Integración de la API de Strava con el SDK del Protocolo de Contexto de Modelo (MCP)

Name: mcp-server-strava
Author: rbctmz

Códecs Pitón Licencia: MIT Fallar

Integración para análisis de entrenamiento y recomendaciones basadas en datos de Strava utilizando el SDK Model Context Protocol.

🚀 Características

Análisis de entrenamientos de Strava
Recomendaciones de formación
Actualización automática de tokens
Limitación de velocidad para solicitudes de API

Related MCP server: Strava MCP Server

📋 Requisitos

Python 3.10+
Escritorio de Claude
Cuenta de Strava
uv (recomendado)

⚙️ Instalación

# Клонируем репозиторий git clone https://github.com/rbctmz/mcp-server-strava.git cd mcp-server-strava # Установка через uv (рекомендуется) curl -LsSf https://astral.sh/uv/install.sh | sh uv pip install . # Установка в режиме разработки uv pip install -e ".[dev]"

Instalación del SDK de MCP

uv add "mcp[cli]"

🔧 Configuración

Configuración de la API de Strava

Vaya a la página de configuración de la API
Crear una aplicación:
- Nombre de la aplicación: Integración de MCP Strava
- Categoría: Análisis de entrenamiento
- Sitio web: http://localhost
- Dominio de devolución de llamada de autorización: localhost

Configuración del entorno

Crea un archivo con variables de entorno:
cp .env-template .env
Obtener tokens de acceso:
python scripts/auth.py
Compruebe la configuración:
mcp dev src/server.py curl -X GET "http://localhost:8000/activities"

📚 API y ejemplos

Recursos y herramientas

Tipo	Nombre	Descripción
Recurso	`strava://activities`	Lista de actividades
Recurso	`strava://activities/{id}`	Detalles de la actividad
Recurso	`strava://athlete/zones`	Zonas de entrenamiento
Recurso	`strava://athlete/clubs`	Clubes de atletas
Recurso	`strava://gear/{gear_id}`	Información del equipo
Herramienta	`analyze_activity(activity_id)`	Análisis de entrenamiento
Herramienta	`analyze_training_load(activities)`	Análisis de carga
Herramienta	`get_activity_recommendations()`	Recomendaciones

Ejemplos de uso

from mcp import ClientSession # Получение активностей async with ClientSession() as session: activities = await session.read_resource("strava://activities") activity = await session.read_resource("strava://activities/12345678") # Анализ тренировки result = analyze_activity(activity_id="12345678") """ { "type": "Run", "distance": 5000, "moving_time": 1800, "analysis": { "pace": 5.5, # мин/км "effort": "Средняя" } } """ # Анализ нагрузки summary = analyze_training_load(activities) """ { "activities_count": 10, "total_distance": 50.5, # км "total_time": 5.2, # часы "heart_rate_zones": { "easy": 4, # ЧСС < 120 "medium": 4, # ЧСС 120-150 "hard": 2 # ЧСС > 150 } } """ # Получение тренировочных зон async with ClientSession() as session: zones = await session.read_resource("strava://athlete/zones") """ { "heart_rate": { "custom_zones": true, "zones": [ {"min": 0, "max": 120, "name": "Z1 - Recovery"}, {"min": 120, "max": 150, "name": "Z2 - Endurance"}, {"min": 150, "max": 170, "name": "Z3 - Tempo"}, {"min": 170, "max": 185, "name": "Z4 - Threshold"}, {"min": 185, "max": -1, "name": "Z5 - Anaerobic"} ] }, "power": { "zones": [ {"min": 0, "max": 180}, {"min": 181, "max": 250}, {"min": 251, "max": 300}, {"min": 301, "max": 350}, {"min": 351, "max": -1} ] } } """

🛠 Desarrollo

CI/CD y seguridad

Comprobaciones en acciones de GitHub

Tipo	Herramienta	Descripción
Pelusa	fallar	Formato y análisis de código
Pruebas	prueba de python	Pruebas unitarias y de integración
Revestimiento	pytest-cov	Informe de cobertura de código

Seguridad y secretos

Protección de token:
- .env a .gitignore
- Secretos de GitHub para CI/CD
- Limitación de velocidad: 100 solicitudes/15 min
Configuración de secretos:
# В GitHub: Settings → Secrets → Actions STRAVA_CLIENT_ID=<client_id> STRAVA_CLIENT_SECRET=<client_secret> STRAVA_REFRESH_TOKEN=<refresh_token>