Strava MCPサーバー

「Strava」MCPサーバーは何をするのか？

Strava MCPサーバーは、TypeScriptで実装されたModel Context Protocol（MCP）サーバーであり、大規模言語モデル（LLM）とStrava APIをシームレスに接続します。ブリッジとして機能し、AIアシスタントがユーザーのStravaデータ（最近のアクティビティ、プロフィール、統計、ルート、セグメントなど）へ標準化されたMCPツールを通じて直接アクセス・分析・対話できるようにします。この統合により、開発者やAIシステムはワークアウト統計のクエリ、アクティビティストリーム（パワー、心拍、ケイデンスなど）の取得、ルートのエクスポート、セグメント管理などを安全かつAIフレンドリーな形で実現できます。Stravaの豊富なフィットネス・アクティビティデータをツールとして公開することで、開発ワークフローを強化し、フィットネス分析やコーチングにおけるインテリジェントなデータ駆動型対話をサポートします。

プロンプト一覧

レポジトリ内に明示的なプロンプトテンプレートは見つかりませんでした。

リソース一覧

レポジトリ内で明示的に記載または公開されているリソースはありません。

ツール一覧

• 最近のアクティビティツール：認証済みユーザーのStravaアクティビティを取得します。
• プロフィールツール：ユーザーのプロフィール情報を取得します。
• 統計ツール：ランニング、サイクリング、スイミングの統計データを取得します。
• アクティビティストリームツール：特定のアクティビティについて詳細なストリームデータ（心拍、パワー、ケイデンス、高度など）を取得します。
• セグメントツール：Stravaセグメントの探索、閲覧、スター付け、管理ができます。
• ルートツール：保存済みStravaルートの一覧と詳細を取得します。
• ルートエクスポートツール：ルートをGPXまたはTCX形式でローカルファイルシステムへエクスポートします。

このMCPサーバーのユースケース

• フィットネスデータ分析：開発者はサーバーをLLMと統合し、ユーザーのワークアウト履歴や統計、トレンドを分析し、詳細なサマリーや進捗レポートを提供できます。
• パーソナライズドコーチング：AIアシスタントが直近ワークアウトの心拍、パワー、ケイデンスなどの豊富なアクティビティデータをもとにコーチングアドバイスを行えます。
• ルート計画・エクスポート：ユーザー自身のStravaルートの一覧表示・詳細閲覧・エクスポートを行い、GPSデバイスでの利用や友人との共有が可能です。
• セグメント探索・管理：開発者はルート最適化やパフォーマンスベンチマークのために、Stravaセグメントの発見・スター付け・分析用ツールを構築できます。
• クラブ・コミュニティインサイト：クラブメンバーシップやグループ活動、セグメントリーダーボードにアクセスし、ソーシャルエンゲージメントを強化します。

セットアップ方法

Windsurf

1. Node.jsがインストールされていることを確認してください。
2. Windsurfの設定ファイルを開きます。
3. Strava MCPサーバーパッケージ（@r-huijts/strava-mcp@latest）をMCPサーバーリストへ追加します。
4. 次のJSONスニペットをmcpServersオブジェクトに貼り付けます：

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

5. 設定を保存してWindsurfを再起動します。
6. AIアシスタントでStrava MCPツールが利用できるか確認してください。

APIキーの安全な格納例

{
  "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"
    }
  }
}

認証情報は環境変数を使って安全に格納してください。

Claude

1. 事前にNode.jsをインストールしてください。
2. ClaudeのMCPサーバー用設定ファイルを開きます。
3. 次のようにStrava MCPサーバーを追加します：

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

4. ファイルを保存してClaudeを再起動します。
5. Strava MCPの統合が有効化されているか確認します。

Cursor

1. Node.jsが未導入の場合はインストールしてください。
2. MCPサーバーに関するCursorの設定ファイルを開きます。
3. 次を追加します：

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

4. 保存してCursorを再起動します。
5. AIワークフロー内での動作を確認してください。

Cline

1. Node.jsがインストールされていることを確認します。
2. ClineのMCPサーバー用設定ファイルにアクセスします。
3. 以下を挿入します：

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

4. 保存してCline環境を再起動します。
5. Strava MCPツールが検出できるか確認してください。

注意：APIキーなどの機密情報は必ず環境変数で管理し、平文で保存しないでください。

フロー内でのMCP利用方法

FlowHuntでMCPを利用する

FlowHuntワークフローにMCPサーバーを統合するには、まずMCPコンポーネントをフローに追加し、AIエージェントへ接続します。

MCPコンポーネントをクリックして設定パネルを開きます。システムMCP設定セクションで、次のJSON形式でMCPサーバー情報を入力してください：

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

設定後、AIエージェントはこのMCPをツールとして利用でき、すべての機能・能力にアクセス可能となります。“strava-mcp"は実際のMCPサーバー名に、URLはご自身のMCPサーバーのURLに置き換えてください。

概要

総評

Strava MCPサーバーはLLMとStrava APIの間を堅牢に橋渡しする多彩なツールを公開し、ドキュメントやユースケースも充実しています。一方でプロンプトテンプレートや明示的なMCPリソースが不足しているため、標準化の面では改善の余地が残ります。サンプリングやRootsサポートも未記載であり、高度なMCP運用には若干の拡張性不足が見受けられます。

MCPスコア: 7/10 — Strava統合として実運用可能な強力なMCPですが、プロンプト/リソース仕様や高度なプロトコル機能に更なる改善余地あり。

MCPスコア