CFBD MCP Server

CFBD MCP Server làm gì?

CFBD MCP (Model Context Protocol) Server là một công cụ kết nối trợ lý AI và ứng dụng với College Football Data API, cho phép truy cập nâng cao tới thống kê và phân tích bóng bầu dục đại học. Bằng cách làm cầu nối giữa mô hình AI với kho dữ liệu phong phú này, CFBD MCP giúp người dùng truy vấn kết quả trận đấu, thành tích đội, thống kê cầu thủ, dữ liệu từng pha bóng, bảng xếp hạng, xác suất chiến thắng và nhiều hơn nữa. Khả năng này hỗ trợ quy trình phát triển cho phân tích thể thao, sinh nội dung và nghiên cứu, cho phép agent AI lấy và phân tích dữ liệu bóng bầu dục đại học theo thời gian thực hoặc lịch sử thông qua lập trình hoặc ngôn ngữ tự nhiên. Server được thiết kế để tích hợp mượt mà với các nền tảng như Claude Desktop, mang lại khả năng phân tích và tự động hóa dựa trên AI xung quanh dữ liệu bóng bầu dục đại học.

Danh sách Prompt

Không có prompt template cụ thể nào được liệt kê trong tài liệu hoặc mã nguồn hiện có. Nếu server cung cấp các prompt template hoặc quy trình chuẩn hóa, chúng chưa được ghi lại trong repository.

Danh sách Tài nguyên

Không có tài nguyên rõ ràng nào được mô tả trong tài liệu hoặc mã nguồn. Server cung cấp quyền truy cập thống kê bóng bầu dục đại học qua CFBD API, nhưng các primitive tài nguyên MCP riêng lẻ chưa được trình bày chi tiết.

Danh sách Công cụ

Không có danh sách công cụ nào được cung cấp trong tài liệu hoặc cấu trúc mã nguồn hiện có. Repository ghi rõ server hỗ trợ “truy vấn CFBD API”, điều này nhiều khả năng tương ứng với các công cụ truy xuất thống kê, dữ liệu trận đấu, chỉ số cầu thủ, v.v., nhưng chưa được liệt kê cụ thể.

Các trường hợp sử dụng MCP Server này

• Phân tích bóng bầu dục đại học
  Lập trình viên và nhà phân tích có thể dùng MCP server để truy vấn thống kê toàn diện, phân tích hiệu suất đội/người chơi và thực hiện các truy vấn tùy chỉnh cho nghiên cứu hoặc tạo nội dung.
• Kết quả trận đấu và phát hiện bất ngờ
  Sinh insight hoặc báo cáo về các trận cầu bất ngờ trong lịch sử, bảng xếp hạng hoặc kết quả trận đấu bằng cách tận dụng dữ liệu từng pha bóng chi tiết và xác suất chiến thắng.
• Sinh nội dung thể thao bằng AI
  Tích hợp server vào các công cụ viết AI để tự động tạo tóm tắt, dự đoán hoặc tổng kết bằng dữ liệu trực tiếp hoặc lịch sử.
• So sánh đội và cầu thủ
  Cho phép mô hình AI so sánh các đội hoặc cầu thủ qua nhiều mùa giải, sử dụng các chỉ số nâng cao cho việc tuyển trạch hoặc gắn kết người hâm mộ.
• Tích hợp với trợ lý AI
  Nâng cao khả năng hội thoại AI (ví dụ Claude Desktop) để trả lời truy vấn ngôn ngữ tự nhiên về bóng bầu dục đại học, bao gồm lịch thi đấu, thành tích, chỉ số nâng cao.

Hướng dẫn cài đặt

Windsurf

1. Đảm bảo đã cài đặt Python 3.11+ và trình quản lý gói UV.
2. Sao chép repository:

   git clone https://github.com/lenwood/cfbd-mcp-server
   cd cfbd-mcp-server
   

3. Thiết lập môi trường ảo và cài đặt phụ thuộc:

   uv venv
   source .venv/bin/activate
   uv pip install -e .
   

