CFBD MCP 服务器

“CFBD” MCP 服务器的作用是什么？

CFBD MCP（Model Context Protocol）服务器是一款将 AI 助手和应用程序与 College Football Data API 连接起来的工具，实现对大学橄榄球统计和分析数据的高级访问。通过作为 AI 模型与丰富数据源之间的桥梁，CFBD MCP 让用户可以查询比赛结果、球队记录、球员统计、回合数据、排名、胜率等内容。这一能力提升了体育分析、内容生成和研究的开发流程，使 AI 代理能够以编程方式或自然语言检索和分析实时及历史大学橄榄球数据。该服务器设计可无缝集成至如 Claude Desktop 等平台，实现围绕大学橄榄球数据的 AI 洞察和自动化。

提示模板列表

在现有文档或代码中未列出具体的提示模板。如果服务器公开了标准提示模板或工作流，仓库中未有相关说明。

资源列表

文档或代码中未描述明确的资源。该服务器通过 CFBD API 提供大学橄榄球统计数据访问，但具体的 MCP 资源原语未详细说明。

工具列表

现有文档或可见代码结构中未提供明确的工具清单。仓库声明服务器支持“CFBD API 查询”，这可能对应于用于检索统计、比赛数据、球员数据等的工具，但未详细列举。

该 MCP 服务器的应用场景

• 大学橄榄球数据分析
  开发者和分析师可利用 MCP 服务器查询全面统计数据，分析球队和球员表现，并执行自定义查询用于研究或内容创作。
• 比赛结果与爆冷检测
  利用详细的回合数据和胜率，生成关于历史爆冷、排名或比赛结果的洞察或报告。
• AI 驱动的体育内容生成
  将服务器集成至 AI 撰写工具，自动利用实时或历史数据生成摘要、预览或回顾。
• 球队和球员对比
  让 AI 模型跨赛季对比球队或球员，使用高级指标和统计数据进行球探或粉丝互动。
• 与 AI 助手集成
  增强对话式 AI（如 Claude Desktop）对大学橄榄球相关日程、记录和高级统计的自然语言问答能力。

如何设置

Windsurf

1. 确保已安装 Python 3.11+ 及 UV 包管理器。
2. 克隆代码仓库：

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

3. 设置虚拟环境并安装依赖：

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

4. 创建包含您的 API 密钥的 .env 文件：

   CFB_API_KEY=your_api_key_here
   

5. 配置 Windsurf 以包含 CFBD MCP 服务器：

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

6. 保存并重启 Windsurf，通过运行示例查询进行验证。

Claude

1. 按上述方式安装，确保 Python 3.11+ 和 UV。
2. 在 Claude Desktop 配置（如 claude_desktop_config.json）中添加服务器：

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

3. 重启 Claude Desktop 并验证连接。

Cursor

1. 克隆仓库并按上述方式设置。
2. 在 Cursor 的 MCP 配置中添加：

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

3. 保存并重启 Cursor，测试查询。

Cline

1. 按照 Python、UV 及依赖的安装步骤操作。
2. 在 Cline 设置中添加 CFBD MCP 服务器：

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

3. 重启 Cline 并验证连接。

关于 API 密钥安全的说明：
请始终将您的 API 密钥存储在环境变量中，而不是直接写入代码或被纳入版本管理的文件。在 MCP 服务器配置中，使用如上所示的 env 字段安全注入密钥。

在流程中使用该 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到 FlowHunt 流程中，首先添加 MCP 组件并连接到您的 AI 代理：

点击 MCP 组件以打开配置面板。在系统 MCP 配置部分，使用如下 JSON 格式填入您的 MCP 服务器详情：

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

配置完成后，AI 代理即可将此 MCP 作为工具，访问其所有功能和能力。请记得将 “cfbd” 替换为实际的 MCP 服务器名称，并将 URL 替换为您自己的 MCP 服务器地址。

概览

我们的看法

该 MCP 服务器对于大学橄榄球数据自动化与分析非常有用，且在安装和集成方面文档完善。但缺乏可复用提示模板、明确的 MCP 资源原语及工具清单等文档，对于完整的 MCP 生态和开发者体验来说是个不足。关注体育数据的用户会发现它很有价值，但若要更好地契合 MCP 最佳实践，仍有提升空间。

MCP 评分

总体而言，我会给这个 MCP 服务器打 5/10：它能够胜任本职且为开源，但在显式提示、资源、工具定义等关键 MCP 文档与功能方面有所欠缺。对于体育分析场景表现不错，但若用于通用 MCP 开发，还需进一步细化完善。