Skip to main content
Glama
ag2-mcp-servers

MLB Projections MCP Server

MCP-сервер

Этот проект представляет собой сервер MCP (Multi-Agent Conversation Protocol) для указанного URL-адреса OpenAPI - https://api.apis.guru/v2/specs/sportsdata.io/mlb-v3-projections/1.0/openapi.json , автоматически сгенерированный с помощью конструктора MCP AG2.

Предпосылки

  • Питон 3.9+

  • пип и уф

Related MCP server: MLB V3 Scores MCP Server

Установка

  1. Клонируйте репозиторий:

    git clone <repository-url>
    cd mcp-server
  2. Установка зависимостей: Скрипт .devcontainer/setup.sh управляет установкой зависимостей с помощью pip install -e ".[dev]" . Если вы не используете контейнер dev, вы можете запустить эту команду вручную.

    pip install -e ".[dev]"

    В качестве альтернативы вы можете использовать uv :

    uv pip install --editable ".[dev]"

Разработка

В этом проекте используется ruff для линтинга и форматирования, mypy для статической проверки типов и pytest для тестирования.

Линтинг и форматирование

Чтобы проверить наличие проблем с линтингом:

ruff check

Чтобы отформатировать код:

ruff format

Эти команды также доступны через скрипт scripts/lint.sh .

Статический анализ

Чтобы запустить статический анализ (mypy, bandit, semgrep):

./scripts/static-analysis.sh

Этот скрипт также настроен как pre-commit hook в .pre-commit-config.yaml .

Проведение тестов

Для запуска тестов с покрытием:

./scripts/test.sh

Это запустит pytest и сгенерирует отчет о покрытии. Для объединенного отчета и очистки вы можете использовать:

./scripts/test-cov.sh

Предварительные фиксации Хуков

Этот проект использует pre-commit hooks, определенные в .pre-commit-config.yaml . Чтобы установить hooks:

pre-commit install

Хуки будут запускаться автоматически перед каждым коммитом.

Запуск сервера

Сервер MCP можно запустить с помощью скрипта mcp_server/main.py . Он поддерживает различные транспортные режимы (например, stdio , sse ).

Для запуска сервера (например, в режиме stdio):

python mcp_server/main.py stdio

Сервер можно настроить с помощью переменных среды:

  • CONFIG_PATH : Путь к файлу конфигурации JSON (например, mcp_server/mcp_config.json ).

  • CONFIG : строка JSON, содержащая конфигурацию.

  • SECURITY : переменные среды для параметров безопасности (например, ключи API).

Подробную информацию о том, как они загружаются, см. в блоке if __name__ == "__main__": в mcp_server/main.py.

Файл tests/test_mcp_server.py демонстрирует, как запустить сервер и взаимодействовать с ним программным способом для тестирования.

Строительство и издательское дело

Этот проект использует Hatch для сборки и публикации. Чтобы собрать проект:

hatch build

Чтобы опубликовать проект:

hatch publish

Эти команды также доступны через скрипт scripts/publish.sh .

Related MCP Connectors

Related MCP Servers

  • A
    license
    A
    quality
    C
    maintenance
    An MCP Server implementation that integrates the Balldontlie API, to provide information about players, teams and games for the NBA, NFL and MLB.
    4
    25 npm
    26
    MIT
  • F
    license
    Not graded
    quality
    D
    maintenance
    An 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.
    -
  • A
    license
    B
    quality
    B
    maintenance
    Python 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.
    24
    58
    MIT
  • F
    license
    Not graded
    quality
    D
    maintenance
    An 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.
    -