Sports Context Protocol

SCP Golf — Sports Context Protocol の Profile 001

スポーツエージェントのためのコンテキスト、安全性、メモリのレイヤーです。まずはゴルフから。

スポーツエージェントは行動する前に SCP を確認します。そして SCP は、起きたことから学習します。

SCP — Sports Context Protocol は、スポーツ分野で活動する AI エージェント向けのオープンなコンテキストレイヤーです。すべてのスポーツ施設には、その基盤となる同じ5つの要素があります。在庫、ルール、アクション、結果、メモリです。SCP は、エージェントが行動する前にこれらを読み取り、その後、結果から学習するための標準的な方法です。

SCP Golf は Profile 001、最初に稼働するプロファイルです。ゴルフは最適な出発点です。エージェントは、ティーシートの状態、保護対象の在庫、価格設定ポリシー、進行ペースのリスク、イベント、運営者のメモリを理解せずに、コースで安全に予約、価格設定、変更、推奨を行うことはできません。ゴルフなら、この問題を無視できなくなります。

このリポジトリは SCP Golf Alpha です。合成デモコース、ローカルの MCP サーバー、予約と価格設定の安全性チェック、ソフトホールド、意思決定台帳、自己学習メモリが含まれています。実際のコースデータ、インテグレーション、データベースはありません。

• プロトコルレベルの仕様： docs/SCP_CORE_SPEC.md
• プロファイルシステム： docs/SCP_PROFILES.md
• このプロファイル： docs/SCP_GOLF_PROFILE.md

ゴルフエージェントにこれが必要な理由

電話への応答、ティータイムの予約、料金の提示、予約の変更を行う AI ゴルフエージェントが登場しています。問題は、多くのエージェントが会話の内容しか知らないことです。コースのこと、つまりティーシートの状態、会員向けの保護、リーグのブロック、最低価格、進行ペースのリスク、運営者の希望、類似の判断が前回どのような結果になったかを把握していません。

SCP Golf はそれらを提供し、さらに学習します。

Alpha の機能

• 合成コース Harbor Ridge Golf Club 1か所を、2026年6月6日（土）の条件でモデル化します。会員、リーグ、団体予約のブロックを含む67枠のティーシートです。
• コースを 11個の MCP リソース（読み取り専用のコンテキスト）として公開します。
• 安全な予約、価格設定、ソフトホールド、意思決定の記録、結果のフィードバック、学習インサイトのための 9個の MCP ツールを公開します。
• 4個の MCP プロンプト（再利用可能なワークフロー）を公開します。
• すべての判断を台帳に記録し、結果から学習します。運営者による上書き、進行ペースの問題、価格の拒否などを学習し、次回の類似した判断を改善します。

インストール

npm install
npm run build
npm run typecheck
npm run test

実行

npm run dev      # runs the MCP server on stdio (tsx, no build needed)
npm start        # runs the compiled server from dist/

MCP Inspector で対話的にテストします。

npx @modelcontextprotocol/inspector npm run dev

ツール

ツール	機能
get_course_context	運営状況の完全なコンテキストです。行動する前に読み取ってください。
get_available_inventory	希望時刻に近い空きティータイムを取得します。
check_booking_action	予約は許可、ブロック、要注意のいずれですか？判断を記録します。
check_pricing_action	提示価格または割引価格は許可されていますか？判断を記録します。
create_soft_hold	確定前にティータイムを一時的に確保します。
write_decision_event	判断を直接記録します。
submit_outcome_feedback	学習ツールです。 SCP に結果をフィードバックします。
get_learning_insights	SCP が学習した内容を取得します。
explain_action	ゴルファー、運営者、開発者向けに結果を説明します。

リソース

scp://course/demo とその子リソース：context、tee-sheet、 booking-policy、pricing-policy、events、weather、pace、 decision-ledger、learning-memory、soft-holds。

自己学習ループ

これが SCP の中核です。運用上の学習であり、モデルのトレーニングは行いません。

1. エージェントがツールを呼び出します。SCP は判断フィンガープリント（判断の種類を示す、バケット化された決定論的な記述）を作成します。
2. SCP は、そのフィンガープリントをキーとしてルールと学習済みメモリーを確認します。
3. SCP は安全なアクションを推奨し、判断イベントをログに記録します。
4. submit_outcome_feedback を通じてフィードバックが届きます。
5. SCP は結果を評価し、学習メモリーを更新します。
6. 一致するフィンガープリントを持つ次の判断は、そのメモリーによって方向づけられます。

デモの見どころ：土曜日の 09:00 頃を希望し、運用担当者に一度結果を上書きしてもらってから、もう一度希望を伝えます。すると SCP は、運用担当者が選んだ時間を推奨するようになります。docs/LEARNING_LOOP.md を参照してください。

ドキュメント

• docs/SCP_CORE_SPEC.md — スポーツに依存しないプロトコルです。
• docs/SCP_PROFILES.md — プロファイルシステムとロードマップです。
• docs/SCP_GOLF_PROFILE.md — Profile 001 のプリミティブマッピングです。
• docs/SCP_GOLF_SPEC.md — ゴルフの実装詳細です。
• docs/QUICKSTART.md — ローカルでの実行とテスト方法です。
• docs/DEMO_PROMPTS.md — デモ用プロンプト 10 件です。
• docs/LEARNING_LOOP.md — 学習の仕組みです。
• docs/ROADMAP.md — アルファ版以降のフェーズです。

ステータス

アルファ版です。合成データを使用しています。予約の安全性を最優先しています。判断結果から自己学習します。どのゴルフコースとも提携しておらず、どのプロバイダーとも連携しておらず、どの運用担当者にも導入されていません。

ライセンス

MIT