Cricket MCP

板球mcp

板球统计书呆子的梦想，直接连接到克劳德。

板球mcp 是一个MCP（模型上下文协议）服务器，从 Cricsheet 变成了一个善于思考的蟋蟀大脑。想想ESPNcricinfo的统计大师，但你只是 *用简单的英语提问* 并获得答案。

21000+场比赛。每种格式。每一个球。所有这些都位于本地DuckDB数据库中，该数据库在毫秒内响应。

它能做什么？

问克劳德这样的问题：

• *“Kohli如何在ODI中对阵Hazlewood？”*
• *“IPL经济类最佳死亡投球手”*
• *“Kohli在ODI追逐时的平均水平”*
• *“谁接近10000次试运行？”*
• *“如果没有Hazlewood，Kohli的平均水平会是多少？”*
• *“在T20中掷球重要吗？”*
• *“IPL 2024排名和最佳表现者”*
• *“哪些投球手在死亡时拥有最好的点球百分比？”*
• *“本赛季哪些击球手在进步？”*
• *“打破罗希特·夏尔马对阵英格兰每一位投球手的记录”*
• *“谁在2024年T20世界杯决赛中影响最大？”*
• *“Bumrah的最后10局T20-他状态好吗？”*

工具（共28个）

玩家统计

比赛和球队查询

记录和排行榜

场地和合作伙伴

击球手vs保龄球手对决

阶段与形势分析

团队与锦标赛

职业与趋势

撤职与开除

影响评分

出生分析

每个工具都支持过滤器： 格式 （测试/ODI/T20/IT20）， 性别, 团队, 反对, 场地, 城市, 季节, 锦标赛，以及 日期范围.

设置

先决条件

• Node.js 18+
• Claude Desktop（或任何MCP客户端）

安装

git clone https://github.com/mavaali/cricket-mcp.git
cd cricket-mcp
npm install

摄取数据

这将下载所有Cricsheet数据（约94 MB ZIP，21000多个匹配项）并将其加载到本地DuckDB数据库中：

npm run ingest

需要几分钟。您将看到以下进展：

Downloading from https://cricsheet.org/downloads/all_json.zip...
Download size: 93.7 MB
Extracted 21270 JSON files
Ingested 21270/21270 matches (10,895,339 deliveries)
Creating indexes...
=== Ingestion Complete ===
  Matches:    21270
  Deliveries: 10895339
  Players:    14406

保持数据最新

Cricsheet每天都会发布新的比赛。与其重新摄入所有内容，不如只提取最近的比赛：

npm run update          # last 7 days (default)
npm run update -- --days 2   # last 2 days
npm run update -- --days 30  # last 30 days

下载 recently_played_N_json.zip 从Cricsheet中，跳过数据库中已有的匹配项，只插入新的匹配项。需要几秒钟。

对于完整重建（例如，对历史数据进行Cricsheet更正）：

npm run ingest -- --force

丰富玩家元数据

Cricsheet数据不包括击球手或保龄球风格等球员属性。回购包括 data/player_meta.csv （从 板球数据 R包，16K玩家）添加了这些属性。在第一次摄入后运行此程序：

npm run enrich -- --csv data/player_meta.csv

这使得 get_style_matchup 工具——例如。， *“科利是如何对抗左臂配速的？”* 或 *“Bumrah对阵左撇子的记录”*.

注： 当您进行富时，MCP服务器不得运行（DuckDB只允许一个写连接）。请先退出Claude Desktop，运行命令，然后重新打开。

连接到克劳德桌面

将此添加到您的Claude Desktop配置中(~/Library/Application Support/Claude/claude_desktop_config.json 在macOS上）：

{
  "mcpServers": {
    "cricket": {
      "command": "npx",
      "args": ["tsx", "/path/to/cricket-mcp/src/index.ts", "serve"]
    }
  }
}

替换 /path/to/cricket-mcp 与实际路径。重新启动克劳德桌面。

就是这样。开始问板球问题。

连接到VS代码（复制副本）

添加 .vscode/mcp.json 在您的工作空间中：

{
  "servers": {
    "cricket-mcp": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "tsx", "/path/to/cricket-mcp/src/index.ts", "serve"]
    }
  }
}

这 -y 标志防止npx提示安装确认，这将挂起MCP stdio传输。

OneLake后端（微软Fabric）

蟋蟀mcp可以通过OneLake直接从Fabric湖屋读取Delta表，而不是本地DuckDB文件。所有26个工具的工作原理不变——DuckDB delta 和 azure 扩展处理读取。

先决条件：

• Azure CLI已安装并登录(az login)
• 一个有板球桌（球员、比赛、局数、传球）和三角洲桌的织物湖屋
• Fabric门户中的工作区ID和Lakehouse ID

CLI用法：

npx tsx src/index.ts serve --backend onelake \
  --workspace-id  \
  --lakehouse-id 

