Serveur MCP Strava

Que fait le serveur MCP « Strava » ?

Le serveur MCP Strava est un serveur Model Context Protocol (MCP) implémenté en TypeScript qui connecte de façon transparente les grands modèles de langage (LLM) à l’API Strava. Agissant comme un pont, il permet aux assistants IA d’accéder, d’analyser et d’interagir avec les données Strava d’un utilisateur — incluant les activités récentes, le profil, les statistiques, les itinéraires et les segments — directement via des outils MCP standardisés. Cette intégration permet aux développeurs et aux systèmes IA d’exécuter des tâches telles que la requête des statistiques d’entraînement, la récupération de streams d’activité (puissance, fréquence cardiaque, cadence…), l’export d’itinéraires et la gestion des segments, le tout de façon sécurisée et adaptée à l’IA. En exposant les riches données fitness et activités de Strava sous forme d’outils, le serveur améliore les workflows de développement et offre des interactions intelligentes et pilotées par les données pour l’analyse et le coaching sportif.

Liste des prompts

Aucun modèle de prompt explicite n’a été trouvé dans le dépôt.

Liste des ressources

Aucune ressource explicite n’est documentée ou exposée dans le dépôt.

Liste des outils

• Outil Activités Récentes : Accède aux activités récentes Strava de l’utilisateur authentifié.
• Outil Profil : Récupère les informations de profil de l’utilisateur.
• Outil Statistiques : Récupère les statistiques de course, vélo et natation.
• Outil Streams d’Activité : Récupère les données détaillées (fréquence cardiaque, puissance, cadence, élévation, etc.) pour une activité donnée.
• Outil Segments : Explore, visualise, ajoute en favori et gère les segments Strava.
• Outil Itinéraires : Liste et affiche les détails des itinéraires Strava sauvegardés.
• Outil Export d’Itinéraires : Exporte les itinéraires au format GPX ou TCX vers le système de fichiers local.

Cas d’usage de ce serveur MCP

• Analyse de données fitness : Les développeurs peuvent intégrer le serveur aux LLM pour analyser l’historique d’entraînement, les statistiques et les tendances d’un utilisateur, fournissant des bilans détaillés et des rapports de progression.
• Coaching personnalisé : Les assistants IA peuvent fournir des conseils de coaching à partir de données d’activité riches (fréquence cardiaque, puissance, cadence…) issues des entraînements récents.
• Planification et export d’itinéraires : Permet aux utilisateurs de lister, consulter et exporter leurs itinéraires Strava pour les utiliser sur des GPS ou les partager.
• Exploration et gestion de segments : Les développeurs peuvent créer des outils pour découvrir, ajouter en favori et analyser les segments Strava pour optimiser les parcours et le suivi de la performance.
• Insights clubs et communautés : Accès et affichage des clubs, activités de groupe et classements de segments pour un engagement social accru.

Comment l’installer

Windsurf

1. Assurez-vous que Node.js est installé.
2. Ouvrez le fichier de configuration de Windsurf.
3. Ajoutez le package du serveur MCP Strava (@r-huijts/strava-mcp@latest) à votre liste de serveurs MCP.
4. Collez l’extrait JSON suivant dans l’objet mcpServers :

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

5. Enregistrez la configuration et redémarrez Windsurf.
6. Vérifiez la configuration en recherchant les outils Strava MCP dans votre assistant IA.

Sécurisation des clés API – exemple

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

Stockez vos identifiants de façon sécurisée via des variables d’environnement.

Claude

1. Installez Node.js comme prérequis.
2. Ouvrez le fichier de configuration de Claude relatif aux serveurs MCP.
3. Ajoutez le serveur MCP Strava via :

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

4. Enregistrez le fichier et redémarrez Claude.
5. Vérifiez que l’intégration Strava MCP est active.

Cursor

1. Installez Node.js si ce n’est pas déjà fait.
2. Ouvrez le fichier de configuration de Cursor concernant les serveurs MCP.
3. Ajoutez :

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

4. Enregistrez et redémarrez Cursor.
5. Vérifiez le bon fonctionnement dans vos workflows IA.

Cline

1. Vérifiez que Node.js est installé.
2. Accédez au fichier de configuration des serveurs MCP dans Cline.
3. Insérez :

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

4. Enregistrez et redémarrez l’environnement Cline.
5. Vérifiez la présence des outils Strava MCP.

Remarque : stockez toujours vos clés API sensibles dans des variables d’environnement et non en clair.

Comment utiliser ce MCP dans les flows

Utilisation de MCP dans FlowHunt

Pour intégrer des serveurs MCP dans votre workflow FlowHunt, commencez par ajouter le composant MCP à votre flow et connectez-le à votre agent IA :

Cliquez sur le composant MCP pour ouvrir le panneau de configuration. Dans la section de configuration système MCP, saisissez les détails de votre serveur MCP en utilisant ce format JSON :

{
  "strava-mcp": {
    "transport": "streamable_http",
    "url": "https://votreserveurmcp.exemple/cheminversmcp/url"
  }
}

Une fois configuré, l’agent IA peut utiliser ce MCP comme outil avec accès à toutes ses fonctions et capacités. N’oubliez pas d’adapter le nom « strava-mcp » selon le nom réel de votre serveur MCP et de remplacer l’URL par celle de votre propre serveur MCP.

Vue d’ensemble

Notre avis

Le serveur MCP Strava offre un pont robuste entre les LLM et l’API Strava, exposant un large éventail d’outils avec une documentation claire et des cas d’usage concrets. L’absence de modèles de prompt documentés ou de ressources MCP explicites limite cependant sa standardisation prête à l’emploi. Sampling et Roots ne sont pas mentionnés, ce qui réduit légèrement la polyvalence pour des scénarios MCP avancés.

Score MCP : 7/10 — un MCP solide, prêt pour la production et l’intégration Strava, avec des axes d’amélioration possibles sur la spécification des prompts/ressources et des fonctionnalités avancées du protocole.

Score MCP