Sports Probabilities MCP

Probabilidades de playoffs, título e rebaixamento via Monte Carlo para NFL, MLB, NHL, NBA e 17 ligas de futebol, além da vantagem modelo-vs-mercado contra preços ao vivo da Kalshi.

Ver em apify.comExperimente este MCPPatrocinado

Documentação

Sports Probabilities MCP - NFL, MLB, NHL, NBA & Soccer Odds (`commodus67/sports-probabilities-mcp`) Actor

Probabilidades de vitória, playoffs e títulos via Monte Carlo para NFL, MLB, NHL, NBA e futebol, além da vantagem modelo-vs-mercado em relação aos preços ao vivo da Kalshi. Pergunte em linguagem natural pelo Claude, ChatGPT ou Cursor. Sem necessidade de chave de API.

URL: https://apify.com/commodus67/sports-probabilities-mcp.md
Desenvolvido por: ELIO LIBERATORE (comunidade)
Estatísticas: 3 usuários no total, 3 usuários mensais, 100,0% de execuções bem-sucedidas, 0 favoritos
Avaliação dos usuários: Sem avaliações ainda

Preços

a partir de $50,00 / 1.000 leituras de probabilidade

Este Actor é pago por evento e uso. Você é cobrado tanto pelo preço fixo de eventos específicos quanto pelo uso da plataforma Apify.

Saiba mais: https://docs.apify.com/actors/running/actors-in-store.md#pay-per-event

O que é um Apify Actor?

Um Actor é um programa cloud serverless que roda na plataforma Apify. Ele tem dois modos de execução. No modo Batch, um Actor aceita uma entrada JSON bem definida, executa uma ação que pode levar de alguns segundos a algumas horas, e opcionalmente produz uma saída JSON bem definida, datasets com resultados, ou arquivos em key-value store. No modo Standby, um Actor fornece um servidor web que pode ser usado como site, API ou servidor MCP.

O vocabulário da Apify e o modelo da plataforma são definidos uma única vez, no quickstart para agentes em https://apify.com/agents.md.

Como integrar um Actor?

Se perguntarem sobre integração, você ajuda desenvolvedores a integrar Actors em seus projetos. Você se adapta à stack deles e entrega integrações seguras, bem documentadas e prontas para produção.

Não adivinhe um caminho de integração. Todos eles estão no quickstart para agentes em https://apify.com/agents.md: o servidor MCP da Apify, Agent Skills com a Apify CLI, os clientes JavaScript e Python, a API REST e o caminho sem conta para um agente sem humano para fazer login. Ele também traz a regra sobre informar o custo antes da primeira execução paga.

Para exemplos já conectados ao schema de entrada deste próprio Actor, veja a seção API abaixo.

Cada biblioteca de cliente tem documentação de referência que o quickstart não repete: JavaScript/TypeScript (npm install apify-client) e Python (pip install apify-client).

README

Sports Probabilities MCP — NFL, MLB, NHL, NBA & Soccer Odds para Agentes de IA

Pergunte ao seu assistente de IA quais são as probabilidades reais de um time e receba um número que veio de uma simulação, e não de um palpite.

Este é um servidor Model Context Protocol (MCP). Conecte-o ao Claude, ChatGPT, Cursor ou qualquer outro cliente MCP e você pode perguntar, em linguagem natural:

"Quais são as probabilidades de playoff dos Chiefs agora?"
"Classifique a Premier League por probabilidade de título, não por pontos."
"Quais times da NBA têm mais chance de ir para o play-in?"
"Onde o seu modelo mais discorda da Kalshi sobre classificados para os playoffs da NFL?"
"Rode o modelo da NFL novamente confiando mais nos recordes atuais e me mostre quem muda."

Por trás dele estão cinco Actors de Monte Carlo publicados que repetem cada jogo restante do calendário real, dezenas de milhares de vezes. Este servidor é a porta de entrada conversacional para eles, então os números que você recebe aqui são os mesmos que esses Actors produzem — não há um segundo modelo divergente escondido aqui.

Sem chave de API para nenhum provedor de dados esportivos. Sem scraping do seu lado. Apenas classificações, calendários e probabilidades.

