Sports Context Protocol

SCP Golf — Sports Context Protocol 的档案 001

面向体育领域 Agent 的上下文、安全与记忆层。首先支持高尔夫。

体育领域的 Agent 采取行动前，会先检查 SCP。之后，SCP 会从结果中学习。

SCP — Sports Context Protocol — 是面向在体育领域运行的 AI Agent 的开放上下文层。每个体育场馆都包含相同的五项基础要素：库存、规则、操作、后果和记忆。 SCP 是 Agent 在采取行动前读取这些信息，并在行动后从结果中学习的标准方式。

SCP Golf 是档案 001 — 首个可用的档案。高尔夫是最理想的切入点，因为 Agent 若不了解开球时间表状态、受保护库存、定价政策、打球节奏风险、赛事和运营方记忆，就无法安全地在球场预订、定价、调整或提供建议。高尔夫让这个问题无法被忽视。

此仓库是 SCP Golf Alpha：包含一个合成演示球场、本地 MCP 服务、预订与定价安全检查、临时保留、决策账本和自学习记忆。没有真实球场数据、集成或数据库。

• 协议级规范：docs/SCP_CORE_SPEC.md
• 档案系统：docs/SCP_PROFILES.md
• 此档案：docs/SCP_GOLF_PROFILE.md

高尔夫 Agent 为何需要它

AI 高尔夫 Agent 即将出现——接听电话、预订开球时间、报价和调整预约。问题在于：大多数 Agent 只了解对话内容，却不了解球场：开球时间表状态、会员权益保护、联赛时段、定价底线、打球节奏风险、运营方偏好，以及上次作出类似决策时发生了什么。

SCP Golf 为它们提供这些信息，并会持续学习。

Alpha 版的功能

• 为一个合成球场——Harbor Ridge Golf Club——建模，日期为 2026 年 6 月 6 日星期六：一份包含 67 个时段的开球时间表，其中设有会员、联赛和团体活动时段。
• 将球场作为 11 个 MCP 资源公开（只读上下文）。
• 提供 9 个 MCP 工具，用于安全预订、定价、临时保留、决策记录、结果反馈和学习洞察。
• 提供 4 个 MCP 提示词（可重复使用的工作流）。
• 将每项决策记录到账本，并从结果中学习——包括运营方干预、打球节奏问题和价格拒绝——让下一次类似决策更加完善。

安装

npm install
npm run build
npm run typecheck
npm run test

运行

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

使用 MCP Inspector 进行交互式测试：

npx @modelcontextprotocol/inspector npm run dev

工具

工具	功能
get_course_context	完整运营上下文——采取行动前请先读取。
get_available_inventory	查找偏好时间附近的可用开球时间。
check_booking_action	是否允许、禁止或有风险地进行预订？会写入一条决策记录。
check_pricing_action	报价或折扣价格是否允许？会写入一条决策记录。
create_soft_hold	在确认前临时保留一个开球时间。
write_decision_event	直接记录一项决策。
submit_outcome_feedback	学习工具。 将结果反馈给 SCP。
get_learning_insights	查看 SCP 学到了什么。
explain_action	面向高尔夫球手／运营方／开发者解释结果。

资源

scp://course/demo 及其子项：context、tee-sheet、 booking-policy、pricing-policy、events、weather、pace、 decision-ledger、learning-memory、soft-holds。

自学习循环

这是 SCP 的核心。这是操作层面的学习，不涉及模型训练。

1. Agent 调用工具。SCP 会构建一个决策指纹（对决策类型进行分桶、确定性的描述）。
2. SCP 会根据该指纹检查规则和已学习的记忆。
3. SCP 会推荐安全操作并记录决策事件。
4. 通过 submit_outcome_feedback 提交反馈。
5. SCP 会为结果评分并更新学习记忆。
6. 下次遇到匹配的指纹时，该决策会受到这些记忆的影响。

演示时刻：请求周六约 09:00 的时段，让操作员手动覆盖一次结果，再次发起请求——此时 SCP 会推荐操作员偏好的时间。参见 docs/LEARNING_LOOP.md。

文档

• docs/SCP_CORE_SPEC.md — 与运动项目无关的协议。
• docs/SCP_PROFILES.md — 配置档案系统和路线图。
• docs/SCP_GOLF_PROFILE.md — Profile 001 的基础映射。
• docs/SCP_GOLF_SPEC.md — 高尔夫实现细节。
• docs/QUICKSTART.md — 在本地运行和测试。
• docs/DEMO_PROMPTS.md — 10 条演示提示词。
• docs/LEARNING_LOOP.md — 学习机制的工作方式。
• docs/ROADMAP.md — Alpha 之后的阶段。

状态

Alpha 版。使用合成数据。优先保障预订安全。根据决策结果进行自学习。尚未与任何球场建立合作，尚未集成任何服务提供商，也未在任何运营方上线。

许可证

MIT