Strava MCP Server：让 AI 教练读懂你的运动数据

想象这样一个场景：你刚完成一次 42 公里的马拉松冲线，打开手机看 Strava——配速、心率、功率、爬升一堆数字密密麻麻。回到家里，你对 Claude 说一句"帮我分析一下这次跑马的训练负荷"，几秒后 AI 就调出你过去三个月的所有跑步记录，告诉你当前有氧耐力处于什么水平、下周该增加多少跑量。这不是科幻，而是 Strava MCP Server 正在做的事情。

从手动导出到 AI 直接查询

长期以来，想要用 AI 分析自己的运动历史数据，流程极其繁琐：先从 Strava 导出 GPX 文件，再手动把数据粘贴给 ChatGPT，每次分析都要重复这一步骤。

更早期的第三方方案则需要把 Strava 账号密码交给不可信的第三方工具，存在严重的隐私安全隐患。

2026 年 6 月，Strava 官方宣布与 Anthropic 合作，推出 MCP 连接器，成为首个将原生 AI 助手深度集成进平台的主流健身应用。r-huijts/strava-mcp 正是这一方向的先驱项目——它是一个开源的 Model Context Protocol（MCP）服务器，通过 Strava V3 API 将用户的运动数据以 AI 工具的形式暴露给 Claude 等 LLM。

核心架构：MCP 协议下的 26 个工具

该项目基于 TypeScript 开发，核心依赖 @modelcontextprotocol/sdk，通过标准输入/输出（Stdio）传输协议与 Claude Desktop 或 Claude Code 通信。

代码采用模块化插件架构，所有功能以独立工具的形式注册到 MCP 服务器。共实现了 26 个 MCP 工具，覆盖以下核心场景：

个人数据查询：获取运动员档案、身体参数（体重、装备）、Zone 心率区间。

活动记录分析：详细活动数据（配速、距离、海拔）、活动分段数据（Laps）、运动流数据（Streams，含 GPS 轨迹/心率/功率/踏频）、活动照片。

路线与赛道探索：查询 Strava 全站热门赛道、按地理位置发现骑行/跑步路线、导出 GPX/TCX 格式路线文件。

成就与竞争：KOM/QOM 排行榜查询、个人最佳成绩（Segment Efforts）、收藏赛道（Starred Segments）。

俱乐部与社交：列出运动员所属俱乐部及活动。

技术栈方面，项目使用 axios 与 Strava API 通信，引入 zod 做请求/响应 Schema 验证以保证数据安全性，dotenv 管理本地配置。所有工具均采用异步实现，通过 server.tool() 注册到 McpServer 实例。

图1：用户可将 Strava 路线导出为 GPX/TCX 格式，在专业骑行导航设备上使用。

认证流程：本地 OAuth 安全绑定

Strava MCP 的认证设计是项目的一大亮点——它通过本地 OAuth 流程实现安全绑定，用户无需将任何凭证交给第三方。

用户对 Claude 说"Connect my Strava account"后，服务端会启动一个本地 HTTP 服务器，打开一个精美的 Web 页面引导用户输入 Strava API 的 Client ID 和 Client Secret。点击授权后，Strava 官方 OAuth 页面完成身份验证，access token 被安全存储到本地 ~/.config/strava-mcp/config.json，整个过程完全透明可控。

部署体验：5 分钟接入 Claude Desktop

上手门槛极低。用户只需在 Claude Desktop 配置文件中添加一段 JSON，然后对 Claude 说"Connect my Strava account"，浏览器窗口自动弹出引导完成授权。

开发者如需从源码构建，只需三步：git clone、npm install、npm run build，然后将配置文件中的命令指向本地编译产物即可。

唯一限制：Strava API 的 rate limit（每小时 100 次请求，每天 1000 次），高频使用场景下可能遭遇限流。

行业意义：运动数据 AI 分析的新范式

Strava MCP Server 代表了一种新兴趋势：垂直领域数据 MCP 化。不是把数据导出给 AI，而是让 AI 通过标准协议直接访问用户授权的私人数据。

这种模式在隐私和便利之间找到了平衡点：用户数据始终在 Strava 官方平台，AI 只能通过 OAuth token 按权限访问，无法私自存储或转让。相比传统的手动导出方案，效率提升是质的飞跃。

2026 年 6 月 Strava 官方宣布 MCP 集成计划后，该项目成为最早落地的开源实现之一，预计将持续跟进 Strava API 的更新，并在更多 LLM 平台（Cursor、VS Code Copilot）上扩展兼容。