strava-automation
作者 ComposioHQstrava-automation 可帮助 agent 通过 Composio Rube MCP 运行 Strava 工作流：发现当前可用工具、检查 Strava 连接，并安全执行受支持的操作。
评分：72/100。对于已经在使用或愿意通过 Composio 使用 Rube MCP 的用户来说，这是一个合格的目录条目，因为它为 Strava 自动化提供了清晰的触发条件、设置路径和执行模式。这个分数也说明它更偏向轻量级编排指南，而不是完全自包含的工作流包；用户应预期 agent 需要依赖实时工具发现来确认准确的 schema 和可用操作。
- 范围和触发场景清晰：专门用于通过 Rube MCP 使用 Composio 的 Strava toolkit 来自动化 Strava 操作。
- 包含可执行的设置前提，包括添加 https://rube.app/mcp、验证 RUBE_SEARCH_TOOLS，以及启用 Strava 连接。
- 反复要求先调用 RUBE_SEARCH_TOOLS，有助于减少 schema 漂移，让 agent 使用最新工具定义，而不是凭空猜测。
- 执行依赖 Rube MCP 可用，并且需要通过 RUBE_MANAGE_CONNECTIONS 拥有 ACTIVE 状态的 Strava 连接；该 skill 本身不提供独立脚本或本地备用方案。
- 工作流指导主要基于“先发现再执行”的模式，要求 agent 先搜索当前工具 schema，而不是端到端记录具体的 Strava 工具调用。
strava-automation skill 概览
strava-automation 能做什么
strava-automation 是一个 Claude skill，用于通过 Composio 的 Rube MCP server 运行 Strava 工作流。它可以帮助 agent 发现当前可用的 Strava tool schemas、验证 Strava 连接状态，并执行读取活动数据或自动化受支持的 Strava 操作等任务，避免凭空猜测已经过时的 API 参数。
关键不在于这个 skill 静态地“懂 Strava”。它最重要的指令是先调用 RUBE_SEARCH_TOOLS，因为 Composio 的 tool schemas 和可用的 Strava actions 可能会变化。因此，当你希望 AI agent 基于实时 tool definitions 工作，而不是依赖记忆中的 API 结构时，strava-automation skill 最有价值。
最适合的用户和工作流
这个 skill 适合已经在使用 Claude 或其他支持 MCP 的客户端，并希望把 Strava 自动化纳入更大范围工作流自动化体系的用户。典型场景包括检查近期活动、生成训练总结、将 Strava 派生信息同步到其他流程，或搭建可重复执行的活动管理例程。
如果你使用的是 strava-automation for Workflow Automation，并且需要 agent 将工具发现、认证检查和执行规划结合起来，它尤其适用。相反，如果你只是想让 AI 用自然语言一次性解释 Strava 数据，并不打算连接 Rube MCP，那么它的价值就比较有限。
主要采用门槛
主要障碍在于配置，而不是提示词。这个 skill 需要 rube MCP server，并且需要通过 Rube 管理的有效 Strava 连接。如果 RUBE_SEARCH_TOOLS 不可用，或者 RUBE_MANAGE_CONNECTIONS 无法激活 Strava toolkit，这个 skill 就不能执行真实的 Strava 操作。
上游 skill 很精简，只包含 SKILL.md，因此没有可检查的辅助脚本、示例文件夹或本地自动化工具。你是否安装它，应该主要取决于你是否愿意把 Rube MCP 作为执行层来使用。
如何使用 strava-automation skill
strava-automation 安装上下文
从 Composio skill collection 安装该 skill，然后在你的 AI 客户端中配置 Rube MCP：
npx skills add ComposioHQ/awesome-claude-skills --skill strava-automation
这个 skill 本身不包含项目专用安装器。添加之后，需要配置 MCP endpoint：
https://rube.app/mcp
然后确认客户端暴露了 RUBE_SEARCH_TOOLS。使用 RUBE_MANAGE_CONNECTIONS，toolkit 设为 strava；如果连接状态不是 ACTIVE，就完成返回的认证流程。在连接状态变为 active 之前，不要让 agent 获取或修改 Strava 数据。
这个 skill 需要哪些输入
一个效果好的 strava-automation 使用提示词应包含：
- 你希望执行的 Strava 任务
- agent 应该读取数据、写入数据，还是只做计划
- 时间范围、活动类型、运动员上下文或目标记录
- 任何安全限制，例如“未经确认不要创建或更新任何内容”
- 期望的输出格式，例如表格、摘要、JSON 或分步计划
较弱的提示词：
Check my Strava.
