MCP Sport

Name: MCP Sport
Author: andrequeiroz2

โดย andrequeiroz2รุ่น 0.1.0i★ –iรันบนเครื่อง

ชื่อใน registryio.github.andrequeiroz2/mcp-sport

ติดตั้ง

ภาพรวม

คำอธิบายจากผู้ทำ (ภาษาอังกฤษตามต้นฉบับ)

MCP server that exposes Formula 1 data from the OpenF1 API.

สามเสาของ PopNx MCP

สามเรื่องนี้ไม่รวมเป็นคะแนนเดียว เพราะความเห็น การวัด และความนิยม เป็นคนละเรื่องกัน

เสียงผู้ใช้iยังไม่มีรีวิวรีวิวเปิดพร้อมระบบบัญชีในขั้นถัดไป
ผลตรวจเบื้องต้นของเราiผ่าน 1 จาก 1 ข้อตรวจจากข้อมูลที่เปิดอยู่ ยังไม่ได้สแกนโค้ด
การใช้งานiยังไม่ได้วัด★ –

ใช้ทำอะไรได้

ตัวนี้ยังไม่ได้เรียบเรียงเป็นภาษาไทย ด้านล่างคือข้อเท็จจริงที่เราอ่านจาก registry

การเชื่อมต่อ: รันบนเครื่อง
ช่องทาง (transport): stdio
หมวด: เกม กีฬา อาหาร และการเรียน

ติดตั้ง

เลือกโปรแกรม AI ที่คุณใช้ แล้วคัดลอกค่าตั้งไปวาง

ก่อนติดตั้ง

ผลตรวจเบื้องต้น: ผ่าน 1 จาก 1 ข้อ
รันในเครื่องคุณด้วยสิทธิ์ของผู้ใช้คุณ (ไฟล์ อินเทอร์เน็ต แอปต่าง ๆ)
ทะเบียนไม่ได้ระบุ key ที่ต้องใส่

ต้องเตรียมก่อน

PyPIติดตั้ง uv ของ Python (มีคำสั่ง uvx) ในเครื่อง

คุณใช้แอปไหน

ClaudeClaude CodeCursorVS CodeChatGPT

เลือกแอปด้านบน เราจำไว้ให้ ครั้งหน้าปุ่มจะขึ้นว่า “ติดตั้งลง …”

เปิด Claude Desktop → Settings → Developer → Edit Config แล้ววางค่านี้ในไฟล์ claude_desktop_config.json

{
  "mcpServers": {
    "sport": {
      "command": "uvx",
      "args": [
        "mcp-sport"
      ]
    }
  }
}

พิมพ์คำสั่งนี้ใน Terminal

claude mcp add sport -- uvx mcp-sport

เปิดใน Cursor

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .cursor/mcp.json ของโปรเจกต์ หรือ ~/.cursor/mcp.json

{
  "mcpServers": {
    "sport": {
      "command": "uvx",
      "args": [
        "mcp-sport"
      ]
    }
  }
}

เบราว์เซอร์จะถามก่อนเปิดแอป จากนั้นแอปแสดงค่าตั้งให้ตรวจแล้วกดยืนยัน ช่อง key เว้นว่างไว้ให้คุณใส่เอง

เปิดใน VS Code

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .vscode/mcp.json ของโปรเจกต์

{
  "servers": {
    "sport": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "mcp-sport"
      ]
    }
  }
}

ตัวนี้รันในเครื่องคุณ แต่ ChatGPT ต่อได้เฉพาะ server บนอินเทอร์เน็ต ลองเลือกแอปอื่น

ตัวเลือกเก็บในคุกกี้บนเครื่องนี้ ไม่ต้องมีบัญชี

ค่าตั้งนี้สร้างจากข้อมูลใน registry ของผู้ทำ ถ้าไม่ตรงกับ README ให้เชื่อ README

ทำอะไรได้บ้าง

รันในเครื่องคุณ รายการเครื่องมือจะขึ้นในแอป AI หลังติดตั้ง

ผลตรวจเบื้องต้นi

เราตรวจจากข้อมูลที่ใครก็เปิดดูได้ ยังไม่ได้อ่านโค้ด ข้อที่ไม่เกี่ยวกับตัวนี้ไม่นับในตัวหาร · ตรวจเมื่อ 7 พ.ย. 2569

