fitness-nutrition

フィットネスと栄養

フィットネスコーチとスポーツ栄養士の専門スキルです。2 つのデータソースとオフライン計算ツールを備え、ジムに通う人が必要とするものをすべて一か所に集約しています。

データソース（すべて無料、pip への依存関係なし）：

• wger（https://wger.de/api/v2/） — オープンなエクササイズデータベースです。筋肉、器具、画像を含む 690 種類以上のエクササイズを収録しています。公開エンドポイントでは認証は不要です。
• USDA FoodData Central（https://api.nal.usda.gov/fdc/v1/） — 米国政府の栄養データベースで、380,000 種類以上の食品を収録しています。DEMO_KEY はすぐに使用できます。より高い利用上限が必要な場合は、無料で登録してください。

オフライン計算ツール（Python 標準ライブラリのみ）：

• BMI、TDEE（Mifflin-St Jeor 式）、1 回最大挙上重量（Epley／Brzycki／Lombardi 式）、マクロ栄養素の配分、体脂肪率（US Navy 法）

---

使用するタイミング

ユーザーが次のことについて質問した場合に、このスキルを使用します。

• エクササイズ、ワークアウト、ジムのルーティン、筋肉群、ワークアウトの分割
• 食品のマクロ栄養素、カロリー、タンパク質量、食事計画、カロリー計算
• 体組成：BMI、体脂肪率、TDEE、カロリーの余剰／不足
• 1 回最大挙上重量の推定、トレーニングの割合、漸進性過負荷
• 減量、増量、維持のためのマクロ栄養素比率

---

手順

エクササイズの検索（wger API）

wger の公開エンドポイントはすべて JSON を返し、認証は不要です。エクササイズを検索する際は、必ず format=json と language=2（英語）を指定してください。

手順 1 — ユーザーの希望を特定します：

• 筋肉で検索 → /api/v2/exercise/?muscles={id}&language=2&status=2&format=json を使用
• カテゴリで検索 → /api/v2/exercise/?category={id}&language=2&status=2&format=json を使用
• 器具で検索 → /api/v2/exercise/?equipment={id}&language=2&status=2&format=json を使用
• 名前で検索 → /api/v2/exercise/search/?term={query}&language=english&format=json を使用
• 詳細を取得 → /api/v2/exerciseinfo/{exercise_id}/?format=json を使用

手順 2 — 参照 ID（追加の API 呼び出しは不要です）：

エクササイズのカテゴリ：

ID	カテゴリ
8	腕
9	脚
10	腹筋
11	胸
12	背中
13	肩
14	ふくらはぎ
15	有酸素運動

筋肉：

ID	筋肉	ID	筋肉
1	上腕二頭筋	2	三角筋前部
3	前鋸筋	4	大胸筋
5	外腹斜筋	6	腓腹筋
7	腹直筋	8	大臀筋
9	僧帽筋	10	大腿四頭筋
11	大腿二頭筋	12	広背筋
13	腕筋	14	上腕三頭筋
15	ヒラメ筋

器具：

ID	器具
1	バーベル
3	ダンベル
4	ジムマット
5	スイスボール
6	懸垂バー
7	なし（自重）
8	ベンチ
9	インクラインベンチ
10	ケトルベル

手順 3 — 結果を取得して提示します：

# Search exercises by name
QUERY="$1"
ENCODED=$(python -c "import urllib.parse,sys; print(urllib.parse.quote(sys.argv[1]))" "$QUERY")
curl -s "https://wger.de/api/v2/exercise/search/?term=${ENCODED}&language=english&format=json" \
  | python -c "
import json,sys
data=json.load(sys.stdin)
for s in data.get('suggestions',[])[:10]:
    d=s.get('data',{})
    print(f\"  ID {d.get('id','?'):>4} | {d.get('name','N/A'):<35} | Category: {d.get('category','N/A')}\")
"

# Get full details for a specific exercise
EXERCISE_ID="$1"
curl -s "https://wger.de/api/v2/exerciseinfo/${EXERCISE_ID}/?format=json" \
  | python -c "
import json,sys,html,re
data=json.load(sys.stdin)
trans=[t for t in data.get('translations',[]) if t.get('language')==2]
t=trans[0] if trans else data.get('translations',[{}])[0]
desc=re.sub('<[^>]+>','',html.unescape(t.get('description','N/A')))
print(f\"Exercise  : {t.get('name','N/A')}\")
print(f\"Category  : {data.get('category',{}).get('name','N/A')}\")
print(f\"Primary   : {', '.join(m.get('name_en','') for m in data.get('muscles',[])) or 'N/A'}\")
print(f\"Secondary : {', '.join(m.get('name_en','') for m in data.get('muscles_secondary',[])) or 'none'}\")
print(f\"Equipment : {', '.join(e.get('name','') for e in data.get('equipment',[])) or 'bodyweight'}\")
print(f\"How to    : {desc[:500]}\")
imgs=data.get('images',[])
if imgs: print(f\"Image     : {imgs[0].get('image','')}\")
"

# List exercises filtering by muscle, category, or equipment
# Combine filters as needed: ?muscles=4&equipment=1&language=2&status=2
FILTER="$1"  # e.g. "muscles=4" or "category=11" or "equipment=3"
curl -s "https://wger.de/api/v2/exercise/?${FILTER}&language=2&status=2&limit=20&format=json" \
  | python -c "
import json,sys
data=json.load(sys.stdin)
print(f'Found {data.get(\"count\",0)} exercises.')
for ex in data.get('results',[]):
    print(f\"  ID {ex['id']:>4} | muscles: {ex.get('muscles',[])} | equipment: {ex.get('equipment',[])}\")
"

