nba
基于Python的MCP工具，提供实时与历史的NBA数据服务。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：nba。 它的用途是：基于Python的MCP工具，提供实时与历史的NBA数据服务。 完整的 Skill 内容见：https://321skill.com/skills/nba/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我查一下洛杉矶湖人队昨天的比赛结果和勒布朗·詹姆斯的数据。”，它会通过该Skill调用NBA数据服务，返回结构化的比赛摘要和球员技术统计。或者
对AI说：“生成一份金州勇士队本赛季至今的场均得分分析报告。”，它能获取相关数据并协助你进行分析和总结。
介绍
这个Skill是一个基于Python开发的MCP（Model Context Protocol）服务器，旨在为AI助手或开发者提供一个标准化的接口，方便地获取NBA相关的实时与历史数据。它解决了在数据分析、内容创作或应用开发中，需要手动查找和整合零散NBA数据的痛点。
通过将NBA数据服务封装为MCP工具，用户可以在支持MCP的AI平台（如Claude Desktop）中直接调用，通过自然语言查询即可获得结构化的比赛结果、球员统计、球队排名等信息，无需离开对话环境或编写复杂的爬虫代码。
它非常适合体育内容创作者、数据分析师、全栈开发者以及对NBA数据有需求的爱好者。无论是撰写赛评、制作数据可视化报告，还是开发与NBA相关的应用原型，都能从中受益。
使用前请确保已配置好MCP客户端环境。由于数据源依赖外部API，查询结果的实时性和完整性可能受限于上游服务。建议在需要快速获取结构化NBA数据的场景下使用，对于深度历史研究或高频交易策略，可能需要结合其他专业数据源。
核心特点
核心区别在于它专为MCP生态设计，提供了标准化的NBA数据接口，使得AI助手能像调用内置函数一样直接获取数据，无需用户进行复杂的API对接或数据清洗。
注意事项
不适合需要超高频、毫秒级实时数据或极其冷门历史数据的量化交易或学术研究场景。
常见问题
这个Skill能获取哪些NBA数据？
可以提供实时比分、赛程、球员与球队统计数据、历史比赛记录等常见信息。
需要自己申请NBA的API密钥吗？
通常不需要，该Skill已集成数据服务，但具体依赖需查看仓库说明。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/nba/raw/index.md 读取 nba 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/nba/raw/index.md（查看排版版本）