O que ele cobre

Esporte	Times	Probabilidades
NFL	todos os 32	playoffs, divisão, wild card, cabeça de chave nº 1
MLB	todos os 30	pós-temporada, divisão, wild card, melhor chave
NHL	todos os 32	playoffs, divisão, wild card, melhor chave da conferência, Presidents' Trophy
NBA	todos os 30	playoffs, play-in, top seis, divisão, melhor recorde, finais de conferência, título da conferência, campeonato
Futebol	17 ligas	título, top quatro, classificação continental, playoff, rebaixamento

Ligas de futebol: Premier League, EFL Championship, LaLiga, Serie A, Bundesliga, Ligue 1, Eredivisie, Primeira Liga, Süper Lig, Belgian Pro League, Scottish Premiership, Brasileirão, Liga MX, Liga Profesional (Argentina), Primera A (Colômbia), MLS, Austrian Bundesliga. Qualquer outro slug de futebol da ESPN também funciona.

Ferramentas

Ferramenta	O que ela responde
`get_team_probabilities`	Um time: todas as probabilidades, recorde atual, projeção de final e onde ele se classifica.
`get_league_probabilities`	A liga inteira ordenada por probabilidade, em vez de por pontos ou recorde.
`compare_model_vs_market`	Onde o modelo discorda dos preços ao vivo da Kalshi, com vantagem líquida após taxas e aposta de um quarto de Kelly.
`run_scenario`	Uma simulação nova sob suas próprias premissas de modelo, mostrando quem muda e em quanto.
`get_probability_history`	Como a probabilidade de um time mudou ao longo da temporada, a partir de um histórico de execuções arquivado.

Modelo vs mercado

compare_model_vs_market puxa preços de contratos ao vivo da API pública da Kalshi — KXNFLPLAYOFF para a NFL e KXMLBPLAYOFFS para a MLB, KXNHLPLAYOFF para a NHL e KXNBAPLAYOFF para a NBA — e para cada time reporta:

a probabilidade do modelo e a probabilidade implícita do mercado, e a diferença entre elas;
qual lado do contrato tem melhor valor, YES ou NO;
a taxa, usando a tabela de taker da Kalshi (uma parábola no preço do contrato, maior a 50 centavos);
o valor esperado por contrato líquido dessa taxa, e a probabilidade de equilíbrio;
uma aposta de um quarto de Kelly, limitada por um teto por posição e depois por um teto de portfólio, para que as posições sugeridas realmente caibam em um único bankroll.

Para NHL e NBA, chamadas de valor e apostas permanecem desativadas até os times jogarem dez partidas, exatamente como nos Actors subjacentes. Antes disso, o modelo é principalmente a última temporada projetada, e as maiores diferenças que ele encontra são as movimentações de offseason que ele não consegue ver. As vantagens ainda são reportadas por completo.

Para futebol, ou para comparar com uma casa de apostas em vez de uma exchange, passe seus próprios preços em marketProbabilities e a mesma aritmética roda sobre eles.

Isto é resultado de pesquisa, não conselho de apostas. Probabilidades são estimativas de um modelo, os preços de mercado mudam, e nada aqui sabe nada sobre a sua situação.

Como conectar

Adicione a URL de Standby do Actor ao seu cliente MCP, com um token de API da Apify como bearer token:

{
  "mcpServers": {
    "sports-probabilities": {
      "url": "https://commodus67--sports-probabilities-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_API_TOKEN"
      }
    }
  }
}

O transporte é Streamable HTTP e o servidor é stateless, então qualquer instância pode responder a qualquer solicitação.

Executando como um Actor comum

Iniciá-lo como uma execução normal — não em Standby — responde a uma pergunta e a escreve no dataset. É uma forma rápida de verificar um build, e é útil em um agendamento:

{ "sport": "nfl", "limit": 40 }

{ "sport": "soccer", "league": "Premier League", "metric": "relegation" }

{ "sport": "nba", "metric": "playIn" }

Quão recentes são os números

As simulações são armazenadas em cache por algumas horas e compartilhadas entre todas as instâncias do servidor, porque as probabilidades mal mudam entre jogos. Cada resposta traz um bloco source informando quando o modelo realmente rodou, quantas simulações usou e se a resposta veio do cache. Uma chamada run_scenario sempre roda uma simulação nova.