VS代码mcp.json：

{
  "servers": {
    "cricket-mcp": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y", "tsx", "/path/to/cricket-mcp/src/index.ts",
        "serve", "--backend", "onelake",
        "--workspace-id", "${env:FABRIC_WORKSPACE_ID}",
        "--lakehouse-id", "${env:FABRIC_LAKEHOUSE_ID}"
      ],
      "env": {
        "FABRIC_WORKSPACE_ID": "",
        "FABRIC_LAKEHOUSE_ID": ""
      }
    }
  }
}

注： 这 env 块很重要——VS代码不能继承shell环境变量（例如，从 .zshrc)如果从Dock或Spotlight启动。在配置中明确设置它们可确保它们始终可用。

它是如何工作的： 启动时，crick-mcp在内存中创建一个DuckDB实例，加载 delta 和 azure 扩展，通过Azure CLI进行身份验证，并在OneLake中的每个Delta表上创建视图。当数据库在后台初始化时，MCP传输立即连接——第一个工具调用等待初始化完成，后续调用立即解析。

看 板球数据工厂 用于将Cricsheet数据加载到Fabric lakehouse的完整管道。

远程托管（HTTP传输）

默认情况下，cricket-mcp对本地mcp客户端（Claude Desktop，VS Code）使用stdio传输。要远程托管服务器，请使用HTTP传输：

npx tsx src/index.ts serve --transport http --port 3000

这将在指定端口上使用单个端口启动HTTP服务器 /mcp 终点。MCP客户端通过向发送JSON-RPC请求进行连接 http://your-server:3000/mcp服务器支持多个并发客户端会话，每个会话都有自己的会话ID。

CORS标头包含在所有响应中，因此基于浏览器的MCP客户端可以开箱即用。

码头工人

构建一个自包含的Docker镜像，接收所有Cricsheet数据并通过HTTP提供服务：

docker build -t cricket-mcp .
docker run -p 3000:3000 cricket-mcp

构建需要几分钟的时间（下载约94 MB的Cricsheet数据，摄入21K多场比赛，丰富玩家元数据）。生成的图像大小约为600 MB。

要在任何云提供商上部署，请将映像推送到容器注册表，并在VM、托管容器服务（cloud run、ECS、Azure container Apps）或Kubernetes上运行。

查询示例

“Kohli在ODI对阵Hazlewood的表现如何？”

用途 get_matchup 随着 batter_name: "Kohli", bowler_name: "Hazlewood", match_type: "ODI".

“IPL最佳死亡投球手”

用途 get_phase_stats 随着 phase: "death", perspective: "bowling", event_name: "Indian Premier League", sort_by: "economy".

“Kohli在ODI追逐时的记录”

用途 get_situational_stats 随着 situation: "chasing", player_name: "Kohli", match_type: "ODI".

“谁接近10000次ODI跑步？”

用途 get_milestone_tracker 随着 milestone_type: "runs", threshold: 10000, match_type: "ODI".

“如果没有Hazlewood，Kohli的平均水平会是多少？”

用途 get_what_if 随着 player_name: "Kohli", perspective: "batting", exclude_bowler: "Hazlewood", match_type: "ODI".

“IPL 2024排名和最佳表现者”

用途 get_tournament_summary 随着 event_name: "Indian Premier League", season: "2024".

“在T20中掷球重要吗？”

用途 get_toss_analysis 随着 match_type: "T20".

“印度vs澳大利亚在测试中正面交锋”

用途 get_head_to_head 随着 team1: "India", team2: "Australia", match_type: "Test".

“科利是如何对抗左臂配速的？”

用途 get_style_matchup 随着 player_name: "Kohli", perspective: "batting", grouping: "arm".

“Bumrah对阵左撇子的记录”

用途 get_style_matchup 随着 player_name: "Bumrah", perspective: "bowling".

“谁在2024年T20世界杯决赛中影响最大？”

用途 get_match_impact 随着 match_id: "1415755" （通过查找ID search_matches 第一）。

返回阶段相对影响得分：Bumrah的2/18分之4得分为经济值 17.63 因为他在死亡回合中的4.5 RPO与平均10+的比赛死亡相比是非同寻常的。Axar Patel以47分（31分）的成绩位居榜首（136.82分）。

“本赛季哪些击球手在T20中有所进步？”

用途 get_emerging_players 随着 perspective: "batting", match_type: "T20".

“在IPL中，谁在死亡时拥有最好的点球百分比？”

用途 get_discipline_stats 随着 perspective: "bowling", phase: "death", event_name: "Indian Premier League", sort_by: "dot_ball_pct".

运作原理

1. 数据: Cricsheet 以JSON格式为每场国际和国内主要板球比赛提供免费、公开的逐球数据。
2. 存储：The ingest 命令下载、解析并将其加载到本地 鸭数据库 数据库——一个列式分析引擎，早餐吃聚合查询。
3. 服务器MCP服务器通过stdio公开了28个工具。Claude根据您的问题选择正确的工具，通过正确的过滤器，并返回统计数据。

数据库模式

星型模式中的四个表：

• 玩家 --拥有Cricsheet注册ID的14K名玩家（可选择增加击球风格、保龄球风格、角色、国家）
• 火柴 --21K场带有元数据的比赛（球队、场地、结果、锦标赛）
• 局 --局数数据（击球/保龄球队、目标、声明）
• 交付 --1090万排，每投一球一排（击球手、投球手、跑动、附加、小门）

