MLB Projections MCP Server
Servidor MCP
Este proyecto es un servidor MCP (Protocolo de conversación multiagente) para la URL OpenAPI dada: https://api.apis.guru/v2/specs/sportsdata.io/mlb-v3-projections/1.0/openapi.json , generada automáticamente mediante el generador MCP de AG2.
Prerrequisitos
Python 3.9+
pip y uv
Related MCP server: MLB V3 Scores MCP Server
Instalación
Clonar el repositorio:
git clone <repository-url> cd mcp-serverInstalar dependencias: El script .devcontainer/setup.sh gestiona la instalación de dependencias mediante
pip install -e ".[dev]". Si no utiliza el contenedor dev, puede ejecutar este comando manualmente.pip install -e ".[dev]"Alternativamente, puedes utilizar
uv:uv pip install --editable ".[dev]"
Desarrollo
Este proyecto utiliza ruff para control de linting y formateo, mypy para verificación de tipos estáticos y pytest para pruebas.
Pelusa y formato
Para comprobar si hay problemas de pelusa:
ruff checkPara formatear el código:
ruff formatEstos comandos también están disponibles a través del script scripts/lint.sh .
Análisis estático
Para ejecutar un análisis estático (mypy, bandit, semgrep):
./scripts/static-analysis.shEste script también se configura como un gancho previo a la confirmación en .pre-commit-config.yaml .
Ejecución de pruebas
Para ejecutar pruebas con cobertura:
./scripts/test.shEsto ejecutará pytest y generará un informe de cobertura. Para un informe y una limpieza combinados, puede usar:
./scripts/test-cov.shGanchos de pre-confirmación
Este proyecto utiliza ganchos de pre-confirmación definidos en .pre-commit-config.yaml . Para instalar los ganchos:
pre-commit installLos ganchos se ejecutarán automáticamente antes de cada confirmación.
Ejecución del servidor
El servidor MCP se puede iniciar mediante el script mcp_server/main.py . Admite diferentes modos de transporte (p. ej., stdio y sse ).
Para iniciar el servidor (por ejemplo, en modo stdio):
python mcp_server/main.py stdioEl servidor se puede configurar mediante variables de entorno:
CONFIG_PATH: Ruta a un archivo de configuración JSON (por ejemplo, mcp_server/mcp_config.json ).CONFIG: Una cadena JSON que contiene la configuración.SECURITY: Variables de entorno para parámetros de seguridad (por ejemplo, claves API).
Consulte el bloque if __name__ == "__main__": en mcp_server/main.py para obtener detalles sobre cómo se cargan.
El archivo tests/test_mcp_server.py demuestra cómo iniciar e interactuar con el servidor mediante programación para realizar pruebas.
Construcción y publicación
Este proyecto utiliza Hatch para compilar y publicar. Para compilar el proyecto:
hatch buildPara publicar el proyecto:
hatch publishEstos comandos también están disponibles a través del script scripts/publish.sh .
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
This server cannot be deployed
Maintenance
Related MCP Connectors
MCP server for generating rough-draft project plans from natural-language prompts.
Hosted MCP server for live public-data APIs and Skills for AI agents.
MCP server for OpenAI API (chat completions, image generation, embeddings) via AceDataCloud
Hosted MCP server for Xweather weather data: conditions, forecasts, alerts, and more.
Related MCP Servers
- AlicenseAqualityDmaintenanceAn MCP Server implementation that integrates the Balldontlie API, to provide information about players, teams and games for the NBA, NFL and MLB.486 npm26MIT
- FlicenseNot gradedqualityDmaintenanceAn MCP Server that enables interaction with MLB scores and statistics via the SportsData.io MLB V3 Scores API, allowing users to access baseball data through natural language queries.-
- AlicenseBqualityDmaintenancePython MCP server that provides comprehensive access to MLB statistics and baseball data through a FastAPI-based interface. Acts as a bridge between AI applications and MLB data sources, enabling seamless integration of baseball statistics, game information, player data, and more.2459MIT
- FlicenseNot gradedqualityDmaintenanceAn MCP server for accessing college basketball statistics through the SportsData.io CBB v3 Stats API, enabling AI agents to retrieve and analyze college basketball data through natural language interactions.-