HevyMCP - AI-Powered Fitness Assistant について
HevyMCPは、Hevyフィットネスアプリのトレーニングを管理するPython製MCPサーバーとWebインターフェースです。自然言語での記録や種目検索、ルーティン整理に対応し、デモモードと実運用モードを備えています。
主な機能
- 01自然言語によるトレーニング記録
- 02あいまい検索による種目検索
- 03ルーティンとフォルダーの管理
- 04Webhookイベントの購読
- 05デモまたは実運用モードのWebインターフェース
活用シーン
- 01文章で種目を指定してトレーニングを記録
- 02種目名や筋肉群から種目を検索
- 03トレーニングルーティンの作成と整理
- 04Webhookで変更イベントを追跡
MCP 対応
トレーニング、種目、ルーティン、フォルダー、Webhookを扱う22個のツールをMCPクライアントに公開します。
設定
ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。
このサーバーのパッケージやリモートエンドポイントはまだ取得できていません。プロジェクトの README の手順に従ってください。
ツール
ローカルサーバーのツールはマシン上で起動して初めて取得できます。メンテナーはまだツール一覧を提供していません。
詳細
🚀 HevyMCP - AI を活用したフィットネスアシスタント&MCP サーバー
HevyMCP は、Hevy フィットネスアプリ向けの AI を活用した Model Context Protocol(MCP)サーバーです。自然言語、ウェブインターフェース、または Claude や ChatGPT などの AI アシスタントを使って、ワークアウトの記録、エクササイズの検索、ルーティンの管理などを行えます。
🌟 機能
- 自然言語によるワークアウトの記録(「ベンチプレス 135 lbs で 3x8」)
- スマートなエクササイズのマッチング(あいまい検索、NLP、ユーザーの設定)
- ルーティンとフォルダーの管理
- Webhook サブスクリプション
- モダンなウェブインターフェース(デモモードと実モード)
- AI アシスタント向け MCP サーバー
⚡ クイックスタート
🎮 Playground で試す(インストール不要)
Smithery Playground ですぐに HevyMCP を体験できます:
npx -y @smithery/cli install hevymcp --client claude
または、Smithery MCP Registry にアクセスして「hevymcp」を検索してください。
📦 ローカルインストール
1. 依存関係をインストールする
pip install -r requirements.txt
2. Hevy API キーを設定する(実際に使用する場合)
# Create .env file
echo "HEVY_API_KEY=your_hevy_api_key_here" > .env
3. ウェブインターフェースを起動する
python -m uvicorn app.main:app --reload --port 8000
- 次の URL にアクセスしてください:http://localhost:8000
デモモードの場合(API キー不要、サンプルデータのみ):
export DEMO_MODE=true
python -m uvicorn app.main:app --reload --port 8000
🖥️ ウェブインターフェース
- ワークアウトの記録、検索、筋肉群の閲覧をすぐにお試しいただけます。
- デモモード: 公開デモサイト専用です。API キーは不要で、一般公開で安全に使用でき、サンプルデータのみを扱います。
- 実モード: ローカルインストール向けです。実際に記録するには API キーを入力してください(ローカルでのみ使用され、第三者に送信されることはありません)。ローカルではデモモードを使用しないでください。
🛠️ API エンドポイント(開発者向け)
ルーティン
GET /mcp/routines— すべてのルーティンを一覧表示POST /mcp/routines— 新しいルーティンを作成GET /mcp/routines/{routine_id}— ID でルーティンを取得PUT /mcp/routines/{routine_id}— ルーティンを更新
ルーティンフォルダー
GET /mcp/routine-folders— すべてのフォルダーを一覧表示POST /mcp/routine-folders— 新しいフォルダーを作成GET /mcp/routine-folders/{folder_id}— ID でフォルダーを取得
Webhook
GET /mcp/webhooks— すべての Webhook サブスクリプションを一覧表示POST /mcp/webhooks— Webhook を作成DELETE /mcp/webhooks/{webhook_id}— Webhook を削除
その他のエンドポイント
POST /mcp/workout— ワークアウトを記録(NLP)GET /mcp/workouts— 最近のワークアウトを一覧表示GET /mcp/exercises/search?query=bench— エクササイズを検索GET /mcp/exercises/muscle-groups— 筋肉群を一覧表示
🤖 MCP ツール(AI アシスタント向け)
ワークアウトツール
- log_workout — 自然言語でワークアウトを記録(「ベンチプレス 135 lbs で 3x8」)
- get_workout_history — ページネーション付きで最近のワークアウトを一覧表示
- get_workout_count — ワークアウトの統計情報を取得
- get_workout_events — ワークアウトの更新・削除イベントを取得
エクササイズツール
- search_exercises — あいまい検索で名前からエクササイズを検索
- get_muscle_groups — 利用可能なすべての筋肉群を一覧表示
- get_exercises_by_muscle_group — 筋肉群で絞り込んだエクササイズを取得
- update_exercise_template — 既存のエクササイズテンプレートを変更
- delete_exercise_template — エクササイズテンプレートを削除
ルーティン管理
- list_routines — ページネーション付きでワークアウトルーティンをすべて一覧表示
- create_routine — 新しいワークアウトルーティンを作成
- get_routine — ID で特定のルーティンを取得
- update_routine — 既存のルーティンを変更
- delete_routine — ルーティンを削除
フォルダーの整理
- list_routine_folders — すべてのルーティンフォルダーを一覧表示
- create_routine_folder — 整理用フォルダーを作成
- get_routine_folder — ID でフォルダーの詳細を取得
- update_routine_folder — フォルダーのプロパティを変更
- delete_routine_folder — フォルダーを削除
Webhook 連携
- list_webhooks — すべての Webhook サブスクリプションを一覧表示
- create_webhook — リアルタイムイベントのサブスクリプションを作成
- delete_webhook — Webhook サブスクリプションを削除
🧩 API 構成(コントリビューター向け)
app/integrations/hevy_api.py— Hevy API クライアント(新しいエンドポイントはここに追加します)app/endpoints/— FastAPI エンドポイント(新しいルートはここに追加します)app/mcp_server.py— MCP ツールの定義とハンドラーapp/web_interface.py— Web UI のロジック(デモモードと実モード)
🛡️ 安全性とプライバシー
- デモモード: API キーは不要で、データは保存されず、公開デモでも安全に使用できます。
- 実モード: API キーはローカルでのみ使用され、第三者に送信されることはありません。
- 実際の API キーを公開サーバーや共有サーバーに入力しないでください!
🤝 コントリビュート
- このリポジトリをフォークしてクローンします。
- 仮想環境を作成します:
python -m venv venv source venv/bin/activate - 依存関係をインストールします:
pip install -r requirements.txt - 新しいエンドポイント/ツールを追加します:
hevy_api.py(API クライアント)に追加しますendpoints/(FastAPI)に追加しますmcp_server.py(MCP ツール)に追加します
- プルリクエストを作成してください!
💬 ご質問はありますか?
- GitHub でイシューまたはディスカッションを作成してください。
- プルリクエストやフィードバックを歓迎します!
コメント
AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。