🏏 Cricket-Analytics-MCP

Ein KI-gestützter Cricket-Analytics-Agent, entwickelt mit Model Context Protocol (MCP), OpenAI, Python und Streamlit.

Das Projekt ermöglicht es Nutzern, Cricket-Statistiken zu erkunden und über eine KI-gestützte Oberfläche Fragen in natürlicher Sprache zu Spielern, Teams, Spielen und Spielervergleichen zu stellen.

✨ Funktionen

• 🏏 Cricket-Spielerstatistiken

• 📊 Analyse der Spielerleistung

• ⚔️ Zwei Cricket-Spieler vergleichen

• 🏆 Teamstatistiken und -analysen

• 📅 Spielergebnisse und aktuelle Spiele

• 📰 Cricket-News-Suche

• 🤖 OpenAI-gestützter Cricket-Analyst

• 🔌 MCP-Server zur Bereitstellung von Cricket-Tools

• 🎨 Interaktive Streamlit-Weboberfläche

• 🔐 Umgebungsbasierte API-Schlüssel-Konfiguration

Related MCP server: cricket-mcp

🏗️ Architektur

                    ┌─────────────────────┐
                    │    Streamlit UI     │
                    │  streamlit_app.py   │
                    └──────────┬──────────┘
                               │
                               ▼
                    ┌─────────────────────┐
                    │    OpenAI Agent      │
                    │   agent_openai.py    │
                    └──────────┬──────────┘
                               │
                               ▼
                    ┌─────────────────────┐
                    │     MCP Server      │
                    │      server.py       │
                    └──────────┬──────────┘
                               │
                               ▼
                    ┌─────────────────────┐
                    │    Data Provider    │
                    │  data_provider.py   │
                    └─────────────────────┘

📁 Projektstruktur

cricket-analytics-mcp/
│
├── agent_openai.py       # OpenAI-powered cricket agent
├── data_provider.py      # Cricket data and statistics provider
├── server.py             # MCP server and cricket tools
├── streamlit_app.py      # Streamlit frontend
│
├── screenshots/          # Application screenshots
│   ├── player-stats.png
│   ├── player-comparison.png
│   └── dashboard.png
│
├── .env                  # API keys and configuration (not committed)
├── .gitignore            # Git ignored files
├── requirements.txt      # Python dependencies
└── README.md             # Project documentation

🛠️ Technologie-Stack

• Python

• OpenAI API

• Model Context Protocol (MCP)

• Streamlit

• python-dotenv

• Cricket-Statistik-/Datenquellen

🔧 MCP-Tools

Der MCP-Server kann cricket-fokussierte Tools wie folgt bereitstellen:

get_player_stats()
get_team_stats()
get_match_results()
get_player_comparison()
get_recent_matches()
search_cricket_news()

Diese Tools ermöglichen es dem KI-Agenten, strukturierte Cricket-Informationen abzurufen und diese zur Beantwortung von Nutzerfragen zu verwenden.

💬 Beispielabfragen

Show me Virat Kohli's ODI statistics.

Compare Virat Kohli and Rohit Sharma in ODI cricket.

Show me the recent matches of India.

Give me the Test statistics of Virat Kohli.

Compare the performance of two cricket players.

Show recent cricket news.

⚙️ Installation

1. Repository klonen

git clone https://github.com/YOUR_USERNAME/cricket-analytics-mcp.git
cd cricket-analytics-mcp

2. Virtuelle Umgebung erstellen

Windows:

python -m venv .venv
.venv\Scripts\activate

3. Abhängigkeiten installieren

pip install -r requirements.txt

4. Umgebungsvariablen konfigurieren

Erstellen Sie eine .env-Datei im Projektverzeichnis:

OPENAI_API_KEY=your_openai_api_key
OPENAI_MODEL=gpt-5.6
CRICAPI_KEY= xxxxxxx

Übertragen Sie Ihre .env-Datei niemals auf GitHub.

▶️ Ausführen der Anwendung

Starten der Streamlit-Anwendung

streamlit run streamlit_app.py

Öffnen Sie anschließend die lokale Streamlit-URL, die in Ihrem Terminal angezeigt wird.

Starten des MCP-Servers

Wenn Ihr Projekt so konfiguriert ist, dass der MCP-Server separat ausgeführt wird:

python server.py

Befolgen Sie die MCP-Konfiguration, die von Ihrem Client-/Agenten-Setup verwendet wird.

🧪 Projekt-Workflow

User Question
      ↓
Streamlit Interface
      ↓
OpenAI Agent
      ↓
MCP Tool Selection
      ↓
MCP Server
      ↓
Cricket Data Provider
      ↓
Structured Cricket Data
      ↓
OpenAI Analysis
      ↓
Streamlit Response

🔐 Umgebungsvariablen

Variable Beschreibung

OPENAI_API_KEY OpenAI-API-Schlüssel OPENAI_MODEL OpenAI-Modell, das vom Agenten verwendet wird CRICAPI_KEY Cric-API-Schlüssel

Beispiel:

OPENAI_API_KEY=sk-xxxxxxxx
OPENAI_MODEL=gpt-5.6
CRICAPI_KEY= xxxxxxx

📸 Screenshots

Fügen Sie Screenshots der Anwendung im Verzeichnis screenshots/ hinzu.

Empfohlene Screenshots:

• Spielerstatistiken

• Spielervergleich

• Cricket-Analytics-Dashboard

Verweisen Sie anschließend in dieser README darauf:

![Player Statistics](screenshots/player-stats.png)

![Player Comparison](screenshots/player-comparison.png)

🚀 Zukünftige Verbesserungen

• Live-Cricket-Ergebnisse

• Live-Spielkommentare

• Spielerranglisten

• Erweiterte Spielervergleichsdiagramme

• Teamleistungsanalysen

• Analyse historischer Spiele

• Cricket-News-Aggregation

• Weitere MCP-Tools

• Verbesserte Dashboard-Visualisierungen

• Bereitstellung auf Streamlit Community Cloud

🎯 Anwendungsfälle

Dieses Projekt kann verwendet werden für:

• Erkundung von Cricket-Statistiken

• Analyse der Spielerleistung

• KI-gestützte Cricket-Recherche

• Cricket-Datenvisualisierung

• MCP-Lernen und -Experimentieren

• Entwicklung eines agentischen KI-Portfolios

👨💻 Autor

Manas Ranjan Meher