板球逻辑处理正确

• 平均成功率 =跑动/退场（非局数）
• 球面 不包括宽体（标准惯例）
• 保龄球跑 排除byes和legbyes
• 合法交货 排除大人物和贵族
• 保龄球小门 只计算保龄球的解雇（不包括出局）
• 少女 按超水平计算
• 测试局 --追逐意味着第四局，定位球意味着第一局

数据覆盖范围和限制

所有统计数据均来自 Cricsheet 逐球数据。Cricsheet是一个开源项目，提供详细的交付级别记录，但它没有涵盖板球的全部历史。把它想象成电影中途安装的高分辨率相机。

覆盖窗口

在撰写本文时，数据会定期更新，包括2026年初之前的匹配结果。

这在实践中意味着什么

• 现役或近期球员的职业统计数据 （Smith、Kohli、Root、Bumrah等）全面可靠。
• 2002年之前首次亮相的球员的职业统计数据 这只会反映他们职业生涯的尾声。例如，Tendulkar在这里的数字大约涵盖了他过去的12年，而不是全部24年。
• 历史排行榜 它们实际上是“21世纪排行榜”。它们不应该与国际刑事法院的官方职业记录相提并论，后者涵盖了游戏的整个历史。
• 地点和正面记录 仅反映覆盖窗口内的比赛，而不是地面或两队之间的完整历史记录。

什么不受限制

在覆盖窗口内，数据是逐球的——每次传球、每次跑动、每次罚下、每次加时。阶段分析、比赛细分、命中率、点球百分比和其他细粒度指标都来自实际交付数据，而不是汇总的记分卡。

更新日志

v0.8.0

• 阶段相对影响评分：保龄球经济现在按每个阶段与该阶段比赛的平均经济进行评分。在死亡回合中放弃6个RPO（典型情况下为10+）比在中间回合中获得相同的经济效益获得更多的积分。击球获得死亡回合SR奖金（1.3倍）和动力进攻奖金（1.1倍）。

v0.7.0

• 玩家影响力评级：3个新工具(get_match_impact, get_career_impact, get_player_form)计算结合击球贡献、保龄球小门质量+经济性和防守的上下文加权影响得分
• 影响得分包括：跑动贡献率%、击球率与比赛平均值、进入难度、追逐失败折扣、小门质量（定位球/明星击球手、最高顺序、搭档休息）、经济性与比赛跑动率、防守驳回、比赛重要性（锦标赛阶段+接近度）
• 25 → 28 tools

v0.6.0

• HTTP传输: --transport http --port 3000 启动具有会话管理和CORS支持的远程托管HTTP服务器
• Dockerfile：多阶段构建，通过HTTP接收数据并提供服务-- docker build && docker run 部署

v0.5.0

• 整合匹配工具（27→25）： get_matchup 现在，您可以在一个工具中处理特定的对决、击球手与球队的细分以及对决排行榜
• 预先计算 bowling_style_broad 和 bowling_style_arm 富集期间的列--在查询时消除每行CASE表达式
• 简体 search_players 仅限玩家查询（1090万次配送不再加入）
• 为小门和比赛查询的交付添加了复合索引
• 通过以问题为导向的格式和交叉引用，对所有25个工具描述进行了细化，以实现更好的LLM工具布线
• 添加了具有特定格式日期范围的数据覆盖文档

v0.4.0

• OneLake后端：通过DuckDB直接从Microsoft Fabric湖屋读取Delta表 delta + azure 扩展(--backend onelake)
• 延迟连接初始化：MCP传输立即连接；数据库设置在后台运行。修复了OneLake扩展需要时间加载时VS Code MCP客户端超时的问题。
• VS Code .vscode/mcp.json 配置已记录

v0.3.0

• 玩家丰富管道： npm run enrich 从捆绑的CSV加载击球/保龄球风格元数据（板球数据R包中的16K玩家）
• 新 get_style_matchup 工具：按保龄球风格（速度/旋转、手臂类别）查询击球统计数据或按击球手查询保龄球统计数据
• 现有数据库的架构迁移——启动时自动添加新列
• 固定的 BOWLING_WICKET_KINDS 不在SQL模板文本中插值（影响所有wicket计数查询）

v0.2.0版本

• 合并类似工具（28→25）： get_matchup 替换了单独的击球手vs投球手/投球手vs击球手工具， get_player_stats 替换单独的击球/保龄球统计工具
• 增加了5个新工具：防守统计、解雇分析、赛季统计、球员比较、局数进展
• 提取共享常量(BOWLING_WICKET_KINDS, PHASE_OVERS)减少重复

v0.1.0

• 23个工具，涵盖球员统计、对决、记录、阶段/情境分析、球队形式、锦标赛、里程碑、新兴球员、假设情景
• 增量数据更新(npm run update)使用Cricsheet最近的比赛订阅源
• 完整摄取管道：下载→ 解析→ 加载到DuckDB
• 19评价

数据源

所有数据均来自 Cricsheet，提供免费、开放的板球数据。衷心感谢他们使这一切成为可能。

许可证

麻省理工学院