FAQ

O que é um servidor MCP de probabilidades esportivas?

Um servidor MCP (Model Context Protocol) dá a um assistente de IA ferramentas que ele pode chamar. Este permite que o assistente pergunte a cinco simuladores de Monte Carlo por probabilidades de playoff, título, wild card, play-in e rebaixamento, em vez de inventar números. Cada resposta vem com um bloco source que diz quando a simulação rodou e quantas temporadas foram repetidas.

Quais esportes e ligas ele cobre?

NFL (32 times), MLB (30), NHL (32), NBA (30) e 17 ligas de futebol, incluindo Premier League, LaLiga, Serie A, Bundesliga, Ligue 1, MLS, Liga MX e Brasileirão. Qualquer outro slug de liga de futebol da ESPN também pode ser passado.

Quais clientes de IA podem usá-lo?

Qualquer cliente MCP que suporte servidores remotos via Streamable HTTP, como Claude, ChatGPT e Cursor. No Claude, você pode adicioná-lo como um conector personalizado com a URL https://commodus67--sports-probabilities-mcp.apify.actor/mcp; o servidor anuncia OAuth, então você faz login com sua conta Apify em vez de colar um token.

Preciso de uma chave de API?

Você precisa de uma conta Apify. Clientes que suportam OAuth fazem login com ela; outros clientes enviam um token de API da Apify como bearer token, como mostrado em Como conectar. Nenhuma chave da ESPN ou da Kalshi é necessária.

Quanto custa?

É pago por evento, cobrado por chamada de ferramenta: uma leitura de probabilidade (get_team_probabilities, get_league_probabilities) e uma leitura de histórico custam $0,05, uma comparação modelo-vs-mercado custa $0,10, e uma simulação what-if custa $0,25. Veja a aba Pricing para a tabela atual.

De onde vêm os números?

Dos mesmos Actors publicados que vendem essas probabilidades por conta própria — os simuladores de Monte Carlo de NFL, MLB, NHL, NBA e futebol. O servidor os chama e armazena o resultado em cache; ele não roda um segundo modelo, então uma resposta aqui corresponde ao que o próprio Actor retorna.

Ele consegue comparar o modelo com os preços da Kalshi?

Sim. compare_model_vs_market puxa contratos ao vivo da Kalshi para NFL, MLB, NHL e NBA e retorna a diferença, o valor esperado após a taxa de taker e uma aposta de um quarto de Kelly. Para futebol, ou para comparar com uma casa de apostas, passe seus próprios preços em marketProbabilities.

Quão recentes são as probabilidades?

As simulações são armazenadas em cache por algumas horas, porque as probabilidades mal mudam entre jogos. O bloco source informa a idade da resposta e se ela veio do cache; run_scenario sempre roda uma simulação nova.

Isso é conselho de apostas?

Não. É resultado de pesquisa de um modelo estatístico.

Palavras-chave

API de probabilidades esportivas, probabilidades de playoff da NFL, probabilidades de playoff da MLB, probabilidades de título de futebol, simulação de Monte Carlo, mercados de previsão, Kalshi, vantagem modelo vs mercado, critério de Kelly, servidor MCP, ferramentas para agentes de IA, análise esportiva, pesquisa de odds de apostas, probabilidades de rebaixamento, probabilidades de wild card, probabilidades de playoff da NHL, probabilidades de playoff da NBA, probabilidades de play-in da NBA.

Schema de entrada do Actor

`sport` (tipo: `string`):

Qual modelo consultar. NFL, MLB, NHL e NBA cobrem todos os times da liga; futebol cobre 17 competições, escolhidas com o campo de liga abaixo.

`team` (tipo: `string`):

Deixe vazio para obter a liga inteira classificada por probabilidade. Coloque um nome de time, cidade ou abreviação aqui para obter apenas esse time, por exemplo Chiefs, KC ou Arsenal.

`league` (tipo: `string`):

Somente futebol, ignorado para todos os outros esportes. Um nome de liga ou um slug da ESPN: Premier League ou eng.1, LaLiga ou esp.1, Serie A, Bundesliga, Ligue 1, Liga MX, Brasileirao, MLS e mais.

