Pelaris

Pelaris MCP Server

MCP 互換の AI アシスタントを通じて、AI フィットネスコーチングを利用できます。トレーニングの計画、ワークアウトの記録、ベンチマークの追跡、目標の管理、コーチングの分析情報の取得を、すべて自然な会話で行えます。

ウェブサイト · 連携ガイド · 仕組み · 方法論

接続

MCP サーバーの URL： https://api.pelaris.io/mcp

ChatGPT

Settings → Apps → Add → 上記の MCP サーバーの URL を入力します

Claude

Settings → Connectors → Add Custom → 上記の MCP サーバーの URL を入力 → Advanced Settings → クライアント ID：pelaris-claude

あらゆる MCP クライアント

https://api.pelaris.io/mcp に接続します。OAuth 2.0（PKCE および Dynamic Client Registration）に対応しています。

ツール（29）

読み取りツール（12）

ツール	説明
get_training_overview	トレーニングの状況、実施中のプログラム、最近のセッションを表示します
get_active_program	フェーズ、週間構成、セッションの詳細を含む現在のプログラムを表示します
get_session_details	特定のセッションのエクササイズ、セット、目標、フィードバックを表示します
resolve_exercise_ids	計画または記録の前に、エクササイズ名を正式なエクササイズ ID に変換します
get_benchmarks	ベンチマークの値、進捗履歴、傾向を表示します
get_body_analysis	体組成データと測定値の傾向を表示します
search_training_resources	厳選されたトレーニング記事やリソースを検索します
get_coach_insight	トレーニングに基づいた、データ主導のコーチング分析情報を取得します
get_onboarding_status	プロフィール設定の完了状況を確認します
get_weekly_debrief	週間トレーニングの概要とコーチングの重点項目を表示します
get_program_status	トレーニングプログラム（実施中、一時停止、置き換え済み、削除済み）の状況と進捗を確認します
list_goals	達成状況と関連するベンチマークを含む、トレーニング目標の一覧を表示します

書き込みツール（17）

ツール	説明
complete_intake	オンボーディング時の情報入力を完了し、トレーニングプロフィールを保存します
generate_program	Pelaris でトレーニングプログラムを開始するリンクを取得します（プログラムは Pelaris で作成されます）
create_planned_session	エクササイズと目標を含む、予定済みワークアウトを作成します
log_workout	完了したワークアウトを記録するか、予定済みセッションを完了としてマークします
log_completed_session	エクササイズ、セット、フィードバックを含む、完了したセッション全体を記録します
swap_exercise	代替エクササイズの候補を取得します
modify_training_session	セッションのボリューム、強度、またはスケジュールを調整します
update_session	既存の予定済みセッションの詳細を更新します
delete_session	予定済みセッションを 1 件削除します
delete_sessions	複数の予定済みセッションを削除します
record_injury	部位、重症度、メモを含むケガの記録を登録します
update_profile	使用器具、利用可能時間、設定を更新します
send_feedback	コーチングの品質に関するフィードバックを送信します
record_benchmark	履歴を追跡しながら、ベンチマーク値を記録します
daily_check_in	日々のコンディション、筋肉痛、睡眠の質を記録します
manage_goals	トレーニング目標を作成、更新、または完了します
manage_program	プログラムを保留にします。未開始のプログラムは削除し、それ以外のプログラムについては、アプリで一時停止、停止、削除する方法を案内します

プロンプトの例

接続したら、AI アシスタントに自然に話しかけてください。意図に応じて、上記のツールに割り当てられます。

• 「今日のトレーニング内容は？」 → get_training_overview / get_active_program
• 「5kmのランニングを記録して。楽に感じた。RPE 4。」 → log_workout
• 「明日の上半身のセッションを作成して。」 → create_planned_session
• 「ベンチマークの推移は？」 → get_benchmarks
• 「バーベルベンチプレスをダンベル種目に変更して。」 → swap_exercise
• 「右肩が痛むんだ。」 → record_injury
• 「トレーニングプログラムが欲しい。」 → generate_program（プログラムが作成される Pelaris のリンクを返します）

（プロンプトの例です。個人データは表示されません。応答はご自身のトレーニングデータに基づいており、個人を特定できる情報は除去されます。）

認証

PKCE を使用した OAuth 2.0。サーバーは以下をサポートしています。

• ChatGPT と Claude 向けの事前登録済みクライアント
• その他すべての MCP クライアント向けの動的クライアント登録

対応スポーツ

筋力トレーニング · ランニング · 水泳 · サイクリング · トライアスロン · CrossFit · 一般的なフィットネス

Pelaris は、科学的根拠に基づく28種類のトレーニング方法を実装しています。トレーニング方法について詳しくはこちら。

プライバシー

• 仮名ユーザー ID（Firebase UID は公開されません）
• すべての応答で個人を特定できる情報を除去
• OAuth スコープを細かく設定
• ユーザーはいつでも接続を解除できます

プライバシーポリシー · 利用規約

開発

• npm run build を実行し、その後 npm test を実行します。すべてのテストファイルは scripts/run_tests.mjs に記載されています。エミュレーターを設定しない限り、Firestore は応答しないループバックポートを参照するため、テストが実際のプロジェクトに接続することはありません。CI ではデプロイのたびに、両方を実行します。
• ローカルでの実行には scripts/run_local_gateway.sh を使います。Firestore、OAuth 関数、コアブリッジのすべてがループバック上にあり、ポートがエミュレーターポートではなく、シークレットがローカルテスト用の値でない限り、起動を拒否します。
• ローカルでのエンドツーエンドテスト：Pelaris のローカルスタック（エミュレーター、関数、ウェブが起動し、送信は無効）が稼働している状態で、node tools/connector_e2e/run_connector_e2e.mjs --reseed --start-gateway --transcript <file> を実行すると、このゲートウェイを wayfinder の送信トラフィックガードの下で起動し、実際の MCP クライアントを使って、シード済みのユーザー（初心者、プログラム保有者、未開始、開始済み、2つのプログラムを持つアスリート）として操作します。その後、応答、エミュレーターのデータ、ゲートウェイのログを検証します。ローカル専用です。ループバック以外への接続は拒否し、ランナーが公開するダミーシークレットを使ってテストトークンを生成します。スクリプトのヘッダーに、ユーザーとフラグが記載されています。
• Pelaris バックエンドと共有するコントラクトは test_fixtures/（リダイレクトポリシー、トークンの所有権、戻り値の述語）にあります。それぞれの SHA-256 は両側で固定されています。

制作者

Bradley Hunt · Pelaris について