🏏 Cricket Analytics MCP

Un agente de análisis de cricket impulsado por IA, construido con Model Context Protocol (MCP), OpenAI, Python y Streamlit.

El proyecto permite a los usuarios explorar estadísticas de cricket y hacer preguntas en lenguaje natural sobre jugadores, equipos, partidos y comparaciones de jugadores a través de una interfaz impulsada por IA.

✨ Características

• 🏏 Estadísticas de jugadores de cricket

• 📊 Análisis de rendimiento de jugadores

• ⚔️ Comparar dos jugadores de cricket

• 🏆 Estadísticas y análisis de equipos

• 📅 Resultados de partidos y partidos recientes

• 📰 Búsqueda de noticias de cricket

• 🤖 Analista de cricket impulsado por OpenAI

• 🔌 Servidor MCP para exponer herramientas de cricket

• 🎨 Interfaz web interactiva con Streamlit

• 🔐 Configuración de claves API basada en variables de entorno

Related MCP server: cricket-mcp

🏗️ Arquitectura

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

📁 Estructura del Proyecto

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

🛠️ Stack Tecnológico

• Python

• API de OpenAI

• Model Context Protocol (MCP)

• Streamlit

• python-dotenv

• Fuentes de datos/estadísticas de cricket

🔧 Herramientas MCP

El servidor MCP puede exponer herramientas centradas en el cricket, como:

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

Estas herramientas permiten al agente de IA recuperar información estructurada de cricket y usarla para responder a las preguntas de los usuarios.

💬 Consultas de Ejemplo

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.

⚙️ Instalación

1. Clonar el repositorio

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

2. Crear un entorno virtual

Windows:

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

3. Instalar dependencias

pip install -r requirements.txt

4. Configurar las variables de entorno

Crea un archivo .env en la raíz del proyecto:

OPENAI_API_KEY=your_openai_api_key
OPENAI_MODEL=gpt-5.6
CRICAPI_KEY= xxxxxxx

Nunca subas tu archivo .env a GitHub.

▶️ Ejecutar la Aplicación

Iniciar la aplicación Streamlit

streamlit run streamlit_app.py

A continuación, abre la URL local de Streamlit que se muestra en tu terminal.

Iniciar el servidor MCP

Si tu proyecto está configurado para ejecutar el servidor MCP por separado:

python server.py

Sigue la configuración de MCP utilizada por tu cliente/configuración de agente.

🧪 Flujo de Trabajo del Proyecto

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

🔐 Variables de Entorno

Variable Descripción

OPENAI_API_KEY Clave API de OpenAI OPENAI_MODEL Modelo de OpenAI utilizado por el agente CRICAPI_KEY Clave de Cric API

Ejemplo:

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

📸 Capturas de Pantalla

Añade capturas de pantalla de la aplicación al directorio screenshots/.

Capturas recomendadas:

• Estadísticas de jugadores

• Comparación de jugadores

• Panel de análisis de cricket

Después, haz referencia a ellas en este README:

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

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

🚀 Mejoras Futuras

• Marcadores de cricket en vivo

• Comentarios de partidos en vivo

• Clasificaciones de jugadores

• Gráficos avanzados de comparación de jugadores

• Analíticas de rendimiento de equipos

• Análisis de partidos históricos

• Agregación de noticias de cricket

• Más herramientas MCP

• Visualizaciones mejoradas del panel

• Despliegue en Streamlit Community Cloud

🎯 Casos de Uso

Este proyecto se puede utilizar para:

• Exploración de estadísticas de cricket

• Análisis de rendimiento de jugadores

• Investigación de cricket impulsada por IA

• Visualización de datos de cricket

• Aprendizaje y experimentación con MCP

• Desarrollo de portafolio de IA agéntica

👨💻 Autor

Manas Ranjan Meher