mcpField
S
stathead-mcp

stathead-mcp

本地服务
github.com/dachhack游戏娱乐3今天更新

关于 stathead-mcp

stathead-mcp 将 NFL 球员、比赛、幻想橄榄球及 Sleeper 联赛数据提供给 MCP 客户端,适合分析球员表现和管理球队。它还支持导入 Excel 自定义预测与排名,并让后续查询采用这些数值。

主要功能

  1. 01查询球员、球队与比赛数据
  2. 02获取预测、排名和交易估值
  3. 03查看 Sleeper 联赛与交易
  4. 04分析新秀及选秀数据
  5. 05导入和导出 Excel 工作簿

适用场景

  1. 01比较球员周度表现与预测
  2. 02评估 Sleeper 联赛阵容和交易
  3. 03查看新秀前景与选秀结果
  4. 04用自定义排名驱动查询

MCP 相关

这是一个 MCP 服务,通过 stdio 或 Streamable HTTP 向 Claude、Cursor 等 MCP 客户端提供 NFL 数据工具。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"dachhack-stathead": {
"command": "npx",
"args": [
"-y",
"stathead-mcp"
]
}
}
}
启动命令npx -y stathead-mcp

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
npmstathead-mcp1.0.113

工具

55

收录的工具列表 · 更新于 2 周前

此工具无需参数。

详细介绍

stathead-mcp

一个 MCP 服务,可将 StatHead 的 NFL Fantasy 数据分析工具集提供给 Claude(Desktop / Code)、Cursor 或任何 MCP 客户端使用 — 你可以用自然语言提问,并获取实时、结构化的 NFL 数据。

它以单个自包含软件包的形式发布,没有运行时依赖项,并按需获取所有数据,因此无需下载或构建 — 运行 npx 即可。

你可以获得什么

涵盖球员和球队数据的 50 个工具,包括:

领域工具
数据发现get_metadata — 数据来源、赛季覆盖范围和有效枚举值(先调用此工具,为问题确定范围)
球员赛季统计、每周/比赛日志、上场次数、伤病、进阶统计、Next Gen Stats、球队名单、合同、get_depth_charts(包含名单状态、StatHead 深度顺序以及用于查看人员变动的 view=changes 的球队位置深度图)
比赛与进攻回合赛程/结果、逐回合数据、参与情况、FTN 图表数据
FantasyStatHead 融合版 dynasty 估值、get_trade_values(根据数百万笔已完成的 Sleeper dynasty 交易拟合的 StatHead 估值:按周提供指定日期的估值及 90% 范围、变动者、流动性、计分规则重新估值、1/3/6/12 个月预测、新秀选秀权类别和历史数据)、get_projections(StatHead 自研赛季场均得分模型)、get_weekly_projections(第 1–18 周经过对阵调整的每周得分)、get_matchups(每周对阵强度:各防守方每场允许 QB/RB/WR/TE 得到的 Fantasy 分数;按你的计分规则以及高于预期的分数从第 1–32 名排列;可按周、球员、剩余赛程查看,或按 TE 接球数、QB 冲球等指标拆分)、ADP(FFC / ESPN / Sleeper)、get_adp_with_results(ADP 与实际排名对比)、热门添加/移除球员
Sleeper 联盟get_sleeper_user_leagues、get_sleeper_league(排名 + 球队名单)、get_sleeper_league_users(轻量级经理人列表)、get_sleeper_matchups、get_sleeper_transactions(交易/弃用线申请/添加球员)、get_sleeper_waiver_wire(自由球员 × 热门球员 × 预测)、get_sleeper_draft、get_sleeper_user_snooper(跨联盟持有情况)、get_sleeper_user_history(多赛季战绩 + 冠军头衔)— 构成一张关联图:用户名可列出联盟,联盟名称(或 ID)可打开该联盟,每位经理人的 owner_id/显示名称则可进一步查看其联盟、持有情况和历史记录
选秀与大学get_prospect_outcomes(校准后的高成/低成概率 + 等级)、选秀权、get_rookie_class(一次调用即可获取选秀 + 联合训练营 + 新秀统计数据)、新秀档案、联合训练营、大学统计(球员或群体)、QBR
模型与方法论get_model_docs(模型的运作方式 + 各位置特征的重要性)、get_player_features(球员评分依据 — 特征驱动因素、区间、方向)
你自己的数据export_excel / import_excel / clear_overrides — 下载包含样式的预测/排名/新秀排名工作簿(或带实时 PPR 公式的 by_team 预测表),编辑后重新上传,即可让你的数值应用于之后的所有查询
使用你自己的预测与排名

网站提供下载的同一批数据表也可通过 MCP 以实际的 .xlsx 文件形式获取(使用 Node 自带的 zlib 构建,无需额外依赖):

  1. export_excel kind="projections"(或 rankings、rookie_rankings)会将带样式的工作簿写入磁盘并返回其路径。在 Excel 或 Google Sheets 中编辑高亮列 — 预测数据编辑 Proj PPG,排名/新秀排名编辑 My Rank。
  2. import_excel path="…" 会读取该文件,并将你的数值保存为覆盖值。
  3. 随后,get_projections、get_fantasy_rankings 和 get_prospect_outcomes 会自动使用你的数值(并在输出中标记),直到你运行 clear_overrides。

工作簿默认保存到 $STATHEAD_DIR(或当前工作目录);传入 path 可选择保存位置。覆盖值会持久保存到 $STATHEAD_DIR/~/.stathead/overrides.json。

