斯特拉瓦-MCP

Name: 斯特拉瓦-MCP
Author: eddmann

作者：eddmann2 星标更新：2025-11-07

安装使用来源：spider==github.com

项目介绍

Strava MCP Server

这是一个用于Strava集成的模型上下文协议（MCP）服务器。通过Claude、ChatGPT和其他大型语言模型访问您的活动、运动员统计数据、分段和路线。

概述

此MCP服务器提供了11个工具来与您的Strava账户进行交互，这些工具被组织成5个类别：

活动（2个工具） - 查询和分析您的Strava活动
运动员（1个工具） - 访问个人资料、统计数据和训练区间
分段（3个工具） - 探索和跟踪分段努力
路线（2个工具） - 管理和导出路线
分析（3个工具） - 训练见解、比较和相似性搜索

此外，该服务器还提供：

1个MCP资源 - 包含统计数据和区间的运动员个人资料，用于持续上下文
5个MCP提示 - 常见查询模板（训练分析、分段表现、活动分析、跑步比较、训练总结）

部署选项：

标准I/O模式：单用户本地部署（例如，Claude桌面版、Cursor）
HTTP模式：多用户部署（例如，ChatGPT、远程MCP部署）

预备条件

Python 3.11+ 和 uv，或者
Docker

Strava API应用程序设置

在安装之前，您需要创建一个Strava API应用程序：

访问 https://www.strava.com/settings/api
使用以下设置创建一个新的应用程序：
- 应用程序名称：您的选择（例如，“我的Strava MCP”）
- 类别：您的选择（例如，“数据导入器”）
- 社团：留空（可选）
- 网站：可以是任何内容（例如，http://localhost）
- 授权回调域名：必须是localhost
创建后，请记下您的客户端ID和客户端密钥
在下面的设置过程中会使用这些凭证

安装与设置

认证工作原理

标准I/O模式（单用户，预配置）

OAuth流程 - 通过浏览器一次性授权
令牌存储 - OAuth令牌保存到.env文件中
自动刷新 - 当令牌过期时自动刷新
持久化 - 后续运行重用已存储的令牌

HTTP模式（多用户，按需）

OAuth流程 - 用户首次连接时进行授权（MCP OAuth → Strava OAuth）
令牌存储 - OAuth令牌存储在会话存储中（内存或DynamoDB）
自动刷新 - 每个会话自动刷新令牌
持久化 - 会话在12小时后过期（可配置）

方案1：使用UV

# 安装依赖项
cd strava-mcp
uv sync

然后配置凭证：

uv run strava-mcp-auth

这个交互式向导将引导您完成为标准I/O或HTTP传输模式配置认证的过程。

方案2：使用Docker

# 拉取镜像
docker pull ghcr.io/eddmann/strava-mcp:latest

然后配置凭证：

# 首先创建env文件（如果不存在，Docker会将其创建为目录）
touch strava-mcp.env

# 运行设置脚本
docker run -it --rm \
  -v "/ABSOLUTE/PATH/TO/strava-mcp.env:/app/.env" \
  --entrypoint= \
  ghcr.io/eddmann/strava-mcp:latest \
  python -m strava_mcp.scripts.setup_auth

这个交互式向导将引导您完成为标准I/O或HTTP传输模式配置认证的过程。

所需OAuth范围

认证过程请求以下范围：

profile:read_all - 读取运动员个人资料和区间
activity:read_all - 读取所有活动数据
activity:read - 读取活动摘要
profile:write - 对分段进行点赞/取消点赞

传输模式

服务器支持两种传输模式，通过--transport标志选择（默认为stdio，无需标志）：

标准I/O模式（默认）

使用标准输入/输出与预先配置的单个Strava账户进行通信。

认证：.env文件中的预配置OAuth令牌
用户：每个部署单个用户
设置：运行strava-mcp-auth进行一次授权
令牌存储：本地.env文件

HTTP模式（流式HTTP）

使用HTTP传输和每个用户的OAuth流程。

认证：每个用户的OAuth流程（MCP OAuth → Strava OAuth）
用户：支持多个用户，具有独立的会话
设置：基于环境的配置
令牌存储：内存或DynamoDB会话存储

Claude桌面配置

添加到您的配置文件中：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json

使用UV

{
  "mcpServers": {
    "strava": {
      "command": "uv",
      "args": [
        "run",
        "--directory",
        "/ABSOLUTE/PATH/TO/strava-mcp",
        "strava-mcp",
        "--transport",
        "stdio"
      ]
    }
  }
}

使用Docker

{
  "mcpServers": {
    "strava": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-v",
        "/ABSOLUTE/PATH/TO/strava-mcp.env:/app/.env",
        "ghcr.io/eddmann/strava-mcp:latest",
        "--transport",
        "stdio"
      ]
    }
  }
}

