Skip to Content
VLRdevAPI

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-mcp

Ou 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-mcp

O 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

  1. Abra Cursor Settings → Features → MCP Servers.
  2. Clique em Add New MCP Server.
  3. 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-mcp

Prompt 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) e get_team_overview(team_id) para consultas abrangentes.
  • Use matches_live() e matches_upcoming() para calendários de jogos.
  • Use player_agents(player_id) e get_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:

FerramentaParâmetrosO que retorna
get_match_full_contextseries_idVisão geral da partida, estatísticas dos jogadores e links de transmissões/VODs.
get_team_overviewteam_idPerfil do time, elenco ativo, resultados recentes, próximos confrontos e premiações.
compare_teamsteam_id_1, team_id_2Comparação lado a lado de elencos, rankings, premiações e fase recente.
get_player_career_summaryplayer_idBiografia do jogador, times atuais, estatísticas por agente e histórico de colocações.
get_h2h_matchupteam_id_1, team_id_2Histórico completo de confrontos diretos entre dois times.
get_tournament_dossierevent_idVisão completa do torneio combinando times participantes, fases e chaveamento.
get_live_and_upcoming_schedulelimitPartidas ao vivo combinadas com os próximos jogos agendados.
get_news_digestlimit, include_top_article_bodyResumo das últimas notícias com opção de corpo completo em Markdown.
series_map_summaryseries_id, game_idAnálise 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

  1. Sem Chaves de API: Os dados do VLR.gg não exigem token de autenticação ou cadastro de desenvolvedor.
  2. Isolamento com uvx: O uvx baixa o vlrdevapi[mcp] para um cache temporário, executa o servidor e mantém seu ambiente Python limpo.
  3. Tratamento Seguro de Erros: Falhas de domínio (NotFoundError, ValidationError) retornam payloads estruturados em JSON, evitando travamentos no chat com a IA.
  4. Economia de Tokens: Usa serialização otimizada para JSON e dicionários do VLRdevAPI, prevenindo o esgotamento da janela de contexto do modelo.

Última atualização em

Nesta página