BikeScout ist eine spezialisierte KI-Engine für MTB-, Rennrad-, E-Bike- und Gravel-Missionsplanung. Sie wandelt rohe Kartendaten in taktische Intelligenz um, sagt Geländebedingungen und Trail-Gefahren voraus. Das System liefert präzise Setup-Empfehlungen, passt deine Ausrüstung an die Anforderungen der jeweiligen Route an und erkennt technische Herausforderungen sowie Umweltrisiken, bevor du überhaupt die Garage verlässt.
Anleitung zur Verwendung der BikeScout GUI
Anleitung zur Verwendung deines bevorzugten MCP-Agent-Clients: Claude Desktop, Cursor, Codex, Google Antigravity, Windsurf
Related MCP server: Strava MCP
Benutzerhandbuch Detaillierte API-Referenzen und Schritt-für-Schritt-Anleitungen zur Bereitstellung von BikeScout.
Website Entdecke die visuelle Aufschlüsselung der Mud Logic, die S-Scale-Geländebewertung und wie wir rohe OSM-Daten in einsatzbereite Informationen verwandeln. Schau dir die neuesten Rennanalysen der legendären Routen an.
Gefällt dir BikeScout? ⭐ Gib diesem Repository einen Stern, um die Entwicklung der ersten Open-Source-Engine für taktischen Radsport zu unterstützen.
Einen Fehler gefunden? Eröffne ein Issue. Möchtest du einen lokalen Skill hinzufügen? PRs sind willkommen!
Du kannst komplexe, mehrstufige Anfragen an BikeScout stellen. Es kombiniert Echtzeitdaten mit technischer Radsport-Intelligenz, um Antworten auf Expertenniveau zu liefern.
„Ich bin mit meinem MTB (29-Zoll-Reifen) am Monte Cavo. Plane eine 25-km-Runde für mich. Prüfe, ob das Gelände mit meinem Bike kompatibel ist, überprüfe die Regenwahrscheinlichkeit am Nachmittag und schlage eine ‚Fraschetta‘ für den Abschluss vor. Verwende den Castelli-Romani-Guide."
„Prüfe diese Route vom Stadtzentrum Barcelonas nach El Prat. Ich fahre ein Rennrad mit 25-mm-Reifen. Ist das kompatibel? Gib mir den genauen Prozentsatz von Schotter vs. Asphalt an."
„Plane eine 40-km-Route ab Bormio. Ich brauche das visuelle Höhenprofil, um die genauen Steigungen des Stilfser Jochs zu sehen. Markiere Abschnitte über 12 %, damit ich mein Tempo einteilen kann."
„Verwende den Derby-Lokalguide, um eine Rennradroute ab Derby zu planen. Ich brauche mindestens 800 Höhenmeter. Empfiehl außerdem den richtigen Reifendruck für Abfahrten in großer Höhe."
„Gib mir die Sicherheitscheckliste und berechne den Reifendruck für einen 90-kg-Fahrer auf 2,3-Zoll-Tubeless-Reifen für eine matschige Tour."
„Analysiere meine Tour vom 12.04.2026. Vergleiche meine Durchschnittsgeschwindigkeit mit dem Mud Risk zu diesem Zeitpunkt und sag mir, ob die Geländebedingungen der Grund für mein langsames Tempo waren."
Während sich andere Produkte darauf konzentrieren, wohin du fahren kannst, konzentriert sich BikeScout darauf, wie du auf genau dieser Tour gerade jetzt deine beste Form abrufen kannst.
Plattform | Was sie bieten | Warum BikeScout überlegen ist |
Komoot | Statische Karten | Wir ergänzen Live-Risikokontext |
Strava | Historie/Soziales | Wir ergänzen vorausschauende Sicherheit |
Trailforks | Datenbanken | Wir ergänzen personalisierte Intelligenz |
Generische KI | Theorie | Wir ergänzen reale Telemetriedaten |
Beiträge machen die Open-Source-Community zu einem so großartigen Ort zum Lernen, Inspirieren und Gestalten. Jeder Beitrag, den du zu BikeScout leistest, ist sehr willkommen.
Fehler melden: Einen Fehler gefunden? Eröffne ein Issue mit einer detaillierten Beschreibung und Schritten zur Reproduktion.
Feature-Anfragen: Du hast eine Idee, wie BikeScout besser werden kann? Eröffne ein Issue, um darüber zu diskutieren!
Pull Requests:
Forke das Projekt.
Erstelle deinen Feature-Branch (git checkout -b feature/AmazingFeature).
Committe deine Änderungen (git commit -m 'Add some AmazingFeature').
Pushe in den Branch (git checkout origin feature/AmazingFeature).
Eröffne einen Pull Request.
Bitte halte dich bei Python-Code an PEP 8.
Stelle sicher, dass alle neuen Tools in der README.md dokumentiert sind.
Halte Kommentare für die internationale Zusammenarbeit auf Englisch.
Mit deinem Beitrag erklärst du dich damit einverstanden, dass deine Beiträge unter der AGPLv3-Lizenz des Projekts lizenziert werden.
Dieses Projekt ist unter der GNU Affero General Public License v3.0 (AGPL-3.0) lizenziert – siehe die Datei LICENSE für Details.
BikeScout enthält taktische Logik in proprietärer Qualität (wie das TAEL®-Schlammreservoir-Modell). Die AGPLv3 stellt Folgendes sicher:
Transparenz: Jede modifizierte Version von BikeScout, die zur Bereitstellung eines Dienstes über ein Netzwerk (SaaS/Cloud) verwendet wird, muss ihren vollständigen Quellcode der Community zur Verfügung stellen.
Integrität: Die zentrale taktische Intelligenz bleibt offen und kollaborativ und verhindert so die kommerzielle Vereinnahmung der einzigartigen Algorithmen der Plattform als „Closed Source".
BikeScout bündelt Daten mehrerer offener Anbieter. Nutzer dieses Servers müssen deren jeweilige Bedingungen einhalten:
Routing- & Kartendaten: Bereitgestellt von OpenRouteService von HeiGIT.
Geodaten & Geocoding-Daten: © Mitwirkende von OpenStreetMap. Die Daten sind unter der Open Database License (ODbL) verfügbar. Der Geocoding-Dienst wird von Nominatim bereitgestellt.
Wettervorhersagen: Bereitgestellt von Open-Meteo. Die Daten sind unter CC BY 4.0 lizenziert.
This server cannot be deployed
The Google Maps MCP server is a fully-managed server provided by the Maps Grounding Lite API that connects AI applications to Google Maps Platform services. It provides three main tools for building LLM applications: searching for places, looking up weather information, and computing routes with details like distance and travel time. The server acts as a proxy that translates Google Maps data into a format that AI applications can understand, enabling agents to accurately answer real-world location and travel queries.
The OpenMesh MCP Server provides decentralized, permissionless cloud infrastructure that integrates AI assistants with Web2 and Web3 applications without middlemen. It offers intelligent service discovery to identify MCP servers, acts as a universal proxy for routing requests to discovered services, implements performance optimization through usage feedback, and provides automatic fault tolerance with alternative services when servers become unavailable.
VibeMarketing (https://vibemarketing.ninja/mcp) is a directory service that catalogs and provides information about various MCP (Model Context Protocol) servers. It serves as a centralized resource where users can discover different MCP servers and their capabilities. Examples of servers listed in the directory include Sequential Thinking MCP (for dynamic problem-solving through structured thought sequences) and Memory MCP (a knowledge graph-based persistent memory system).
Geospatial AI MCP server — satellite imagery, embeddings, weather, GNS governance