✓ ผ่าน
ตัวตนผู้ทำตรงกับ repo
ชื่อใน registry ยืนยันด้วยบัญชี GitHub andrequeiroz2 ซึ่งเป็นเจ้าของ repo
… ยังไม่ตรวจ
ยังมีคนดูแล
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
… ยังไม่ตรวจ
มีสัญญาอนุญาต (license)
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
– ไม่เกี่ยว
endpoint ตอบ
ตัวนี้รันบนเครื่องคุณ ไม่มี endpoint บนอินเทอร์เน็ต
– ไม่เกี่ยว
ล็อกอินแบบ OAuth
ตัวนี้รันบนเครื่อง ใช้ค่าที่ตั้งในเครื่องแทน
… ยังไม่ตรวจ
คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง
รันในเครื่องคุณ เราอ่านรายการเครื่องมือได้เฉพาะตัวที่มี endpoint บนอินเทอร์เน็ต

เทียบกับตัวอื่นในหมวด เกม กีฬา อาหาร และการเรียนi

ดาวมากกว่า 0% ของอีก 1283 ตัวในหมวดนี้
ส่งรุ่นใหม่เข้า registry ล่าสุดกว่า 37% ของอีก 1283 ตัวในหมวดนี้
ผลตรวจเบื้องต้นดีกว่าหรือเท่ากับ 100% ของอีก 1283 ตัวในหมวดนี้

เทียบกับทุก server ที่ยังใช้งานในหมวดนี้ทั้งทะเบียน ดาวนับเฉพาะเมื่อผู้ลงทะเบียนเป็นเจ้าของ repo

คำถามที่พบบ่อย

MCP Sport ปลอดภัยไหม?

จากการตรวจเบื้องต้นของเรา ผ่าน 1 จาก 1 ข้อที่ตรวจได้ เรายังไม่ได้อ่านโค้ด ก่อนใส่กุญแจหรือ token ให้ดูว่า server ขอสิทธิ์อะไร และเลือกกุญแจที่ทำได้เท่าที่จำเป็น

ต้องใช้กุญแจหรือรหัสอะไรบ้าง?

registry ไม่ได้ระบุว่าต้องใช้กุญแจ แต่บางตัวจะขอให้ล็อกอินตอนใช้ครั้งแรก

ตัวนี้รันบนเครื่องหรือบนคลาวด์?

รันบนเครื่องของคุณ โปรแกรม AI จะเปิด server ขึ้นมาเองเมื่อใช้ ข้อมูลไม่ต้องผ่านเซิร์ฟเวอร์ของผู้ทำ (ยกเว้นตัวที่ไปเรียกบริการออนไลน์ต่อ)

ยังมีคนดูแลอยู่ไหม?

repo บน GitHub มีการแก้โค้ดล่าสุด – และส่งรุ่นล่าสุด (0.1.0) เข้า registry 2 เดือนที่ผ่านมา

ใช้กับโปรแกรมไหนได้บ้าง?

โปรแกรมที่รองรับ MCP เช่น Claude Desktop, Claude Code, Cursor และ VS Code ตัวนี้ต้องมี Python (uv) ในเครื่องด้วย

มีตัวไหนใช้แทนได้บ้าง?

ในหมวดเดียวกันมี slopped.site, Artsonia MCP, Canvas Parent MCP

ตัวที่ใช้แทนได้

server หมวดเดียวกันจากผู้ทำคนอื่น เรียงตามดาว

อ่านการ์ด:★ ดาว GitHubiสามเสา: รีวิว · ผลตรวจ · การใช้งานiอัปเดต = วันที่ส่งรุ่นล่าสุดเข้า registryi

slopped.site

โดย slopped.site

Read-only tools over slopped.site: AI-made art, lore, games, sites, the curriculum.

