Fastf1 MCP

fastf1 mcp


一 主控程序 通过以下方式向AI助手公开F1数据的服务器 FastF1 图书馆。向克劳德（或任何兼容MCP的客户）询问有关比赛结果、圈速、遥测、排名等问题。

______________________________________________________________________

特性

• 21工具 包括排名、比赛结果、圈速、遥测、进站和排位赛
• 4 MCP资源 用于计划、驱动程序、构造程序和电路参考数据
• 5个引导提示 用于比赛回顾、排位赛分析、策略深度潜水和周末预览
• 异步安全 LRU会话缓存 --第一次加载后立即重复查询
• 基于距离的遥测采样——压缩到≤500点的大型原始数据集
• 所有错误都以结构化字典的形式返回——服务器永远不会因输入错误而崩溃

______________________________________________________________________

需求

• Python 3.12+
• 紫外线 （推荐）或pip

______________________________________________________________________

安装

紫外线（推荐）

git clone https://github.com/Surya96t/fastf1-mcp
cd fastf1-mcp
uv sync

使用pip

pip install fastf1-mcp-server

______________________________________________________________________

运行服务器

# via uv (development)
uv run fastf1-mcp-server

# or directly
python -m fastf1_mcp

MCP检查员（开发/调试）

# Option A — official npx inspector
npx @modelcontextprotocol/inspector uv --directory . run fastf1-mcp-server

# Option B — fastmcp wrapper
uv run fastmcp dev inspector -m fastf1_mcp.server --with-editable .

两人都打开了检查员 http://localhost:6274.

______________________________________________________________________

Claude桌面配置

添加以下内容 ~/Library/Application Support/Claude/claude_desktop_config.json （macOS）或 %APPDATA%\Claude\claude_desktop_config.json （Windows）：

{
  "mcpServers": {
    "fastf1": {
      "command": "uv",
      "args": ["run", "fastf1-mcp-server"],
      "cwd": "/absolute/path/to/fastf1-mcp",
      "env": {
        "FASTF1_MCP_LOG_LEVEL": "INFO",
        "FASTF1_MCP_MAX_CACHED_SESSIONS": "10"
      }
    }
  }
}

保存后重新启动Claude Desktop。服务器名称 fastf1 将出现在工具面板中。

______________________________________________________________________

配置

所有设置都是从环境变量中读取的 FASTF1_MCP_ 前缀。

导出完整数据集以供分析

get_lap_times, get_stint_analysis, get_lap_telemetry，以及 compare_telemetry 当用户 需要文件而不是内联JSON。

导出有两种触发方式：

1. 汽车出口 （默认为大响应）--当响应

批量阵列将超过 FASTF1_MCP_AUTO_EXPORT_ROWS 行（默认值50）， 服务器将其写入CSV FASTF1_MCP_EXPORT_DIR 以及回应 携带 exportPath 一 note 而不是数组。这抓住了 全程单圈时间查询、全程网格分段分析和200分 遥测跟踪——这正是MCP客户端可能会遇到的情况 将响应悄悄地溢出到不透明的临时文件中。

1. 明确的 export_path 参数 --将其传递给工具调用：

- export_path=True → 写信给 /.csv - export_path="data/laps" → 将自动命名文件写入给定目录 - export_path="data/ver-monaco.csv" → 写入该文件

这 summary 字段始终包含在内，因此仅聊天的用户仍然可以 在没有开场的情况下回答“最快圈速是什么/策略是什么” 文件。相对路径解析不利于MCP服务器的工作 目录——在克劳德桌面下，这是 cwd 在MCP中设置 config，因此默认情况下文件会放置在用户的项目目录中。

______________________________________________________________________

工具

快速查找（Ergast API-1950至今）

会话数据（FastF1实时计时-2018年至今）

遥测（FastF1实时计时-2018年至今）

效用

______________________________________________________________________

资源

______________________________________________________________________

提示

______________________________________________________________________

示例查询（Claude Desktop）

Who won the 2024 Monaco Grand Prix and what was the strategy?
→ use race_recap prompt or call get_session_results + get_stint_analysis

Compare Verstappen and Leclerc's telemetry in 2024 Monaco qualifying
→ compare_telemetry(2024, "Monaco", "Q", "VER", "LEC")

Who had the fastest theoretical lap in 2024 Silverstone qualifying?
→ get_sector_times(2024, "Silverstone", "Q")

Show me the 2024 constructor standings after round 10
→ get_constructor_standings(2024, after_round=10)

______________________________________________________________________

发展

# Install dev dependencies
uv sync --dev

# Run tests
uv run pytest

# Run tests with coverage
uv run pytest --cov=fastf1_mcp

# Lint
uv run ruff check src/

______________________________________________________________________

数据来源和覆盖范围

注： FastF1会话数据仅从2018年起可用。使用 get_race_results_historical 对于早期的季节。

______________________________________________________________________

许可证

麻省理工学院