JVLink MCP Server

Claudeに話しかけるだけで、競馬データを自由に分析できます。

SQLを書く必要はありません。自然な日本語で質問すれば、過去のレース結果、騎手成績、血統傾向など、あらゆる競馬データを調べられます。

こんな質問ができます

「1番人気の勝率はどのくらい？」

出走数	勝利数	勝率
6,294	2,474	39.3%

「今年勝ち星が多い騎手は？」

騎手	騎乗数	勝利	勝率
ルメール	537	142	26.4%
戸崎圭太	832	135	16.2%
松山弘平	863	125	14.5%
坂井瑠星	729	119	16.3%
川田将雅	542	118	21.8%

「産駒の勝ち星が多い種牡馬は？」

種牡馬	出走数	勝利
キズナ	1,717	207
ロードカナロア	1,633	178
ドレフォン	1,382	150
エピファネイア	1,488	138
リアルスティール	1,106	125

他にもこんな質問ができます

• 東京芝1600mで内枠と外枠、どっちが有利？
• G1レースで1番人気が飛んだレースを教えて
• ディープインパクト産駒の芝での成績は？
• 馬体重500kg以上の馬の成績は？
• 上がり3F最速で勝った馬を調べて

---

ワンラインインストール

対話式インストーラーで、クローン → 依存解決 → DB検索 → クライアント設定まで一発で完了します。

macOS / Linux:

curl -fsSL https://raw.githubusercontent.com/miyamamoto/jvlink-mcp-server/master/install.sh | bash

Windows (PowerShell):

irm https://raw.githubusercontent.com/miyamamoto/jvlink-mcp-server/master/install.ps1 | iex

💡 keiba.db が見つからない場合、JRA-VAN DataLabの契約ページをブラウザで自動的に開きます。jrvltsqlの同時インストールも選べます。

---

手動インストール

Step 1: 競馬データベースを作成

jrvltsql を使ってJRA-VANからデータを取得し、keiba.dbを作成します。

JRA-VAN DataLab の契約が必要です → https://jra-van.jp/dlb/

地方競馬データも必要な場合は 地方競馬DATA → https://www.keiba-data.com/

Step 2: リポジトリをクローン

git clone https://github.com/miyamamoto/jvlink-mcp-server.git
cd jvlink-mcp-server
pip install uv
uv sync

Step 3: MCPクライアントに設定

お使いのクライアントに合わせて以下のセクションを参照してください。

💡 初回起動時に依存パッケージを自動インストールします（30〜60秒）。

---

MCPクライアント別セットアップ

Claude Desktop

claude_desktop_config.json に追加:

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "jvlink": {
      "command": "uv",
      "args": ["run", "--directory", "/path/to/jvlink-mcp-server", "python", "-m", "jvlink_mcp_server.server"],
      "env": {
        "DB_TYPE": "sqlite",
        "DB_PATH": "/path/to/keiba.db"
      }
    }
  }
}

Windows の場合: command を "uv.exe" に変更してください。Releases の .mcpb ファイルを使えば自動インストールも可能です。

---

Claude Code (CLI)

claude mcp add jvlink \
  -e DB_TYPE=sqlite \
  -e DB_PATH=/path/to/keiba.db \
  -- uv run --directory /path/to/jvlink-mcp-server python -m jvlink_mcp_server.server

プロジェクトスコープに追加する場合は -s project を付けてください。

---

Cursor

プロジェクトルートに .cursor/mcp.json を作成:

{
  "mcpServers": {
    "jvlink": {
      "command": "uv",
      "args": ["run", "--directory", "/path/to/jvlink-mcp-server", "python", "-m", "jvlink_mcp_server.server"],
      "env": {
        "DB_TYPE": "sqlite",
        "DB_PATH": "/path/to/keiba.db"
      }
    }
  }
}

Cursor Settings → MCP でサーバーが認識されていることを確認してください。

---

VS Code + GitHub Copilot

.vscode/mcp.json を作成:

{
  "servers": {
    "jvlink": {
      "command": "uv",
      "args": ["run", "--directory", "/path/to/jvlink-mcp-server", "python", "-m", "jvlink_mcp_server.server"],
      "env": {
        "DB_TYPE": "sqlite",
        "DB_PATH": "/path/to/keiba.db"
      }
    }
  }
}

VS Codeの設定で "chat.mcp.enabled": true を有効にしてください。

---

Windsurf

Windsurf Settings → MCP から「Add custom server」を選択し、~/.codeium/windsurf/mcp_config.json に追加:

{
  "mcpServers": {
    "jvlink": {
      "command": "uv",
      "args": ["run", "--directory", "/path/to/jvlink-mcp-server", "python", "-m", "jvlink_mcp_server.server"],
      "env": {
        "DB_TYPE": "sqlite",
        "DB_PATH": "/path/to/keiba.db"
      }
    }
  }
}

---

Codex CLI (OpenAI)

# codex の設定ファイル (~/.codex/config.

... [View full README on GitHub](https://github.com/miyamamoto/jvlink-mcp-server#readme)