4. Tạo file .env với API key của bạn:

   CFB_API_KEY=your_api_key_here
   

5. Cấu hình Windsurf để thêm CFBD MCP Server:

   {
     "mcpServers": {
       "cfbd": {
         "command": "python",
         "args": ["-m", "cfbd_mcp_server"],
         "env": {
           "CFB_API_KEY": "your_api_key_here"
         }
       }
     }
   }
   

6. Lưu và khởi động lại Windsurf. Kiểm tra bằng một truy vấn mẫu.

Claude

1. Cài đặt như trên, đảm bảo có Python 3.11+ và UV.
2. Thêm server vào cấu hình Claude Desktop (ví dụ, qua claude_desktop_config.json):

   {
     "mcpServers": {
       "cfbd": {
         "command": "python",
         "args": ["-m", "cfbd_mcp_server"],
         "env": {
           "CFB_API_KEY": "your_api_key_here"
         }
       }
     }
   }
   

3. Khởi động lại Claude Desktop và kiểm tra kết nối.

Cursor

1. Sao chép repository và thiết lập như trên.
2. Trong cấu hình MCP của Cursor, thêm:

   {
     "mcpServers": {
       "cfbd": {
         "command": "python",
         "args": ["-m", "cfbd_mcp_server"],
         "env": {
           "CFB_API_KEY": "your_api_key_here"
         }
       }
     }
   }
   

3. Lưu và khởi động lại Cursor. Kiểm tra bằng một truy vấn.

Cline

1. Thực hiện các bước cài đặt Python, UV và phụ thuộc.
2. Trong phần cài đặt của Cline, thêm CFBD MCP Server:

   {
     "mcpServers": {
       "cfbd": {
         "command": "python",
         "args": ["-m", "cfbd_mcp_server"],
         "env": {
           "CFB_API_KEY": "your_api_key_here"
         }
       }
     }
   }
   

3. Khởi động lại Cline và kiểm tra kết nối.

Lưu ý về bảo mật API key:
Luôn lưu API key của bạn trong biến môi trường, không ghi trực tiếp vào mã nguồn hoặc các file đã kiểm soát phiên bản. Trong cấu hình server MCP, hãy dùng trường env như hướng dẫn trên để chèn key một cách an toàn.

Cách sử dụng MCP này trong flow

Sử dụng MCP trong FlowHunt

Để tích hợp MCP server vào workflow FlowHunt, bắt đầu bằng cách thêm thành phần MCP vào flow và kết nối nó với agent AI của bạn:

Nhấp vào thành phần MCP để mở bảng cấu hình. Trong phần cấu hình hệ thống MCP, chèn thông tin MCP server của bạn theo định dạng JSON sau:

{
  "cfbd": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Sau khi cấu hình, agent AI có thể sử dụng MCP này như một công cụ với đầy đủ chức năng và khả năng. Lưu ý thay “cfbd” thành tên MCP server thực tế của bạn và thay URL bằng địa chỉ MCP server của bạn.

Tổng quan

Đánh giá của chúng tôi

MCP server này rõ ràng hữu ích cho tự động hóa và phân tích dữ liệu bóng bầu dục đại học, đồng thời có tài liệu hướng dẫn cài đặt và tích hợp khá tốt. Tuy nhiên, nó thiếu tài liệu về prompt template tái sử dụng, primitive tài nguyên MCP và manifest công cụ, những yếu tố quan trọng cho việc tương thích toàn diện với hệ sinh thái MCP và trải nghiệm lập trình viên. Với những ai tập trung vào dữ liệu thể thao, đây là lựa chọn mạnh, nhưng các tiêu chuẩn và thực tiễn MCP tổng quát cần được cải thiện thêm.

Điểm MCP

Tổng thể, tôi đánh giá MCP server này 5/10: hoàn thành đúng mục đích và mã nguồn mở, nhưng thiếu các tài liệu MCP quan trọng như prompt, resource và tool manifest rõ ràng. Nếu dùng cho phân tích thể thao thì rất tốt, còn phát triển MCP tổng quát cần bổ sung thêm chi tiết.