Servidor MCP (Model Context Protocol)
Configuração em 10 segundos para conectar o VLRdevAPI ao Claude Desktop, Cursor, Claude Code, Windsurf, OpenCode, DeepSeek, Codex, Grok e agentes de IA.
Conecte qualquer assistente de código com IA ou agente autônomo diretamente aos dados de esports em tempo real do Valorant sem configuração complexa, sem hospedagem e sem necessidade de chaves de API (API keys).
# Claude Code CLI (comando único)
claude mcp add vlrdevapi -- uvx --from "vlrdevapi[mcp]" vlrdevapi-mcpOu adicione o JSON de configuração no seu cliente:
{
"mcpServers": {
"vlrdevapi": {
"command": "uvx",
"args": ["--from", "vlrdevapi[mcp]", "vlrdevapi-mcp"]
}
}
}Configuração em 10 Segundos por Cliente
Claude Code CLI
Execute este comando único no seu terminal:
claude mcp add vlrdevapi -- uvx --from "vlrdevapi[mcp]" vlrdevapi-mcpO Claude Code instalará o servidor sob demanda, registrará as 40 ferramentas e as disponibilizará imediatamente na sua sessão.
Claude Desktop
Abra seu arquivo de configuração:
- macOS:
~/Library/Application Support/Claude/claude_desktop_config.json - Windows:
%APPDATA%\Claude\claude_desktop_config.json - Linux:
~/.config/Claude/claude_desktop_config.json
Adicione vlrdevapi sob a chave mcpServers:
{
"mcpServers": {
"vlrdevapi": {
"command": "uvx",
"args": ["--from", "vlrdevapi[mcp]", "vlrdevapi-mcp"]
}
}
}Reinicie o Claude Desktop. O ícone de martelo exibirá mais de 40 ferramentas de Valorant disponíveis.
Cursor IDE
- Abra Cursor Settings → Features → MCP Servers.
- Clique em Add New MCP Server.
- Nome:
vlrdevapi, Tipo:command, Comando:uvx --from "vlrdevapi[mcp]" vlrdevapi-mcp.
Ou adicione diretamente em .cursor/mcp.json no seu workspace:
{
"mcpServers": {
"vlrdevapi": {
"command": "uvx",
"args": ["--from", "vlrdevapi[mcp]", "vlrdevapi-mcp"]
}
}
}Windsurf / Codeium
Adicione em ~/.codeium/windsurf/mcp_config.json:
{
"mcpServers": {
"vlrdevapi": {
"command": "uvx",
"args": ["--from", "vlrdevapi[mcp]", "vlrdevapi-mcp"]
}
}
}Editor Zed
No arquivo settings.json do Zed:
{
"context_servers": {
"vlrdevapi": {
"command": "uvx",
"args": ["--from", "vlrdevapi[mcp]", "vlrdevapi-mcp"]
}
}
}Agentes de IA Autônomos (OpenCode, DeepSeek, Codex, Grok, etc.)
Para agentes autônomos ou frameworks LLM customizados, basta configurar o executor de ferramentas para rodar:
uvx --from "vlrdevapi[mcp]" vlrdevapi-mcpPrompt Pronto para Inserir no seu Agente
Você pode colar esta instrução de sistema em qualquer agente:
Integração de Dados de Esports do Valorant: Você tem acesso ao servidor VLRdevAPI Model Context Protocol (MCP). Execute-o via stdio padrão usando
uvx --from "vlrdevapi[mcp]" vlrdevapi-mcp.
- Use ferramentas compostas como
get_match_full_context(series_id)eget_team_overview(team_id)para consultas abrangentes.- Use
matches_live()ematches_upcoming()para calendários de jogos.- Use
player_agents(player_id)eget_player_career_summary(player_id)para análise de jogadores.- Nenhuma chave de API ou serviço externo é necessário.
O que Você Pode Perguntar à sua IA
Após conectar, sua IA pode responder diretamente a perguntas em linguagem natural usando dados em tempo real do VLR.gg:
- "Quem está jogando ao vivo agora no VCT?" → chama
matches_live() - "Mostre os próximos jogos da LOUD ou Sentinels esta semana" → chama
team_upcoming_matches(team_id=6961) - "Compare FNATIC e LOUD no histórico direto" → chama
compare_teams(team_id_1=2593, team_id_2=6961) - "Faça um dossiê da carreira do Aspas incluindo agentes principais e premiações" → chama
get_player_career_summary(player_id=8480) - "Qual foi a economia rodada a rodada na grande final do Champions?" → chama
series_economy(series_id=754737) - "Resuma as principais notícias de esports do Valorant hoje" → chama
get_news_digest()
Ferramentas Compostas de Alto Nível (Ideais para IA)
O servidor fornece 9 ferramentas compostas desenhadas especificamente para raciocínio em múltiplos passos de IA. Em vez de fazer 5 requisições separadas, seu agente obtém um dossiê completo em uma única chamada:
| Ferramenta | Parâmetros | O que retorna |
|---|---|---|
get_match_full_context | series_id | Visão geral da partida, estatísticas dos jogadores e links de transmissões/VODs. |
get_team_overview | team_id | Perfil do time, elenco ativo, resultados recentes, próximos confrontos e premiações. |
compare_teams | team_id_1, team_id_2 | Comparação lado a lado de elencos, rankings, premiações e fase recente. |
get_player_career_summary | player_id | Biografia do jogador, times atuais, estatísticas por agente e histórico de colocações. |
get_h2h_matchup | team_id_1, team_id_2 | Histórico completo de confrontos diretos entre dois times. |
get_tournament_dossier | event_id | Visão completa do torneio combinando times participantes, fases e chaveamento. |
get_live_and_upcoming_schedule | limit | Partidas ao vivo combinadas com os próximos jogos agendados. |
get_news_digest | limit, include_top_article_body | Resumo das últimas notícias com opção de corpo completo em Markdown. |
series_map_summary | series_id, game_id | Análise detalhada de mapa único com economia, eventos de replay e notas de jogadores. |
Catálogo Granular Completo (40 Ferramentas)
Além das ferramentas compostas, todos os endpoints do VLRdevAPI estão disponíveis individualmente:
- Matches:
matches_upcoming,matches_live,matches_completed - Series:
series_info,series_players,series_rounds,series_performance,series_economy,series_replay,series_vods,series_map_summary - Teams:
team_info,team_roster,team_stats,team_completed_matches,team_upcoming_matches,team_transactions,team_placements - Players:
player_info,player_teams,player_agents,player_matches,player_profile,player_placements - Events:
events_list,event_info,event_stages,event_teams,event_matches,event_standings - News:
news_list,news_article
Por que a Configuração Zero Funciona
- Sem Chaves de API: Os dados do VLR.gg não exigem token de autenticação ou cadastro de desenvolvedor.
- Isolamento com
uvx: Ouvxbaixa ovlrdevapi[mcp]para um cache temporário, executa o servidor e mantém seu ambiente Python limpo. - Tratamento Seguro de Erros: Falhas de domínio (
NotFoundError,ValidationError) retornam payloads estruturados em JSON, evitando travamentos no chat com a IA. - Economia de Tokens: Usa serialização otimizada para JSON e dicionários do VLRdevAPI, prevenindo o esgotamento da janela de contexto do modelo.
Última atualização em