รันบนคลาวด์อัปเดต วันนี้

ติดตั้ง

Artsonia MCP

โดย chrischall

Parent/fan access to Artsonia student-art portfolios, comments, and fans (AI-built).

รันบนเครื่องอัปเดต วันนี้

ติดตั้ง

Canvas Parent MCP

โดย chrischall

Canvas LMS (Instructure) for Claude — courses, grades, assignments, planner, files

รันบนเครื่องอัปเดต วันนี้

ติดตั้ง

README จากผู้ทำ

เปิดอ่าน README

ส่วนนี้คัดจาก repo ของผู้ทำตามต้นฉบับ PopNx MCP ไม่ได้ตรวจหรือรับรองเนื้อหา ตัด HTML รูปภาพ และสคริปต์ออกแล้ว ลิงก์จะพาออกนอกเว็บ

MCP Sport — F1 Telemetry MCP 🏎️

An MCP (Model Context Protocol) server that exposes Formula 1 data from the OpenF1 API as tools for AI assistants (Claude Desktop, Cursor, MCP Inspector, etc.).

Full coverage: 18 data tools matching the 18 documented OpenF1 endpoints — sessions, meetings, drivers, results, laps, pit stops, stints, telemetry, weather, championships and more. Two MCP App views sit on top of that data: a drivers standings board and an animated race replay. Hosts that render MCP Apps show the HTML. Cursor and Claude Desktop do not: they return the same payload as JSON.

Stack

Layer	Technology
Language	Python 3.13+
MCP framework	FastMCP 4.x
Validation	Pydantic v2
Data	OpenF1 API (REST, free for historical data 2023+)
Project management	uv + pyproject.toml
Transport	stdio

Installation

# Clone and install dependencies

git clone https://github.com/andrequeiroz2/mcp-sport.git mcp-sport cd mcp-sport uv sync

Usage

Run the server (stdio)

.venv/bin/python src/mcp_sport/server.py

MCP Inspector (web UI to test the tools)

npx @modelcontextprotocol/inspector@latest .venv/bin/python src/mcp_sport/server.py

In the Inspector UI: transport STDIO, command .venv/bin/python, args src/mcp_sport/server.py → Connect.

Claude Desktop / Cursor

Add to the client's MCP configuration:

"mcpServers": { "f1-telemetry": { "command": "/absolute/path/mcp-sport/.venv/bin/python", "args": ["/absolute/path/mcp-sport/src/mcp_sport/server.py"] } } }

The 18 data tools work in both clients. The views do not render there.

Views (MCP Apps)

get_drivers_championship_view and get_race_replay_view return interactive HTML. Cursor and Claude Desktop are incompatible with MCP Apps: they ignore the UI and show the JSON payload. The MCP Inspector also treats the result as text.

The views were validated in the official basic-host from modelcontextprotocol/ext-apps. The server must be HTTP, with CORS exposing the MCP session headers. Otherwise the browser cannot complete the Streamable HTTP handshake.

Terminal 1 — MCP server on port 8765:

uv run python -c "

import uvicorn from starlette.middleware import Middleware from starlette.middleware.cors import CORSMiddleware from mcp_sport.server import mcp

app = mcp.http_app(middleware=[Middleware( CORSMiddleware, allow_origins=['*'], allow_methods=['*'], allow_headers=['*'], expose_headers=['mcp-session-id', 'mcp-protocol-version'], )]) uvicorn.run(app, host='127.0.0.1', port=8765) "

Terminal 2 — basic-host (needs Node.js; npm start requires bun, so use tsx):

git clone --depth 1 https://github.com/modelcontextprotocol/ext-apps.git

cd ext-apps/examples/basic-host npm install npm run build SERVERS='["http://127.0.0.1:8765/mcp"]' npx tsx serve.ts

Open http://localhost:8080 (sandbox on :8081) and call get_drivers_championship_view or get_race_replay_view. After a change to the view HTML, hard-refresh the page (Ctrl+Shift+R) before running the tool again. The host caches the ui:// resource.

