خادم Strava MCP

ماذا يفعل خادم “Strava” MCP؟

خادم Strava MCP هو خادم لبروتوكول Model Context Protocol (MCP) مكتوب بـ TypeScript، يربط بسلاسة نماذج اللغة الكبيرة (LLMs) مع واجهة برمجة تطبيقات Strava. يعمل كجسر يمكّن المساعدين الذكاء الاصطناعي من الوصول إلى بيانات Strava الخاصة بالمستخدم—بما في ذلك الأنشطة الأخيرة، والملفات الشخصية، والإحصاءات، والمسارات، والمقاطع—مباشرة عبر أدوات MCP الموحدة. يتيح هذا التكامل للمطورين وأنظمة الذكاء الاصطناعي تنفيذ مهام مثل الاستعلام عن إحصاءات التمارين، وجلب تدفقات الأنشطة (مثل القوة، أو معدل ضربات القلب، أو التردد)، وتصدير المسارات، وإدارة المقاطع، وكل ذلك بطريقة آمنة وسهلة الاستخدام للذكاء الاصطناعي. من خلال عرض بيانات Strava الغنية كأدوات، يعمل الخادم على تحسين سير عمل التطوير ودعم التحليل الذكي والتفاعلات المعتمدة على البيانات لأغراض تحليل اللياقة والتدريب.

قائمة القوالب التلقينية (Prompts)

لم يتم العثور على قوالب تلقينية محددة في المستودع.

هل أنت مستعد لتنمية عملك؟

ابدأ تجربتك المجانية اليوم وشاهد النتائج في غضون أيام.

طلب عرض توضيحي تسجيل الدخول

قائمة الموارد

لا توجد موارد موثقة أو معروضة في المستودع.

قائمة الأدوات

• أداة الأنشطة الحديثة: الوصول إلى أنشطة Strava الحديثة للمستخدم الموثق.
• أداة الملف الشخصي: جلب معلومات الملف الشخصي للمستخدم.
• أداة الإحصاءات: استرجاع إحصاءات الجري وركوب الدراجات والسباحة.
• أداة تدفقات النشاط: جلب بيانات تفصيلية (معدل ضربات القلب، القوة، التردد، الارتفاع، إلخ) لأنشطة محددة.
• أداة المقاطع: استكشاف، عرض، تمييز، وإدارة مقاطع Strava.
• أداة المسارات: عرض قائمة وتفاصيل المسارات المحفوظة في Strava.
• أداة تصدير المسارات: تصدير المسارات بصيغ GPX أو TCX إلى نظام الملفات المحلي.

انضم إلى نشرتنا الإخبارية

احصل على أحدث النصائح والاتجاهات والعروض مجانًا.

عنوان البريد الإلكتروني

اشترك

حالات استخدام هذا الخادم MCP

• تحليل بيانات اللياقة: يمكن للمطورين دمج الخادم مع LLMs لتحليل تاريخ التمارين، والإحصاءات، والاتجاهات للمستخدم، وتقديم ملخصات وتقارير تقدم مفصلة.
• التدريب الشخصي: يمكن للمساعدين الذكاء الاصطناعي تقديم نصائح تدريبية باستخدام بيانات الأنشطة الغنية مثل معدل ضربات القلب، والقوة، وتردد التمارين من التمارين الأخيرة.
• تخطيط وتصدير المسارات: يتيح للمستخدمين عرض، واستعراض، وتصدير مساراتهم من Strava لاستخدامها على أجهزة GPS أو مشاركتها مع الأصدقاء.
• استكشاف وإدارة المقاطع: يمكن للمطورين بناء أدوات لاستكشاف، وتمييز، وتحليل مقاطع Strava لتحسين المسارات وقياس الأداء.
• رؤى الأندية والمجتمع: الوصول وعرض عضويات الأندية، والأنشطة الجماعية، ولوحات الصدارة للمقاطع لتعزيز التفاعل الاجتماعي.

