Strava MCP Server

Co robi serwer “Strava” MCP?

Strava MCP Server to serwer Model Context Protocol (MCP) zaimplementowany w TypeScript, który płynnie łączy duże modele językowe (LLM) z API Strava. Działając jako most, umożliwia asystentom AI dostęp, analizę i interakcję z danymi Strava użytkownika — w tym ostatnimi aktywnościami, profilami, statystykami, trasami i segmentami — bezpośrednio przez standaryzowane narzędzia MCP. Ta integracja umożliwia deweloperom i systemom AI wykonywanie zadań takich jak zapytania o statystyki treningów, pobieranie strumieni aktywności (np. moc, tętno, kadencja), eksport tras i zarządzanie segmentami, wszystko w sposób bezpieczny i przyjazny dla AI. Udostępniając bogate dane fitness i aktywności Strava jako narzędzia, serwer usprawnia przepływy programistyczne i wspiera inteligentne, oparte na danych interakcje do analizy fitness i coachingu.

Lista promptów

W repozytorium nie znaleziono jawnych szablonów promptów.

Lista zasobów

W repozytorium nie udokumentowano ani nie udostępniono jawnych zasobów.

Lista narzędzi

• Recent Activities Tool: Dostęp do ostatnich aktywności Strava dla uwierzytelnionego użytkownika.
• Profile Tool: Pobiera informacje profilowe użytkownika.
• Stats Tool: Pobiera statystyki biegania, jazdy na rowerze i pływania.
• Activity Streams Tool: Pobiera szczegółowe dane strumieniowe (tętno, moc, kadencja, wysokość itp.) dla konkretnych aktywności.
• Segments Tool: Eksploruj, przeglądaj, oznaczaj gwiazdką i zarządzaj segmentami Strava.
• Routes Tool: Wyświetlanie i przeglądanie szczegółów zapisanych tras Strava.
• Route Export Tool: Eksportuj trasy w formacie GPX lub TCX do lokalnego systemu plików.

Przykłady zastosowań tego serwera MCP

• Analiza danych fitness: Deweloperzy mogą integrować serwer z LLM do analizy historii treningów użytkownika, statystyk i trendów, oferując szczegółowe podsumowania oraz raporty postępu.
• Spersonalizowany coaching: Asystenci AI mogą udzielać porad trenerskich, wykorzystując bogate dane aktywności, takie jak strumienie tętna, mocy i kadencji z ostatnich treningów.
• Planowanie i eksport tras: Umożliwia użytkownikom przeglądanie, wyświetlanie i eksport własnych tras Strava do urządzeń GPS lub udostępnianie znajomym.
• Eksploracja i zarządzanie segmentami: Deweloperzy mogą tworzyć narzędzia do odkrywania, oznaczania i analizowania segmentów Strava na potrzeby optymalizacji tras i benchmarkingu wydajności.
• Analizy klubowe i społecznościowe: Dostęp i prezentacja członkostwa w klubach, aktywności grupowych i tabel liderów segmentów dla lepszego zaangażowania społecznościowego.

Jak skonfigurować

Windsurf

1. Upewnij się, że masz zainstalowany Node.js.
2. Otwórz plik konfiguracyjny Windsurf.
3. Dodaj pakiet serwera Strava MCP (@r-huijts/strava-mcp@latest) do swojej listy serwerów MCP.
4. Wklej poniższy fragment JSON do obiektu mcpServers:

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

5. Zapisz konfigurację i zrestartuj Windsurf.
6. Zweryfikuj konfigurację sprawdzając obecność narzędzi Strava MCP w swoim asystencie AI.

Przykład zabezpieczenia kluczy API

{
  "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"
    }
  }
}

Przechowuj dane uwierzytelniające bezpiecznie, korzystając ze zmiennych środowiskowych.

Claude

1. Zainstaluj Node.js jako wymaganie wstępne.
2. Otwórz plik konfiguracyjny Claude dla serwerów MCP.
3. Dodaj serwer Strava MCP używając:

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

4. Zapisz plik i zrestartuj Claude.
5. Potwierdź, że integracja Strava MCP jest aktywna.

Cursor

1. Zainstaluj Node.js, jeśli nie jest obecny.
2. Otwórz plik konfiguracyjny Cursor dotyczący serwerów MCP.
3. Dodaj:

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

4. Zapisz i zrestartuj Cursor.
5. Zweryfikuj działanie w swoich przepływach AI.

Cline

1. Upewnij się, że Node.js jest zainstalowany.
2. Otwórz plik konfiguracyjny serwerów MCP w Cline.
3. Wstaw:

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

4. Zapisz i zrestartuj środowisko Cline.
5. Sprawdź dostępność narzędzi Strava MCP.

Uwaga: Zawsze przechowuj wrażliwe klucze API w zmiennych środowiskowych, nie w jawnym tekście.

Jak używać tego MCP w przepływach

Użycie MCP w FlowHunt

Aby zintegrować serwery MCP w swoim przepływie FlowHunt, zacznij od dodania komponentu MCP do przepływu i połącz go z agentem AI:

Kliknij komponent MCP, aby otworzyć panel konfiguracji. W sekcji konfiguracji systemu MCP wklej dane serwera MCP w tym formacie JSON:

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

Po skonfigurowaniu agent AI może korzystać z tego MCP jako narzędzia ze wszystkimi jego funkcjami i możliwościami. Pamiętaj, aby zmienić “strava-mcp” na właściwą nazwę swojego serwera MCP i podać własny adres URL serwera MCP.

Podsumowanie

Nasza opinia

Strava MCP Server zapewnia solidny most między LLM a API Strava, udostępniając szeroką gamę narzędzi wraz z czytelną dokumentacją i przykładami zastosowań. Brak jednak udokumentowanych szablonów promptów oraz jawnych zasobów MCP, co ogranicza potencjał standaryzacji out-of-the-box. Nie wspomniano też o sampling i Roots, co nieznacznie zmniejsza elastyczność w zaawansowanych scenariuszach MCP.

Ocena MCP: 7/10 — mocny, gotowy do produkcji MCP dla integracji ze Stravą, z miejscem na ulepszenia w zakresie promptów, zasobów i zaawansowanych funkcji protokołu.

Ocena MCP