ChatGPT集成及HTTP模式

在HTTP模式下运行

以HTTP模式启动服务器以进行远程部署：

# 使用UV
uv run --directory /ABSOLUTE/PATH/TO/strava-mcp strava-mcp --transport http

# 使用Docker
docker run -p 8000:8000 --rm \
  -v "/ABSOLUTE/PATH/TO/strava-mcp.env:/app/.env" \
  ghcr.io/eddmann/strava-mcp:latest \
  --transport http

环境变量可以通过strava-mcp-auth设置向导进行配置（参见安装与设置部分）。

使用ngrok进行本地开发

要测试ChatGPT集成：

以HTTP模式启动服务器：
```
uv run strava-mcp --transport http
```
在另一个终端中通过ngrok暴露：
```
ngrok http 8000
```
更新环境：将STRAVA_MCP_BASE_URL设置为您的ngrok URL：
```
export STRAVA_MCP_BASE_URL=https://abc123.ngrok.io
```
或者添加到您的.env文件中：
```
STRAVA_MCP_BASE_URL=https://abc123.ngrok.io
```
重启服务器以获取新的基础URL
配置ChatGPT：使用ngrok URL（带有/mcp路径）作为您的MCP服务器端点

使用方法

让Claude使用自然语言与您的Strava数据进行交互。服务器提供了工具、资源和提示模板来帮助您开始。

快速开始使用MCP提示

使用内置提示模板进行常见查询（可通过Claude中的提示建议获得）：

analyze-recent-training - 分析我过去30天的训练
segment-performance - 分析我在特定分段上的表现
activity-deep-dive - 对特定活动进行深入分析
compare-recent-runs - 比较我的最近几次跑步以追踪进步
training-summary - 显示全面的训练概要

活动

"显示我过去30天的跑步"
"获取我最后一次长跑的分段和心率区间"
"显示我对半程马拉松比赛的评论和点赞"
"查找今年的所有马拉松比赛"
"显示过去90天内的所有10公里跑步"

运动员个人资料及统计

"显示包含今年至今统计和训练区间的运动员个人资料"

注意：运动员个人资料资源（strava://athlete/profile）自动提供持续上下文。

分段

"显示Box Hill分段及其历史努力情况"
"查找Hyde Park附近的跑步分段"
"显示我最喜欢的爬坡分段的排行榜"

路线

"列出我的路线"
"将我的Richmond Park路线导出为GPX格式"

训练分析

"分析我过去30天的训练"
"分析我今年的马拉松比赛表现"
"比较我最后三次10公里跑步"
"查找与我上次间歇训练相似的跑步"
"显示我过去一年内的所有5公里比赛"

注意：返回列表的工具使用基于游标的分页，默认限制（活动/分段/路线10项，排行榜50项）。

可用工具

活动（2个工具）

工具	描述
`query-activities`	统一查询活动，包括过滤（距离、标题、比赛状态）和可选丰富信息（分段、区间、流）
`get-activity-social`	获取活动的评论和点赞

运动员（1个工具）

工具	描述
`get-athlete-profile`	获取运动员个人资料，包括可选统计（近期、今年至今、所有时间）和训练区间

分段（3个工具）

工具	描述
`query-segments`	统一分段查询（通过ID、收藏或地理边界探索）
`star-segment`	收藏或取消收藏分段
`get-segment-leaderboard`	获取分段排行榜，包括过滤选项

路线（2个工具）

工具	描述
`query-routes`	获取路线详情（通过ID获取单个路线或列出所有路线）
`export-route`	将路线导出为GPX或TCX格式

分析（3个工具）

工具	描述
`analyze-training`	分析一段时间内的训练，包括过滤（距离、标题、比赛状态）和聚合指标
`compare-activities`	并排比较2-5个活动
`find-similar-活动`	查找与参考活动相似的活动，并进行预筛选以追踪进度

MCP资源

资源为LLM提供持续上下文，而无需显式调用工具：

资源	描述
`strava://athlete/profile`	包含近期统计、区间和装备的完整运动员个人资料

MCP提示

常见查询的提示模板（可通过Claude中的提示建议获得）：

提示	描述
`analyze-recent-training`	对指定时间段进行全面的训练分析
`race-performance-analysis`	分析特定距离的比赛表现
`segment-performance`	详细的分段表现分析
`activity-deep-dive`	对特定活动进行深入分析，包括所有指标
`compare-recent-runs`	比较最近几次跑步以识别趋势和改进
`training-summary`	全面的训练概述，附带建议

许可证

MIT许可证 - 详情请参阅LICENSE文件

免责声明

本项目未得到Strava, Inc.的认可、赞助或关联。所有产品名称、徽标和品牌均为其各自所有者的财产。