Trainingpeaks MCP: servidor MCP, instalación y seguridad

Para qué sirve Trainingpeaks MCP

Según su repositorio: «Consulta entrenamientos de TrainingPeaks, analiza métricas de forma CTL/ATL/TSB y compara récords de potencia y ritmo.»

Un servidor MCP da a un agente IA herramientas adicionales que llama durante la conversación: el agente lee su descripción, decide usarlas y recibe el resultado. Trainingpeaks MCP figura en la categoría Deporte, que reúne 27 servidores en el directorio; ocupa el puesto 2 por número de estrellas.

Temas declarados por el repositorio: claude, claude-desktop, cycling, fitness, running, training-load.

Instalar y conectar Trainingpeaks MCP

No hay paquete ni servidor remoto declarado en el registro MCP oficial: se instala desde el código fuente, siguiendo el README del repositorio.

Como cualquier servidor MCP, se declara en la configuración del cliente (Claude Desktop, Claude Code, Cursor, VS Code, Codex…): un nombre, el comando que lo lanza o su URL, y las variables de entorno necesarias. El cliente lo inicia y muestra sus herramientas. Lenguaje del proyecto: Python.

Seguridad: qué comprobar

Un servidor MCP ejecuta código con los permisos que le da, y el modelo lee las descripciones de sus herramientas: un servidor malicioso o comprometido puede desviar al agente. Lea el código o elija un servidor mantenido y muy usado antes de conectarlo.

Ninguna de las señales de riesgo que seguimos (acceso al sistema, secretos, falta de licencia, abandono) aparece en Trainingpeaks MCP. Esto no sustituye la lectura del código.

Buenas prácticas: conceder solo los permisos necesarios (mínimo privilegio), exigir validación humana para las acciones irreversibles y pasar el diagnóstico de seguridad de agentes IA.

Actividad y mantenimiento del proyecto

Creado el 9 de enero de 2026, el repositorio JamsusMaximus/trainingpeaks-mcp suma 185 estrellas y 88 copias (forks), con 18 incidencias abiertas. Tiene más estrellas que el 77 % de los servidores del directorio. Ha recibido cambios este mes.

Las estrellas miden la atención recibida, no la calidad: un proyecto reciente y muy mediático puede acumularlas rápido, y un servidor útil pero especializado tendrá pocas.