快速开始

直接运行——无需安装或克隆:

npx -y stathead-mcp

它通过 stdio 使用 MCP 通信,因此通常会将它接入客户端,而不是手动运行。

Claude Desktop

添加到 ~/Library/Application Support/Claude/claude_desktop_config.json (macOS)或 %APPDATA%\Claude\claude_desktop_config.json(Windows):

{
  "mcpServers": {
    "stathead": {
      "command": "npx",
      "args": ["-y", "stathead-mcp"]
    }
  }
}
Claude Code
claude mcp add stathead -- npx -y stathead-mcp
Cursor / 其他 MCP 客户端

在客户端的 MCP 配置中使用相同的 command/args(npx -y stathead-mcp)。

Claude 移动应用 / claude.ai 网页版 / Claude Desktop(远程连接器)

更喜欢使用 URL 而非本地命令?相同的工具通过 Cloudflare Worker(workers/stathead-mcp/,通过 deploy-workers.yml 部署)使用 MCP 的 Streamable HTTP 传输协议托管:

https://stathead-mcp.dachhack.workers.dev

在 Settings → Connectors → Add custom connector 下添加,粘贴 URL 并保存——无需命令或 API 密钥。(对此 URL 发送 GET 请求会返回一小段健康状态数据;客户端会向其发送 POST JSON-RPC 请求。)上文的 npm/stdio 包仍是 Claude Code 和 Cursor 的使用方式。

Worker 会记录尊重隐私的使用计数器(仅记录 MCP 方法和工具名称——不记录 IP 地址或请求正文),并写入 Cloudflare Analytics Engine 数据集(stathead_mcp_usage)。设置 Worker 密钥(wrangler secret put …)中的 CF_ACCOUNT_ID + CF_ANALYTICS_TOKEN 后,可通过 GET /stats 查看汇总数据,也可以在 Cloudflare 控制面板中查询该数据集。npm 下载量不包含远程连接器的使用情况——此处会记录。

数据源与新鲜度

大多数工具会从开放的上游数据源(nflverse、Sleeper、FantasyFootballCalculator、ESPN 的公开端点)实时获取数据。少数工具读取已提交的每日快照(StatHead 的混合 Dynasty 估值、ADP 历史数据、内部赛季预测),默认由服务从托管的 StatHead 网站获取这些快照。

在重新分发此服务返回的任何数据之前,请先查看 DATA_SOURCES.md——若干上游数据源具有专有性或需要付费,并且各自有适用的条款。

配置

所有配置项均为可选,通过环境变量设置:

Var默认值用途
STATHEAD_DATA_BASEGitHub raw(data 分支)已提交快照数据的基础 URL(<base>data/<file>)。默认使用 GitHub raw,它会可靠地提供未压缩的所有文件(Cloudflare 主机会对超过其 25 MiB 上限的文件进行 gzip 压缩,而 Node 无法解码)。可覆盖此值以指向你自己的部署或本地 http://localhost:5173/ 开发服务器。
VITE_KTC_PROXY项目 WorkerKeepTradeCut 的 CORS 代理。部署自己的代理(workers/ktc-proxy),以避免共享速率限制。
VITE_FC_PROXY项目 WorkerFantasyCalc 的 CORS 代理(workers/fc-proxy)。
VITE_ODDS_API_KEY—启用投注赔率工具(the-odds-api.com)。

改为从完整的仓库检出版本运行?此服务会直接从本地 public/data/ 读取快照,并忽略 STATHEAD_DATA_BASE。

从源代码构建

此捆绑包由 StatHead monorepo 构建:

# from the repo root
npm install
npm run build:mcp      # → mcp/dist/server.mjs (esbuild, single file)
node mcp/dist/server.mjs

发布

更新 mcp/package.json 中的 version 和 mcp/dist/server.mjs 中的 SERVER_VERSION(两者必须一致),合并到默认分支,然后任选以下一种方式:

git push -f origin <commit>:publish-mcp-now        # branch-push trigger (works from Claude Code sessions)
git tag mcp-v1.2.3 && git push origin mcp-v1.2.3   # tag trigger
# or Actions → "Publish stathead-mcp to npm" → Run workflow

publish-mcp.yml 会拒绝已发布到 npm 的版本,以及尚未进入默认分支的提交;它会对捆绑包进行冒烟测试,通过 npm Trusted Publishing 发布,然后接续发布到 MCP Registry。手动备用方式:

npm run build:mcp                  # repo root — refresh the bundle
cd mcp && npm publish --access public

已发布的 tarball 仅包含 dist/server.mjs 和此 README(约 220 KB)。

在 MCP 注册表中列出

server.json 是官方 MCP 注册表 (io.github.dachhack/stathead-mcp)的清单。发布到 npm 后, 发布到 MCP 注册表工作流(.github/workflows/publish-mcp-registry.yml) 会将其推送到注册表——通过 GitHub OIDC 对 io.github.dachhack/* 命名空间进行身份验证(无需密钥)。npm 包包含匹配的 mcpName 字段,以便 注册表验证该包属于此条目;工作流还会从 package.json 同步 server.json 的版本,确保二者始终一致。

大多数社区目录(Glama、mcp.so、PulseMCP)会镜像官方注册表,和/或自动索引带有 model-context-protocol 关键词的公开 npm 包(package.json 中已包含该关键词), 因此发布到注册表后也会同步到这些目录。

许可证

MIT — 请参阅 ../LICENSE。代码采用 MIT 许可证;它返回的数据 不一定可以再分发。请参阅 DATA_SOURCES.md。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。