Available tools (18)

Domain	Tool	Description
Navigation	`get_sessions`	Sessions (practice, qualifying, sprint, race)
	`get_meetings`	Grand Prix and testing weekends
Registry	`get_drivers`	Drivers by session/meeting
Results	`get_session_results`	Final classification of a session
	`get_starting_grid`	Starting grid
	`get_positions`	Position history throughout a session
Race	`get_laps`	Lap times, sectors and speeds
	`get_pit_stops`	Pit stops
	`get_stints`	Stints and tyre compounds
	`get_intervals`	Real-time gaps (leader and car ahead)
	`get_race_control`	Flags, safety car, incidents
Context	`get_weather`	Track weather (per-minute samples)
	`get_overtakes`	Overtakes
	`get_team_radio`	Team radio excerpts (MP3)
Telemetry	`get_car_data`	Speed, RPM, gear, throttle, brake, DRS (~3.7 Hz)
	`get_location`	Approximate car position on the circuit (~3.7 Hz)
Championships	`get_drivers_championship`	Drivers standings (beta)
	`get_teams_championship`	Teams standings (beta)

Example conversation with the AI

"How many points did Norris score in the last two races?"

The AI orchestrates: get_sessions(session_type="Race") to discover recent sessions → get_session_results(session_key=..., driver_number=4) on each one.

Project structure

src/mcp_sport/

├── server.py # Entrypoint: FastMCP instance + tool registration ├── exceptions.py # Domain exceptions ├── logging_config.py # Logging to stderr (stdout is the protocol channel) ├── clients/openf1.py # Single OpenF1 HTTP client ├── schemas/ # Pydantic: input (BaseInput) and output per endpoint ├── validators/ # Business validations per endpoint ├── services/ # Orchestration per endpoint ├── tools/ # MCP tools (thin layer) per endpoint └── apps/ # MCP App views (Custom HTML, ui:// resource) ├── championship_view.py # Drivers standings board └── race_replay_view.py # Animated race replay

Canonical documentation

Document	Contents
`docs/Technical_Reference.md`	Stack, versions and official links (source of truth)
`docs/Architectural_Design.md`	Implementation patterns and procedure for new endpoints
`docs/Logging_Strategy.md`	Logging strategy (stderr + per-request telemetry)
`tasks/`	History of planned and executed tasks

Configuration

Variable	Default	Description
`MCP_SPORT_LOG_LEVEL`	`INFO`	Log level on stderr (`DEBUG`, `INFO`, `WARNING`, `ERROR`)

Known limitations

Historical data from 2023 onwards; real-time data requires a paid OpenF1 subscription
session_result and starting_grid return HTTP 404 until official results are published
Telemetry (car_data, location) returns 18–24k samples per session/driver. Narrow the call with range filters such as speed_min and date_from/date_to
Championship endpoints are in beta on OpenF1

License

MIT. OpenF1 is an unofficial project, not associated in any way with the Formula 1 companies.

MCP Sport

ภาพรวม

สามเสาของ PopNx MCP

ใช้ทำอะไรได้

ติดตั้ง

ก่อนติดตั้ง

ทำอะไรได้บ้าง

ผลตรวจเบื้องต้นi

ตัวตนผู้ทำตรงกับ repo

ยังมีคนดูแล

มีสัญญาอนุญาต (license)

endpoint ตอบ

ล็อกอินแบบ OAuth

คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง

เทียบกับตัวอื่นในหมวด เกม กีฬา อาหาร และการเรียนi

คำถามที่พบบ่อย

ตัวที่ใช้แทนได้

slopped.site

Artsonia MCP

Canvas Parent MCP

README จากผู้ทำ

MCP Sport — F1 Telemetry MCP 🏎️

Stack

Installation

Usage

Run the server (stdio)

MCP Inspector (web UI to test the tools)

Claude Desktop / Cursor

Views (MCP Apps)

Available tools (18)

Example conversation with the AI

Project structure

Canonical documentation

Configuration

Known limitations

License