Strava MCP-server

Hva gjør “Strava” MCP-serveren?

Strava MCP-serveren er en Model Context Protocol (MCP)-server implementert i TypeScript som sømløst kobler store språkmodeller (LLM-er) til Strava API-et. Som en bro gjør den det mulig for AI-assistenter å få tilgang til, analysere og samhandle med en brukers Strava-data – inkludert nylige aktiviteter, profiler, statistikk, ruter og segmenter – direkte via standardiserte MCP-verktøy. Denne integrasjonen gir utviklere og AI-systemer mulighet til å utføre oppgaver som å hente treningsstatistikk, hente aktivitetsstrømmer (for eksempel watt, puls eller tråkkfrekvens), eksportere ruter og håndtere segmenter, alt på en sikker og AI-vennlig måte. Ved å eksponere Stravas rike trenings- og aktivitetsdata som verktøy, forbedrer serveren utviklerarbeidsflyten og muliggjør intelligente, datadrevne interaksjoner for analyse og coaching.

Liste over prompt-maler

Ingen eksplisitte prompt-maler er funnet i depotet.

Klar til å vokse bedriften din?

Start din gratis prøveperiode i dag og se resultater i løpet av få dager.

Be om demo Logg inn

Liste over ressurser

Ingen eksplisitte ressurser er dokumentert eller eksponert i depotet.

Liste over verktøy

• Nylige aktiviteter-verktøy: Tilgang til nylige Strava-aktiviteter for den autentiserte brukeren.
• Profilverktøy: Henter profilinformasjon for brukeren.
• Statistikkverktøy: Henter løpe-, sykle- og svømmestatistikk.
• Aktivitetsstrømmer-verktøy: Henter detaljerte strømmingsdata (puls, watt, tråkkfrekvens, høyde osv.) for spesifikke aktiviteter.
• Segmentverktøy: Utforsk, vis, stjernemerk og administrer Strava-segmenter.
• Ruteverktøy: List opp og vis detaljer om lagrede Strava-ruter.
• Ruteeksport-verktøy: Eksporter ruter i GPX- eller TCX-format til det lokale filsystemet.

Bli med i vårt nyhetsbrev

Få de siste tipsene, trendene og tilbudene gratis.

E-postadresse

Abonner

Bruksområder for denne MCP-serveren

• Treningsdataanalyse: Utviklere kan integrere serveren med LLM-er for å analysere en brukers treningshistorikk, statistikk og trender og gi detaljerte oppsummeringer og fremdriftsrapporter.
• Personlig coaching: AI-assistenter kan gi coachingråd ved å bruke rike aktivitetsdata, som puls, watt og tråkkfrekvens fra de siste øktene.
• Ruteplanlegging og eksport: Gjør det mulig for brukere å liste opp, vise og eksportere sine Strava-ruter for bruk på GPS-enheter eller for deling med venner.
• Segmentutforsking og -administrasjon: Utviklere kan bygge verktøy for å oppdage, stjernemerke og analysere Strava-segmenter for ruteoptimalisering og ytelsesbenchmarking.
• Klubb- og samfunnsinnsikt: Få tilgang til og vis klubbmedlemskap, gruppeaktiviteter og segmentledertavler for bedre sosialt engasjement.

Hvordan sette det opp

Windsurf

1. Sørg for at du har Node.js installert.
2. Åpne konfigurasjonsfilen til Windsurf.
3. Legg til Strava MCP-serverpakken (@r-huijts/strava-mcp@latest) i listen over MCP-servere.
4. Lim inn følgende JSON-snutt i mcpServers-objektet:

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

5. Lagre konfigurasjonen din og start Windsurf på nytt.
6. Verifiser oppsettet ved å sjekke at Strava MCP-verktøyene er tilgjengelige i AI-assistenten din.

Eksempel på sikring av API-nøkler

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

Lagre legitimasjon sikkert ved å bruke miljøvariabler.

Claude

1. Installer Node.js som forutsetning.
2. Åpne Claudes konfigurasjonsfil for MCP-servere.
3. Legg til Strava MCP-serveren ved å bruke:

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

4. Lagre filen og start Claude på nytt.
5. Bekreft at Strava MCP-integrasjonen er aktiv.

Cursor

1. Installer Node.js hvis det ikke allerede er gjort.
2. Åpne Cursor-konfigurasjonsfilen som gjelder MCP-servere.
3. Legg til:

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

4. Lagre og start Cursor på nytt.
5. Verifiser funksjonalitet i AI-arbeidsflytene dine.

Cline

1. Forsikre deg om at Node.js er installert.
2. Gå til konfigurasjonsfilen for MCP-servere i Cline.
3. Sett inn:

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

4. Lagre og start Cline-miljøet på nytt.
5. Sjekk at Strava MCP-verktøyene er tilgjengelige.

Merk: Lagre alltid sensitive API-nøkler som miljøvariabler, ikke i klartekst.

Hvordan bruke denne MCP-en i flows

Bruke MCP i FlowHunt

For å integrere MCP-servere i FlowHunt-arbeidsflyten din, start med å legge til MCP-komponenten i flyten og koble den til AI-agenten din:

Klikk på MCP-komponenten for å åpne konfigurasjonspanelet. I systemets MCP-konfigurasjonsseksjon setter du inn MCP-serverdetaljene dine med dette JSON-formatet:

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

Når dette er konfigurert, kan AI-agenten nå bruke denne MCP-en som et verktøy med tilgang til alle dens funksjoner og muligheter. Husk å endre “strava-mcp” til det faktiske navnet på din MCP-server og bytt ut URL-en med din egen MCP-server-URL.

Oversikt

Vår vurdering

Strava MCP-serveren gir en robust bro mellom LLM-er og Strava API-et, eksponerer et bredt spekter av verktøy, med tydelig dokumentasjon og reelle bruksområder. Imidlertid begrenser mangelen på dokumenterte prompt-maler og eksplisitte MCP-ressurser potensialet for ut-av-boksen standardisering. Sampling- og Roots-støtte er ikke nevnt, noe som reduserer allsidigheten for avanserte MCP-scenarier.

MCP-score: 7/10 — en sterk, produksjonsklar MCP for Strava-integrasjon, med forbedringspotensial på prompt-/ressursspesifikasjon og avanserte protokollfunksjoner.

MCP-score