CFBD MCP Server

Do czego służy serwer “CFBD” MCP?

CFBD MCP (Model Context Protocol) Server to narzędzie, które łączy asystentów AI i aplikacje z College Football Data API, umożliwiając zaawansowany dostęp do statystyk i analiz futbolu akademickiego. Działając jako pomost między modelami AI a tym bogatym źródłem danych, CFBD MCP pozwala użytkownikom pobierać wyniki meczów, rekordy drużyn, statystyki zawodników, dane play-by-play, rankingi, prawdopodobieństwa zwycięstw i inne informacje. Ta funkcjonalność wzbogaca workflow deweloperskie w zakresie analityki sportowej, generowania treści oraz badań, pozwalając agentom AI programistycznie lub w języku naturalnym pobierać i analizować dane zarówno bieżące, jak i historyczne. Serwer został zaprojektowany do bezproblemowej integracji z platformami takimi jak Claude Desktop, umożliwiając tworzenie wniosków i automatyzacji opartych na danych futbolu akademickiego.

Lista promptów

W dostępnej dokumentacji ani w kodzie nie są wymienione żadne konkretne szablony promptów. Jeśli serwer udostępnia ustandaryzowane szablony lub workflow, nie zostały one udokumentowane w repozytorium.

Lista zasobów

W dokumentacji ani kodzie nie opisano żadnych jawnych zasobów. Serwer udostępnia statystyki futbolu akademickiego przez CFBD API, ale poszczególne prymitywy MCP nie są szczegółowo opisane.

Lista narzędzi

W dostępnej dokumentacji ani w widocznej strukturze kodu nie udostępniono listy narzędzi. Repozytorium podaje, że serwer umożliwia „zapytania do CFBD API”, które najprawdopodobniej obejmują narzędzia do pobierania statystyk, danych meczowych, statystyk zawodników itd., lecz nie są one wymienione z nazwy.

Przypadki użycia tego serwera MCP

• Analityka futbolu akademickiego
  Programiści i analitycy mogą wykorzystać serwer MCP do pobierania kompleksowych statystyk, analizowania wyników drużyn i zawodników oraz wykonywania niestandardowych zapytań do badań lub tworzenia treści.
• Wyniki meczów i wykrywanie sensacji
  Generuj wnioski lub raporty o historycznych sensacjach, rankingach czy wynikach meczów, wykorzystując szczegółowe dane play-by-play i prawdopodobieństwa zwycięstw.
• Generowanie treści sportowych przez AI
  Zintegruj serwer z narzędziami do pisania AI, aby automatycznie generować podsumowania, zapowiedzi czy relacje na podstawie danych na żywo lub historycznych.
• Porównania drużyn i zawodników
  Umożliw modelom AI porównywanie drużyn lub zawodników między sezonami, korzystając z zaawansowanych metryk i statystyk do scoutingu lub angażowania fanów.
• Integracja z asystentami AI
  Rozwijaj konwersacyjne AI (np. Claude Desktop), aby odpowiadały na pytania o futbol akademicki w języku naturalnym – w tym o terminarze, rekordy czy zaawansowane statystyki.

Jak to skonfigurować

Windsurf

1. Upewnij się, że masz zainstalowane Python 3.11+ oraz menedżer pakietów UV.
2. Sklonuj repozytorium:

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

3. Utwórz środowisko wirtualne i zainstaluj zależności:

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

4. Utwórz plik .env z kluczem API:

   CFB_API_KEY=your_api_key_here
   

5. Skonfiguruj Windsurf, aby uwzględniał CFBD MCP Server:

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

6. Zapisz i zrestartuj Windsurf. Zweryfikuj, uruchamiając przykładowe zapytanie.

Claude

1. Zainstaluj jak wyżej, upewniając się, że masz Python 3.11+ i UV.
2. Dodaj serwer do konfiguracji Claude Desktop (np. w claude_desktop_config.json):

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

3. Zrestartuj Claude Desktop i zweryfikuj połączenie.

Cursor

1. Sklonuj repozytorium i skonfiguruj jak powyżej.
2. W konfiguracji MCP Cursor dodaj:

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

3. Zapisz i zrestartuj Cursor. Przetestuj zapytaniem.

Cline

1. Postępuj zgodnie z instrukcjami instalacji Pythona, UV i zależności.
2. W ustawieniach Cline dodaj CFBD MCP Server:

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

3. Zrestartuj Cline i sprawdź połączenie.

Uwaga dotycząca bezpieczeństwa kluczy API:
Zawsze przechowuj klucz API w zmiennych środowiskowych, a nie bezpośrednio w kodzie lub plikach śledzonych przez system kontroli wersji. W konfiguracji serwera MCP używaj pola env, jak powyżej, by bezpiecznie przekazać klucz.

Jak użyć tego MCP w flows

Użycie MCP w FlowHunt

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

Kliknij komponent MCP, aby otworzyć panel konfiguracji. W sekcji konfiguracji systemowej MCP wklej szczegóły swojego MCP servera w tym formacie JSON:

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

Po skonfigurowaniu agent AI może korzystać z tego MCP jako narzędzia ze wszystkimi jego funkcjonalnościami. Pamiętaj, by zmienić “cfbd” na faktyczną nazwę swojego serwera MCP i podmienić URL na adres swojego MCP serwera.

Przegląd

Nasza opinia

Ten serwer MCP jest wyraźnie przydatny dla automatyzacji i analizy danych futbolu akademickiego oraz jest dobrze udokumentowany pod kątem instalacji i integracji. Brakuje jednak dokumentacji dotyczącej szablonów promptów, jawnych prymitywów zasobów MCP oraz manifestu narzędzi, co jest istotne dla pełnej kompatybilności z ekosystemem MCP oraz doświadczenia deweloperskiego. Dla osób skoncentrowanych na danych sportowych to mocne rozwiązanie, ale szersze praktyki MCP mogłyby być lepiej zaadresowane.

Ocena MCP

Ogólnie oceniam ten serwer MCP na 5/10: realizuje swoje zadanie i jest open source, ale brakuje mu kluczowej dokumentacji MCP oraz funkcji takich jak jawne definicje promptów, zasobów i narzędzi. Do analityki sportowej jest bardzo dobry, lecz dla uniwersalnego rozwoju MCP wymagana jest większa szczegółowość.