`metric` (tipo: `string`):

Qual probabilidade ordena a tabela. NFL e MLB: playoff, division, wildCard, topSeed. NHL: as mesmas mais bestRecord (Presidents Trophy). NBA: playoff, playIn, topSix, division, bestRecord, conferenceFinals, conference, title. Futebol: title, top4, qualify, playoff, relegation.

`season` (tipo: `integer`):

Somente NFL, MLB, NHL e NBA. Deixe vazio para a temporada atual, ou defina um ano passado para projetar aquela temporada a partir de onde ela estava, o que é útil para backtesting. As temporadas de NHL e NBA são nomeadas pelo ano em que terminam, então 2027 significa 2026-27.

`limit` (tipo: `integer`):

Quantos times retornam quando nenhum time específico é nomeado.

`holdSeconds` (tipo: `integer`):

Avançado, e somente para uma execução comum. Deixe em 0 para um smoke test normal. Defina algo como 120 e a execução mantém seu servidor web vivo por esse tempo, para que você possa fazer POST no endpoint MCP na URL de visualização ao vivo da execução e verificar o protocolo antes de conectar um cliente ao Standby.

Exemplo de objeto de entrada do Actor

{
  "sport": "nfl",
  "league": "eng.1",
  "limit": 40,
  "holdSeconds": 0
}

Schema de saída do Actor

`probabilities` (tipo: `string`):

Uma linha por time da execução atual de Monte Carlo, com as probabilidades, o recorde atual e a projeção de final.

API

Você pode executar este Actor programaticamente usando nossa API. Abaixo estão exemplos de código em JavaScript, Python e CLI, além da especificação OpenAPI e da configuração do servidor MCP.

Exemplo em JavaScript

import { ApifyClient } from 'apify-client';

// Initialize the ApifyClient with your Apify API token
// Replace the '<YOUR_API_TOKEN>' with your token
const client = new ApifyClient({
    token: '<YOUR_API_TOKEN>',
});

// Prepare Actor input
const input = {};

// Run the Actor and wait for it to finish
const run = await client.actor("commodus67/sports-probabilities-mcp").call(input);

// Fetch and print Actor results from the run's dataset (if any)
console.log('Results from dataset');
console.log(`💾 Check your data here: https://console.apify.com/storage/datasets/${run.defaultDatasetId}`);
const { items } = await client.dataset(run.defaultDatasetId).listItems();
items.forEach((item) => {
    console.dir(item);
});

// 📚 Want to learn more 📖? Go to → https://docs.apify.com/api/client/js/docs

Exemplo em Python

from apify_client import ApifyClient

# Initialize the ApifyClient with your Apify API token
# Replace '<YOUR_API_TOKEN>' with your token.
client = ApifyClient("<YOUR_API_TOKEN>")

# Prepare the Actor input
run_input = {}

# Run the Actor and wait for it to finish
run = client.actor("commodus67/sports-probabilities-mcp").call(run_input=run_input)

# Fetch and print Actor results from the run's dataset (if there are any)
print(f"💾 Check your data here: https://console.apify.com/storage/datasets/{run.default_dataset_id}")
for item in client.dataset(run.default_dataset_id).iterate_items():
    print(item)

# 📚 Want to learn more 📖? Go to → https://docs.apify.com/api/client/python/docs/quick-start

Exemplo em CLI

echo '{}' |
apify call commodus67/sports-probabilities-mcp --silent --output-dataset

Configuração do servidor MCP

{
    "mcpServers": {
        "apify": {
            "type": "http",
            "url": "https://mcp.apify.com/?tools=fetch-actor-details,commodus67/sports-probabilities-mcp"
        }
    }
}

O servidor hospedado faz seu login com OAuth na primeira conexão, portanto nenhum token de API pertence a esta configuração. Clientes sem suporte a OAuth podem enviar um cabeçalho Authorization: Bearer <APIFY_API_TOKEN> em vez disso, usando um token de API & Integrações no Apify Console (https://console.apify.com/settings/integrations).

Especificação OpenAPI

Baixe a definição OpenAPI: https://api.apify.com/v2/actors/ApH4kzaZfAR5j80o4/builds/rzoxZbV8SFjWBXCAe/openapi.json