NBA MCP服务器

“NBA” MCP服务器能做什么？

NBA MCP服务器是一个模型上下文协议（MCP）服务器，旨在增强AI助手（如Anthropic的Claude），使其能够访问和检索最新的NBA篮球比赛数据和统计信息。通过对接开源的nba_api，该服务器允许大语言模型（LLM）获取近期NBA比赛比分、球员统计及高级分析，这些内容由于模型知识的滞后性本无法直接获得。此连接为AI驱动的开发流程赋能，实现关于NBA赛事、球员表现等动态数据库查询和实时数据检索，极大提升助手与真实世界体育数据互动和分析的能力。

提示词列表

该仓库未指定任何提示词模板。

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

资源列表

该仓库未详细列出任何资源。

工具列表

• 获取最终比分
  检索昨天或近期所有NBA比赛的最终比分。

• 获取球员基础数据
  获取所有参与昨天或更早比赛球员的得分、篮板、助攻（P/R/A）统计。

• 获取球员完整数据
  收集包括得分（PTS）、篮板（REB）、助攻（AST）、抢断（STL）、盖帽（BLK）、失误（TO）、正负值（PLUS_MINUS）、上场时间（MIN）在内的全面球员数据。

• 获取“四要素”分析
  检索昨天或近期所有NBA比赛的高级“四要素”分析数据。

加入我们的新闻通讯

免费获取最新提示、趋势和优惠。

电子邮件地址

订阅

适用场景

• 实时NBA比赛摘要
  开发者可让AI助手回答关于最新NBA比赛的问题，提供最新比分和结果。

• 详尽球员表现分析
  服务器可检索单个球员统计，支持生成赛后报告、梦幻篮球洞察或历史分析等场景。

• 体育新闻的高级分析
  通过访问“四要素”等指标，记者和分析师可快速获取用于报道或评论的高级数据。

• 自动化体育仪表盘
  与仪表盘工具集成，为球迷或分析师提供NBA比赛和球员表现的实时更新。

• AI驱动的体育应用
  开发者可用该服务器为聊天机器人或虚拟助手赋能，使其可用最新数据回答NBA相关问题。

设置方法

Windsurf

1. 确保已安装Python，并在仓库目录下设置虚拟环境。
2. 运行：

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

3. 在您的Windsurf配置中添加NBA MCP服务器（如支持）。
4. 在mcpServers对象中插入NBA MCP服务器的命令及参数。
5. 保存并重启Windsurf服务。
6. 通过运行测试查询验证设置。

JSON示例：

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

Claude

1. 克隆仓库并按上文设置环境。
2. 安装依赖：

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

3. 编辑Claude配置文件，添加NBA MCP服务器。
4. 在mcpServers部分添加服务器项。
5. 重启Claude并验证连接。

JSON示例：

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

Cursor

1. 克隆代码仓库并设置虚拟环境。
2. 按前述方法安装依赖。
3. 编辑Cursor的配置，包含NBA MCP服务器。
4. 添加服务器项并保存更改。
5. 重启Cursor并测试功能。

JSON示例：

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

Cline

1. 确保已设置Python和虚拟环境。
2. 按上述方式安装NBA MCP服务器。
3. 编辑Cline的配置文件。
4. 在mcpServers下添加NBA MCP服务器详情。
5. 重启Cline并进行测试。

JSON示例：

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

API密钥安全性说明

NBA MCP服务器无需API密钥，因为其使用开源的nba_api。若将来版本需要密钥，可通过环境变量安全传递：

JSON示例：

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

在流中如何使用此MCP

在FlowHunt中集成MCP

要将MCP服务器集成进您的FlowHunt工作流，首先添加MCP组件，并将其与AI代理连接：

点击MCP组件打开配置面板。在系统MCP配置部分，按如下JSON格式插入您的MCP服务器信息：

{
  "nba-mcp": {
    "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，访问其全部功能。请记得将"nba-mcp"改为实际MCP服务器名称，并将URL替换为您的MCP服务器地址。

总览

基于现有信息，NBA MCP服务器为LLM提供了宝贵的实时体育数据集成，但缺乏提示词模板、资源定义以及如roots或采样等高级MCP特性文档。它是一个实用但基础的实现。

MCP评分

评分：
我给这个MCP服务器的评分为4分（满分10分）。它实现了核心功能（NBA数据工具）及基础设置，但在文档、资源定义、提示词模板与高级MCP特性（roots、采样）方面不完善。缺少开源许可证也是一大限制。