Strava MCP Server

Was macht der “Strava” MCP Server?

Der Strava MCP Server ist ein Model Context Protocol (MCP) Server, der in TypeScript implementiert ist und große Sprachmodelle (LLMs) nahtlos mit der Strava API verbindet. Als Brücke ermöglicht er KI-Assistenten den Zugriff auf, die Analyse sowie die Interaktion mit Strava-Daten eines Nutzers – einschließlich aktueller Aktivitäten, Profile, Statistiken, Routen und Segmenten – direkt über standardisierte MCP-Tools. Diese Integration befähigt Entwickler und KI-Systeme, Aufgaben wie das Abfragen von Trainingsstatistiken, das Abrufen von Aktivitätsstreams (wie Leistung, Herzfrequenz oder Trittfrequenz), den Routenexport sowie das Segmentmanagement sicher und KI-freundlich auszuführen. Indem der Server Stravas umfangreiche Fitness- und Aktivitätsdaten als Tools bereitstellt, verbessert er Entwicklungs-Workflows und unterstützt intelligente, datengesteuerte Interaktionen für Fitnessanalysen und Coaching.

Liste der Prompts

Keine expliziten Prompt-Vorlagen wurden im Repository gefunden.

Bereit, Ihr Geschäft zu erweitern?

Starten Sie heute Ihre kostenlose Testversion und sehen Sie innerhalb weniger Tage Ergebnisse.

Demo anfragen Anmelden

Liste der Ressourcen

Im Repository sind keine expliziten Ressourcen dokumentiert oder verfügbar.

Liste der Tools

• Recent Activities Tool: Greift auf die neuesten Strava-Aktivitäten des authentifizierten Nutzers zu.
• Profile Tool: Ruft die Profilinformationen des Nutzers ab.
• Stats Tool: Holt Lauf-, Rad- und Schwimmstatistiken.
• Activity Streams Tool: Ruft detaillierte Stream-Daten (Herzfrequenz, Leistung, Trittfrequenz, Höhe usw.) für bestimmte Aktivitäten ab.
• Segments Tool: Erkundet, betrachtet, favorisiert und verwaltet Strava-Segmente.
• Routes Tool: Listet gespeicherte Strava-Routen auf und zeigt Details an.
• Route Export Tool: Exportiert Routen im GPX- oder TCX-Format ins lokale Dateisystem.

Abonnieren Sie unseren Newsletter

Erhalten Sie die neuesten Tipps, Trends und Angebote kostenlos.

E-Mail-Adresse

Abonnieren

Anwendungsfälle dieses MCP Servers

• Fitnessdaten-Analyse: Entwickler können den Server mit LLMs integrieren, um Trainingshistorie, Statistiken und Trends eines Nutzers zu analysieren und detaillierte Zusammenfassungen sowie Fortschrittsberichte bereitzustellen.
• Personalisiertes Coaching: KI-Assistenten können Coaching-Empfehlungen auf Basis umfangreicher Aktivitätsdaten wie Herzfrequenz-, Leistungs- und Trittfrequenz-Streams aus aktuellen Workouts geben.
• Routenplanung und -export: Ermöglicht Nutzern das Auflisten, Anzeigen und Exportieren eigener Strava-Routen zur Nutzung auf GPS-Geräten oder zum Teilen mit Freunden.
• Segment-Exploration und -Verwaltung: Entwickler können Tools zum Entdecken, Favorisieren und Analysieren von Strava-Segmenten für Routenoptimierung und Leistungsvergleiche bauen.
• Club- und Community-Insights: Zugriff und Anzeige von Clubmitgliedschaften, Gruppenaktivitäten und Segment-Bestenlisten für eine verbesserte soziale Interaktion.

Einrichtung

Windsurf

1. Stellen Sie sicher, dass Node.js installiert ist.
2. Öffnen Sie die Windsurf-Konfigurationsdatei.
3. Fügen Sie das Strava MCP Server-Paket (@r-huijts/strava-mcp@latest) zu Ihrer MCP-Server-Liste hinzu.
4. Fügen Sie diesen JSON-Schnipsel in das mcpServers-Objekt ein:

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

5. Speichern Sie Ihre Konfiguration und starten Sie Windsurf neu.
6. Überprüfen Sie die Einrichtung, indem Sie nach Strava MCP Tools in Ihrem KI-Assistenten suchen.

Beispiel: API-Keys sicher speichern

{
  "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"
    }
  }
}

Speichern Sie Zugangsdaten sicher mit Umgebungsvariablen.

Claude

1. Installieren Sie Node.js als Voraussetzung.
2. Öffnen Sie die Claude-Konfigurationsdatei für MCP-Server.
3. Fügen Sie den Strava MCP Server hinzu:

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

4. Speichern Sie die Datei und starten Sie Claude neu.
5. Bestätigen Sie, dass die Strava MCP-Integration aktiv ist.

Cursor

1. Installieren Sie Node.js, falls nicht vorhanden.
2. Öffnen Sie die Cursor-Konfigurationsdatei für MCP-Server.
3. Fügen Sie hinzu:

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

4. Speichern Sie und starten Sie Cursor neu.
5. Überprüfen Sie die Funktionalität innerhalb Ihrer KI-Workflows.

Cline

1. Stellen Sie sicher, dass Node.js installiert ist.
2. Öffnen Sie die Konfigurationsdatei für MCP-Server in Cline.
3. Fügen Sie ein:

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

4. Speichern Sie und starten Sie die Cline-Umgebung neu.
5. Überprüfen Sie, ob Strava MCP-Tools verfügbar sind.

Hinweis: Speichern Sie sensible API-Keys immer in Umgebungsvariablen, nicht im Klartext.

Nutzung dieses MCP in Flows

Verwendung von MCP in FlowHunt

Um MCP-Server in Ihren FlowHunt-Workflow zu integrieren, fügen Sie zunächst die MCP-Komponente zu Ihrem Flow hinzu und verbinden Sie diese mit Ihrem KI-Agenten:

Klicken Sie auf die MCP-Komponente, um das Konfigurationsfeld zu öffnen. Im Bereich der System-MCP-Konfiguration tragen Sie Ihre MCP-Server-Details in folgendem JSON-Format ein:

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

Nach der Konfiguration kann der KI-Agent diesen MCP als Tool mit Zugriff auf alle Funktionen und Fähigkeiten nutzen. Denken Sie daran, “strava-mcp” durch den tatsächlichen Namen Ihres MCP-Servers und die URL durch Ihre eigene MCP-Server-URL zu ersetzen.

Übersicht

Unsere Einschätzung

Der Strava MCP Server bietet eine robuste Brücke zwischen LLMs und der Strava API, stellt eine breite Palette an Tools bereit und wartet mit klarer Dokumentation sowie praxisnahen Anwendungsfällen auf. Das Fehlen dokumentierter Prompt-Vorlagen und expliziter MCP-Ressourcen schränkt jedoch die Standardisierungsfähigkeit out-of-the-box ein. Sampling- und Roots-Unterstützung werden nicht erwähnt, was die Vielseitigkeit für fortgeschrittene MCP-Szenarien etwas reduziert.

MCP Score: 7/10 — ein starkes, produktionsreifes MCP für die Strava-Integration, mit Verbesserungspotenzial bei Prompt-/Ressourcen-Spezifikation und fortgeschrittenen Protokollfunktionen.

MCP Score