Strava MCP Server

Hvad gør “Strava” MCP Server?

Strava MCP Server er en Model Context Protocol (MCP) server implementeret i TypeScript, der problemfrit forbinder store sprogmodeller (LLM’er) med Strava API’et. Den fungerer som bro og gør det muligt for AI-assistenter at tilgå, analysere og interagere med en brugers Strava-data – herunder seneste aktiviteter, profiler, statistikker, ruter og segmenter – direkte gennem standardiserede MCP-værktøjer. Denne integration giver udviklere og AI-systemer mulighed for at udføre opgaver som at forespørge træningsstatistikker, hente aktivitetsstrømme (som watt, puls eller kadence), eksportere ruter og styre segmenter, alt sammen på en sikker og AI-venlig måde. Ved at eksponere Stravas omfattende fitness- og aktivitetsdata som værktøjer forbedrer serveren udviklingsarbejdsgange og understøtter intelligente, datadrevne interaktioner til fitnessanalyse og coaching.

Liste over Prompts

Ingen eksplicitte prompt-skabeloner blev fundet i repository’et.

Liste over Ressourcer

Ingen eksplicitte ressourcer er dokumenteret eller eksponeret i repository’et.

Liste over Værktøjer

• Seneste Aktiviteter-værktøj: Giver adgang til de seneste Strava-aktiviteter for den autentificerede bruger.
• Profil-værktøj: Henter profiloplysninger for brugeren.
• Statistik-værktøj: Henter løbe-, cykel- og svømmestatistikker.
• Aktivitetsstrømme-værktøj: Henter detaljerede stream-data (puls, watt, kadence, højde osv.) for specifikke aktiviteter.
• Segment-værktøj: Udforsk, se, stjernemarker og administrer Strava-segmenter.
• Rute-værktøj: List og se detaljer om gemte Strava-ruter.
• Ruteeksport-værktøj: Eksporter ruter i GPX- eller TCX-formater til det lokale filsystem.

Anvendelsesmuligheder for denne MCP Server

• Fitnessdataanalyse: Udviklere kan integrere serveren med LLM’er for at analysere en brugers træningshistorik, statistikker og tendenser og levere detaljerede oversigter og fremskridtsrapporter.
• Personlig coaching: AI-assistenter kan give coachingråd ved at bruge de omfattende aktivitetsdata, såsom puls-, watt- og kadencestrømme fra nylige træninger.
• Ruteplanlægning og -eksport: Gør det muligt for brugere at liste, se og eksportere deres Strava-ruter til brug på GPS-enheder eller til deling med venner.
• Segmentudforskning og -styring: Udviklere kan bygge værktøjer til at opdage, stjernemarkere og analysere Strava-segmenter for ruteoptimering og præstationsbenchmarking.
• Klub- og fællesskabsindsigt: Tilgå og vis klubmedlemskaber, gruppeaktiviteter og segment-ledertavler for øget socialt engagement.

Sådan sætter du det op

Windsurf

1. Sørg for, at du har Node.js installeret.
2. Åbn Windsurf konfigurationsfilen.
3. Tilføj Strava MCP serverpakken (@r-huijts/strava-mcp@latest) til din MCP serverliste.
4. Indsæt følgende JSON-udsnit i mcpServers-objektet:

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

5. Gem din konfiguration og genstart Windsurf.
6. Verificer opsætningen ved at tjekke efter Strava MCP-værktøjer i din AI-assistent.

Sikring af API-nøgler Eksempel

{
  "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"
    }
  }
}

Gem legitimationsoplysninger sikkert ved at bruge miljøvariabler.

Claude

1. Installer Node.js som forudsætning.
2. Åbn Claudes konfigurationsfil for MCP servere.
3. Tilføj Strava MCP serveren ved at bruge:

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

4. Gem filen og genstart Claude.
5. Bekræft at Strava MCP-integrationen er aktiv.

Cursor

1. Installer Node.js, hvis det ikke allerede er til stede.
2. Åbn Cursor konfigurationsfilen, der vedrører MCP servere.
3. Tilføj:

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

4. Gem og genstart Cursor.
5. Verificer funktionaliteten i dine AI-arbejdsgange.

Cline

1. Sørg for, at Node.js er installeret.
2. Gå ind i konfigurationsfilen for MCP servere i Cline.
3. Indsæt:

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

4. Gem og genstart Cline-miljøet.
5. Tjek at Strava MCP-værktøjer er tilgængelige.

Bemærk: Opbevar altid følsomme API-nøgler i miljøvariabler – ikke som klartekst.

Sådan bruges denne MCP i flows

Brug af MCP i FlowHunt

For at integrere MCP-servere i dit FlowHunt workflow, skal du starte med at tilføje MCP-komponenten til dit flow og forbinde den til din AI-agent:

Klik på MCP-komponenten for at åbne konfigurationspanelet. I systemets MCP-konfigurationssektion indsætter du dine MCP-serveroplysninger med dette JSON-format:

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

Når den er konfigureret, kan AI-agenten nu bruge denne MCP som et værktøj med adgang til alle dens funktioner og muligheder. Husk at ændre “strava-mcp” til navnet på din MCP-server og udskifte URL’en med din egen MCP-server URL.

Overblik

Vores mening

Strava MCP Server leverer en solid bro mellem LLM’er og Strava API’et og eksponerer et bredt udvalg af værktøjer, med tydelig dokumentation og virkelige brugstilfælde. Manglen på dokumenterede prompt-skabeloner og eksplicitte MCP-ressourcer begrænser dog standardiseringen ud af boksen. Sampling og Roots-support er ikke nævnt, hvilket reducerer alsidigheden for avancerede MCP-scenarier en smule.

MCP-score: 7/10 — en stærk, produktionsklar MCP til Strava-integration, med plads til forbedring ift. prompt-/ressourcespecifikation og avancerede protokolfunktioner.

MCP-score