Strava MCP Server

K čemu slouží “Strava” MCP Server?

Strava MCP Server je server Model Context Protocolu (MCP) implementovaný v TypeScriptu, který bezproblémově propojuje velké jazykové modely (LLM) s API Strava. Funguje jako most, který umožňuje AI asistentům přistupovat k údajům uživatele ze Stravy – včetně nedávných aktivit, profilů, statistik, tras a segmentů – přímo prostřednictvím standardizovaných MCP nástrojů. Tato integrace dává vývojářům a AI systémům možnost provádět úlohy jako dotazování na statistiky tréninků, získávání streamů aktivit (například výkon, tepová frekvence nebo kadence), export tras i správu segmentů – to vše bezpečně a v AI-friendly podobě. Server zpřístupňuje bohatá fitness a pohybová data Stravy jako nástroje a rozšiřuje tak vývojářské workflow a podporuje inteligentní, datově řízenou interakci pro fitness analýzu i koučink.

Přehled promptů

V repozitáři nebyly nalezeny žádné explicitní šablony promptů.

Připraveni rozšířit své podnikání?

Začněte svou bezplatnou zkušební verzi ještě dnes a viďte výsledky během několika dní.

Požádat o demo Přihlásit se

Přehled zdrojů

V repozitáři nejsou žádné explicitní zdroje zdokumentovány či zpřístupněny.

Přehled nástrojů

• Nástroj pro nedávné aktivity: Získání posledních aktivit uživatele na Stravě.
• Nástroj pro profil: Načítá profilové informace uživatele.
• Nástroj pro statistiky: Získává statistiky běhu, cyklistiky a plavání.
• Nástroj pro streamy aktivit: Načítá detailní stream data (tepová frekvence, výkon, kadence, převýšení atd.) pro konkrétní aktivity.
• Nástroj pro segmenty: Prozkoumávejte, zobrazujte, hvězdičkujte a spravujte Strava segmenty.
• Nástroj pro trasy: Výpis a detaily uložených tras ze Stravy.
• Nástroj pro export tras: Export tras ve formátech GPX nebo TCX do lokálního souborového systému.

Přihlaste se k odběru newsletteru

Získejte nejnovější tipy, trendy a nabídky zdarma.

E-mailová adresa

Přihlásit se

Příklady použití tohoto MCP Serveru

• Analýza fitness dat: Vývojáři mohou server propojit s LLM pro analýzu historie tréninků, statistik a trendů uživatele a poskytovat detailní souhrny i přehledy pokroku.
• Personalizovaný koučink: AI asistenti mohou radit při tréninku pomocí detailních dat o aktivitách, například streamů tepové frekvence, výkonu či kadence z posledních tréninků.
• Plánování a export tras: Umožňuje uživatelům vypsat, prohlížet a exportovat své trasy ze Stravy pro použití v GPS zařízeních nebo sdílení s přáteli.
• Objevování a správa segmentů: Vývojáři mohou stavět nástroje pro objevování, označování hvězdičkou a analýzu segmentů na Stravě pro optimalizaci tras a benchmarking výkonu.
• Klubové a komunitní přehledy: Přístup k členstvím v klubech, skupinovým aktivitám a žebříčkům segmentů pro lepší sociální propojení.

Jak nastavit Strava MCP Server

Windsurf

1. Ujistěte se, že máte nainstalovaný Node.js.
2. Otevřete konfigurační soubor Windsurf.
3. Přidejte balíček Strava MCP serveru (@r-huijts/strava-mcp@latest) do seznamu MCP serverů.
4. Vložte následující JSON úryvek do objektu mcpServers:

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

5. Uložte konfiguraci a restartujte Windsurf.
6. Ověřte nastavení tím, že zkontrolujete dostupnost Strava MCP nástrojů u vašeho AI asistenta.

Příklad zabezpečení API klíčů

{
  "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"
    }
  }
}

Přihlašovací údaje ukládejte bezpečně pomocí proměnných prostředí.

Claude

1. Nainstalujte Node.js jako předpoklad.
2. Otevřete konfigurační soubor Claude pro MCP servery.
3. Přidejte Strava MCP server pomocí:

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

4. Uložte soubor a restartujte Claude.
5. Ověřte, že integrace Strava MCP je aktivní.

Cursor

1. Pokud ještě nemáte nainstalovaný Node.js, udělejte to.
2. Otevřete konfigurační soubor Cursor týkající se MCP serverů.
3. Přidejte:

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

4. Uložte a restartujte Cursor.
5. Ověřte funkčnost ve svých AI pracovních postupech.

Cline

1. Ujistěte se, že máte nainstalovaný Node.js.
2. Přistupte ke konfiguračnímu souboru MCP serverů v Cline.
3. Vložte:

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

4. Uložte a restartujte prostředí Cline.
5. Zkontrolujte, zda jsou Strava MCP nástroje dostupné.

Poznámka: Citlivé API klíče vždy ukládejte do proměnných prostředí, ne do prostého textu!

Jak používat tento MCP ve FlowHunt tocích

Použití MCP ve FlowHunt

Pro integraci MCP serverů do svého workflow ve FlowHunt začněte přidáním MCP komponenty do svého toku a propojte ji se svým AI agentem:

Klikněte na MCP komponentu pro otevření konfiguračního panelu. V sekci systémové konfigurace MCP vložte údaje o vašem MCP serveru v tomto formátu JSON:

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

Po konfiguraci může AI agent používat tento MCP jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit “strava-mcp” na skutečný název vašeho MCP serveru a URL nahradit vlastní adresou vašeho MCP serveru.

Přehled

Náš názor

Strava MCP Server představuje robustní most mezi LLM a API Strava, nabízí širokou škálu nástrojů, jasnou dokumentaci a reálné příklady využití. Chybějící prompt šablony a explicitní MCP zdroje však omezují standardizační potenciál pro rychlé nasazení. Podpora sampling a Roots zmíněna není, což lehce snižuje univerzálnost pro pokročilé MCP scénáře.

MCP skóre: 7/10 — silný, produkčně připravený MCP pro integraci Stravy, s prostorem pro vylepšení v oblasti promptů/zdrojů a pokročilých protokolových funkcí.

MCP skóre