栄養情報の検索（USDA FoodData Central）

USDA_API_KEY 環境変数が設定されている場合はその値を使用し、設定されていない場合は DEMO_KEY にフォールバックします。 DEMO_KEY は 1 時間あたり 30 件までです。無料登録で取得したキーは 1 時間あたり 1,000 件までです。

# Search foods by name
FOOD="$1"
API_KEY="${USDA_API_KEY:-DEMO_KEY}"
ENCODED=$(python -c "import urllib.parse,sys; print(urllib.parse.quote(sys.argv[1]))" "$FOOD")
curl -s "https://api.nal.usda.gov/fdc/v1/foods/search?api_key=${API_KEY}&query=${ENCODED}&pageSize=5&dataType=Foundation,SR%20Legacy" \
  | python -c "
import json,sys
data=json.load(sys.stdin)
foods=data.get('foods',[])
if not foods: print('No foods found.'); sys.exit()
for f in foods:
    n={x['nutrientName']:x.get('value','?') for x in f.get('foodNutrients',[])}
    cal=n.get('Energy','?'); prot=n.get('Protein','?')
    fat=n.get('Total lipid (fat)','?'); carb=n.get('Carbohydrate, by difference','?')
    print(f\"{f.get('description','N/A')}\")
    print(f\"  Per 100g: {cal} kcal | {prot}g protein | {fat}g fat | {carb}g carbs\")
    print(f\"  FDC ID: {f.get('fdcId','N/A')}\")
    print()
"

# Detailed nutrient profile by FDC ID
FDC_ID="$1"
API_KEY="${USDA_API_KEY:-DEMO_KEY}"
curl -s "https://api.nal.usda.gov/fdc/v1/food/${FDC_ID}?api_key=${API_KEY}" \
  | python -c "
import json,sys
d=json.load(sys.stdin)
print(f\"Food: {d.get('description','N/A')}\")
print(f\"{'Nutrient':<40} {'Amount':>8} {'Unit'}\")
print('-'*56)
for x in sorted(d.get('foodNutrients',[]),key=lambda x:x.get('nutrient',{}).get('rank',9999)):
    nut=x.get('nutrient',{}); amt=x.get('amount',0)
    if amt and float(amt)>0:
        print(f\"  {nut.get('name',''):<38} {amt:>8} {nut.get('unitName','')}\")
"

オフライン計算ツール

複数件の処理には scripts/ のヘルパースクリプトを使用するか、 単一の計算にはインラインで実行します。

• python scripts/body_calc.py bmi <weight_kg> <height_cm>
• python scripts/body_calc.py tdee <weight_kg> <height_cm> <age> <M|F> <activity 1-5>
• python scripts/body_calc.py 1rm <weight> <reps>
• python scripts/body_calc.py macros <tdee_kcal> <cut|maintain|bulk>
• python scripts/body_calc.py bodyfat <M|F> <neck_cm> <waist_cm> [hip_cm] <height_cm>

各計算式の科学的根拠については、references/FORMULAS.md を参照してください。

---

注意点

• wger の運動エンドポイントはデフォルトですべての言語を返すため、英語の場合は必ず language=2 を追加してください
• wger には未検証のユーザー投稿も含まれるため、承認済みの運動のみを取得するには status=2 を追加してください
• USDA の DEMO_KEY は1時間あたり30リクエストまでです。バッチリクエストの間に sleep 2 を追加するか、無料のキーを取得してください
• USDA のデータは100gあたりの値です。実際の摂取量に合わせて換算するようユーザーに伝えてください
• BMIでは筋肉と脂肪を区別できません。筋肉質な人のBMIが高くても、必ずしも不健康とは限りません
• 体脂肪の計算式は推定値（±3-5%）です。正確な測定にはDEXAスキャンを推奨してください
• 1RMの計算式は10回を超えると精度が低下します。より正確に推定するには3-5回のセットを使用してください
• wger の exercise/search エンドポイントでは、パラメーター名に query ではなく term を使用します

---

検証

運動を検索した後：結果に運動名、筋肉群、器具が含まれていることを確認してください。 栄養情報を検索した後：100gあたりのマクロ栄養素として、kcal、タンパク質、脂質、炭水化物が返されることを確認してください。 計算ツールの実行後：出力が妥当か確認してください（例：ほとんどの成人のTDEEは1500-3500の範囲です）。

---

クイックリファレンス

タスク	ソース	エンドポイント
名前で運動を検索	wger	GET /api/v2/exercise/search/?term=&language=english
運動の詳細	wger	GET /api/v2/exerciseinfo/{id}/
筋肉で絞り込み	wger	GET /api/v2/exercise/?muscles={id}&language=2&status=2
器具で絞り込み	wger	GET /api/v2/exercise/?equipment={id}&language=2&status=2
カテゴリーを一覧表示	wger	GET /api/v2/exercisecategory/
筋肉を一覧表示	wger	GET /api/v2/muscle/
食品を検索	USDA	GET /fdc/v1/foods/search?query=&dataType=Foundation,SR Legacy
食品の詳細	USDA	GET /fdc/v1/food/{fdcId}
BMI / TDEE / 1RM / マクロ栄養素	オフライン	python scripts/body_calc.py