كيفية الإعداد

Windsurf

1. تأكد من تثبيت Node.js.
2. افتح ملف إعدادات Windsurf.
3. أضف حزمة خادم Strava MCP (@r-huijts/strava-mcp@latest) إلى قائمة خوادم MCP الخاصة بك.
4. الصق المقطع البرمجي JSON التالي في كائن mcpServers:

   {
     "strava-mcp": {
       "command": "npx",
       "args": ["@r-huijts/strava-mcp@latest"]
     }
   }
   

5. احفظ الإعدادات وأعد تشغيل Windsurf.
6. تحقق من الإعداد من خلال ظهور أدوات Strava MCP في مساعد الذكاء الاصطناعي الخاص بك.

مثال لتأمين مفاتيح API

{
  "strava-mcp": {
    "command": "npx",
    "args": ["@r-huijts/strava-mcp@latest"],
    "env": {
      "STRAVA_CLIENT_ID": "your-client-id",
      "STRAVA_CLIENT_SECRET": "your-client-secret",
      "STRAVA_ACCESS_TOKEN": "your-access-token"
    }
  }
}

قم بتخزين بيانات الاعتماد بشكل آمن باستخدام متغيرات البيئة.

Claude

1. قم بتثبيت Node.js كمتطلب مسبق.
2. افتح ملف إعدادات Claude الخاص بخوادم MCP.
3. أضف خادم Strava MCP باستخدام:

   {
     "strava-mcp": {
       "command": "npx",
       "args": ["@r-huijts/strava-mcp@latest"]
     }
   }
   

4. احفظ الملف وأعد تشغيل Claude.
5. تأكد من تفعيل تكامل Strava MCP.

Cursor

1. قم بتثبيت Node.js إذا لم يكن موجودًا.
2. افتح ملف إعدادات Cursor المتعلق بخوادم MCP.
3. أضف:

   {
     "strava-mcp": {
       "command": "npx",
       "args": ["@r-huijts/strava-mcp@latest"]
     }
   }
   

4. احفظ وأعد تشغيل Cursor.
5. تحقق من الوظائف ضمن تدفقات عمل الذكاء الاصطناعي الخاصة بك.

Cline

1. تأكد من تثبيت Node.js.
2. ادخل إلى ملف إعدادات خوادم MCP في Cline.
3. أضف:

   {
     "strava-mcp": {
       "command": "npx",
       "args": ["@r-huijts/strava-mcp@latest"]
     }
   }
   

4. احفظ وأعد تشغيل بيئة Cline.
5. تحقق من ظهور أدوات Strava MCP.

ملاحظة: دائمًا قم بتخزين مفاتيح API الحساسة في متغيرات البيئة وليس في نص واضح.

كيفية استخدام هذا MCP داخل التدفقات

استخدام MCP في FlowHunt

لدمج خوادم MCP في تدفق عمل FlowHunt الخاص بك، ابدأ بإضافة مكون MCP إلى التدفق وربطه بوكيل الذكاء الاصطناعي الخاص بك:

انقر على مكون MCP لفتح لوحة الإعدادات. في قسم إعدادات النظام MCP، أدخل تفاصيل خادم MCP الخاص بك بهذا التنسيق JSON:

{
  "strava-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

بعد الإعداد، سيصبح وكيل الذكاء الاصطناعي قادرًا على استخدام هذا MCP كأداة مع إمكانية الوصول إلى جميع وظائفه وقدراته. تذكر تغيير “strava-mcp” إلى اسم خادم MCP الخاص بك واستبدال الرابط بعنوان MCP الخاص بك.

نظرة عامة

رأينا

يوفر خادم Strava MCP جسرًا قويًا بين LLMs وواجهة برمجة تطبيقات Strava، مع مجموعة واسعة من الأدوات، وتوثيق واضح، وحالات استخدام عملية. ومع ذلك، فإن غياب قوالب تلقينية موثقة وموارد MCP صريحة يحد من إمكانية التوحيد القياسي المباشر. لم يتم ذكر دعم المعاينة وRoots، مما يقلل قليلاً من المرونة في سيناريوهات MCP المتقدمة.

تقييم MCP: 7/10 — MCP قوي وجاهز للإنتاج لتكامل Strava، مع إمكانية التحسين في التوثيق المتعلق بالقوالب والموارد وميزات البروتوكول المتقدمة.

تقييم MCP