更好的提示词：
Use strava-automation. First call
RUBE_SEARCH_TOOLSfor current Strava activity-reading tools, then verify my Strava connection. If active, retrieve my runs from the last 14 days and summarize distance, moving time, elevation gain, and any unusually hard efforts. Do not create or update Strava records.
这样结果会更好，因为它给了 agent 一个“发现工具—检查连接—执行任务”的顺序、明确的任务边界，以及清晰的输出形态。
推荐的工作流模式
建议按以下顺序使用这个 skill：
- 要求 agent 针对具体 Strava 用例调用
RUBE_SEARCH_TOOLS。 - 检查返回的 tool slugs、schemas、必填字段和注意事项。
- 要求 agent 使用
RUBE_MANAGE_CONNECTIONS检查 Strava 连接。 - 如果连接处于 active 状态，就使用发现到的 schema 执行选定工具。
- 让 agent 总结它执行了什么、返回了哪些数据，以及跳过了哪些字段。
这比一开始就要求直接执行 Strava 操作更可靠。仓库明确强调工具发现，因为 Rube 会返回当前的 schemas 和执行计划。
优先阅读的仓库文件
从这个文件开始：
composio-skills/strava-automation/SKILL.md
这个 skill 文件夹中没有可见的 README.md、metadata.json、scripts/、resources/ 或 rules/ 文件。这让 skill 很容易审查，但也意味着你应该依赖实时的 RUBE_SEARCH_TOOLS 响应来获取操作细节，而不是期待仓库里自带示例。
strava-automation skill 常见问题
没有 Rube MCP，strava-automation 还有用吗？
没有。strava-automation skill 依赖 Rube MCP，并且需要 RUBE_SEARCH_TOOLS 以及 Strava 连接管理。没有这一层 MCP，它仍然可以描述一个可能的工作流，但无法可靠地发现工具，也无法执行已认证的 Strava 操作。
它比普通 Strava 提示词好在哪里？
通用提示词可能会编造 Strava API 字段，或假设已经过时的 endpoint 行为。这个 skill 会推动 agent 先发现当前的 Composio Strava tools，检查 schemas，然后通过 Rube 执行。它的优势是工具调用更安全、猜测更少，尤其适合自动化可重复的工作流。
适合新手吗？
如果你能接受添加 MCP server，并完成类似 OAuth 的连接流程，它对新手是友好的。但如果你期待的是一个独立应用、浏览器扩展或 no-code dashboard，它就不太合适。这个 skill 是给 AI agent 使用的轻量操作指南，而不是完整的 Strava 自动化产品。
什么时候不该使用这个 skill？
不要把它用于不受支持的 Strava 操作、你无法核验的批量修改，或那些需要超出你的 MCP 客户端和 Rube 会话所能提供的严格审计控制的工作流。如果你只是需要静态训练建议，也建议避免使用它；用普通提示词配合导出的活动数据可能更简单。
如何改进 strava-automation skill 的使用效果
改进 strava-automation 提示词
提升 strava-automation 结果最快的方法，是把预期操作说清楚。请包含操作类型、时间范围、筛选条件和确认规则。
更好的提示词模式：
Use strava-automation to discover the current Strava tools for reading activities. Check my connection first. Retrieve cycling activities from this month only. Return a compact table with date, name, distance, moving time, elevation, and average speed. If any write-capable tools appear, do not use them.
这能帮助 agent 选择只读工具，避免拉取范围过大，并生成你可以核验的输出。
避免常见失败模式
常见问题包括跳过工具发现、假设 schema、在 Strava 连接尚未 active 时就运行，以及给 agent 一个含糊目标，例如“organize my Strava”。要避免这些问题，可以要求 agent 在执行前展示发现到的 tool name 和必填输入字段。
对于写入操作，请加入确认检查点：
Before creating, updating, or deleting anything in Strava, show the exact tool, payload, and expected effect, then wait for approval.
根据第一次输出继续迭代
第一次运行后，应基于返回字段继续细化，而不是继续猜测。如果工具返回了 activity IDs、sport types、timestamps 或 pagination details，就在下一轮提示词中使用这些确切字段。要求 agent 清楚解释缺失数据：是字段不可用、所选工具不包含该字段，还是被你的请求过滤掉了。
对于周期性自动化，保存最终有效的提示词结构：发现工具指令、连接检查、选定操作、约束条件和输出格式。这样，strava-automation skill 就不只是一次性助手，而会变成可重复使用的 Strava 工作流组件。