mcpField
E
Eventor API Client

Eventor API Client

本地服务
github.com/grapatin开发工具179 周前更新

关于 Eventor API Client

Eventor API Client 是面向定向越野数据的 Python 客户端和 MCP 服务,可供 AI 助手查询赛事、报名、成绩及组织数据,并提供缓存和便于 LLM 处理的数据解析。

主要功能

  1. 01获取赛事成绩、报名和组织数据
  2. 02查询每周俱乐部成绩
  3. 03查找个人赛事及指定赛事成绩
  4. 04配置 API 密钥、人员 ID 和缓存
  5. 05调试模式生成 JSON

适用场景

  1. 01汇总每周俱乐部成绩并生成报告
  2. 02查看某人在指定时段的赛事
  3. 03检查某人参加特定赛事的详细成绩

MCP 相关

向 MCP 客户端提供三个工具,用于查询每周俱乐部成绩、个人赛事,以及某人在特定赛事中的详细成绩。

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。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

Eventor API 客户端

用于集成 Eventor 定向越野 API 的 Python 客户端,可访问赛事、报名和成绩。

功能

  • 访问赛事成绩、报名和组织数据
  • 可配置缓存系统,减少 API 调用
  • 集成 MCP(Model Context Protocol)服务,为 AI 助手提供支持
  • 为 MCP 服务提供 3 个工具:
    • get_weekly_club_results() 获取每周俱乐部成绩,可用于让大模型总结成绩并生成报告
    • get_personal_events() 根据指定的 personId(配置文件中设置)和时间段获取个人赛事
    • get_detailed_result_for_event_and_person() 根据指定的赛事和 personId(配置文件中设置)获取详细成绩
  • 执行一些解析工作,并尝试以适合大模型的格式提供数据
  • 调试模式,可独立运行客户端并生成 JSON 输出以供检查
  • 可配置 API 密钥和 personId,确保安全访问

安装

  1. 克隆仓库:
git clone https://github.com/grapatin/eventor-mcp-server.git
cd eventor-mcp-server
  1. 创建虚拟环境:
uv venv .venv
source .venv/bin/activate  # On Windows, use: .venv\Scripts\activate
  1. 安装依赖:
uv pip install -r requirements.txt
  1. 配置 API 密钥:
cp eventor_config_example.py eventor_config.py
# Edit eventor_config.py with your actual API key, personId, and other settings

使用方法

如需调试,只需在调试模式下启动。该客户端包含一个 main 函数,可独立运行该函数并生成 JSON 文件,其中包含供检查的结果。

python -m eventor
为 Claude 安装 MCP 服务

将以下内容添加到 cluade_desktopr_config.json

    "Eventor Results API": {
      "command": "uv",
      "args": [
        "--directory",
        "/path/eventor-mcp-server",
        "run",
        "mcp",
        "run",
        "mcp_server.py"
      ]
    }

配置

通过 eventor_config.py 文件进行配置。此文件包含敏感信息,并通过 .gitignore 从版本控制中排除。 添加 Eventor 私钥(请联系组织的 Eventor 管理员获取)和你自己的私人 personId。(可在输出的 JSON 文件中找到)

许可证

MIT 许可证

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。