gelecekte anahtar gerekirse, ortam değişkenleriyle güvenceye alabilirsiniz:

JSON örneği:

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

Bu MCP’yi Flow’larda Nasıl Kullanırsınız

FlowHunt’ta MCP Kullanımı

MCP sunucularını FlowHunt iş akışınıza entegre etmek için, önce MCP bileşenini akışınıza ekleyin ve bunu yapay zeka ajanınıza bağlayın:

MCP bileşenine tıklayarak yapılandırma panelini açın. Sistem MCP yapılandırması bölümüne, MCP sunucu bilgilerinizi aşağıdaki JSON formatında girin:

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

Yapılandırma tamamlandığında, yapay zeka ajanı artık bu MCP’yi bir araç olarak tüm işlevlerine ve yeteneklerine erişerek kullanabilir. “nba-mcp” ifadesini kendi MCP sunucunuzun adıyla ve URL’yi de kendi MCP sunucu URL’nizle değiştirmeyi unutmayın.

Genel Bakış

Mevcut bilgilere göre, NBA MCP Sunucusu LLM’ler için değerli gerçek zamanlı spor verisi entegrasyonu sunar, ancak komut şablonları, açık kaynak tanımları ve kök veya örnekleme gibi gelişmiş MCP özellikleri konusunda dokümantasyondan yoksundur. İşlevsel ama temel bir uygulamadır.

MCP Skoru

Puan:
Bu MCP sunucusuna 10 üzerinden 4 puan verirdim. Temel işlevselliği (NBA istatistik araçları) ve temel kurulumu sunuyor, ancak kapsamlı dokümantasyon, kaynak tanımı, komut şablonları ve gelişmiş MCP özelliklerinden (kök, örnekleme) yoksun. Ayrıca bir lisansın olmaması da açık kaynak kullanımı için önemli bir kısıtlama.