关于 HevyMCP - AI-Powered Fitness Assistant
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
暂未收录安装方式
我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。
工具
还没有获取到工具列表
本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。
详细介绍
🚀 HevyMCP - AI 驱动的健身助手与 MCP 服务
HevyMCP 是面向 Hevy 健身应用的 AI 驱动 Model Context Protocol(MCP)服务。它支持你使用自然语言、网页界面或 Claude 和 ChatGPT 等 AI 助手记录训练、搜索动作、管理训练计划等。
🌟 功能
- 使用自然语言记录训练(“卧推 3 组 × 8 次,重量 135 磅”)
- 智能动作匹配(模糊匹配、NLP、用户偏好)
- 训练计划和文件夹管理
- Webhook 订阅
- 现代化网页界面(演示模式和真实模式)
- 面向 AI 助手的 MCP 服务
⚡ 快速开始
🎮 在 Playground 中试用(无需安装)
通过我们的 Smithery Playground 即刻体验 HevyMCP:
npx -y @smithery/cli install hevymcp --client claude
或者访问:Smithery MCP Registry,搜索“hevymcp”
📦 本地安装
1. 安装依赖
pip install -r requirements.txt
2. 设置 Hevy API 密钥(用于真实使用)
# Create .env file
echo "HEVY_API_KEY=your_hevy_api_key_here" > .env
3. 运行网页界面
python -m uvicorn app.main:app --reload --port 8000
演示模式(无需 API 密钥,仅使用示例数据):
export DEMO_MODE=true
python -m uvicorn app.main:app --reload --port 8000
🖥️ 网页界面
- 立即试用训练记录、搜索和肌群浏览功能。
- **演示模式:**仅供公开演示网站使用。无需 API 密钥,可安全公开使用,仅提供示例数据。
- **真实模式:**供本地安装使用。输入 API 密钥即可真实记录(仅限本地使用,绝不会发送给第三方)。请勿在本地使用演示模式。
🛠️ API 端点(面向开发者)
训练计划
GET /mcp/routines— 列出所有训练计划POST /mcp/routines— 创建训练计划GET /mcp/routines/{routine_id}— 按 ID 获取训练计划PUT /mcp/routines/{routine_id}— 更新训练计划
训练计划文件夹
GET /mcp/routine-folders— 列出所有文件夹POST /mcp/routine-folders— 创建文件夹GET /mcp/routine-folders/{folder_id}— 按 ID 获取文件夹
Webhook
GET /mcp/webhooks— 列出所有 Webhook 订阅POST /mcp/webhooks— 创建 WebhookDELETE /mcp/webhooks/{webhook_id}— 删除 Webhook
其他端点
POST /mcp/workout— 记录训练(NLP)GET /mcp/workouts— 列出近期训练GET /mcp/exercises/search?query=bench— 搜索动作GET /mcp/exercises/muscle-groups— 列出肌群
🤖 MCP 工具(面向 AI 助手)
训练工具
- log_workout — 使用自然语言记录训练(“卧推 3 组 × 8 次,重量 135 磅”)
- get_workout_history — 分页列出近期训练
- get_workout_count — 获取训练统计总数
- get_workout_events — 获取训练更新/删除事件
动作工具
- search_exercises — 使用模糊匹配按名称搜索动作
- get_muscle_groups — 列出所有可用肌群
- get_exercises_by_muscle_group — 按肌群筛选并获取动作
- update_exercise_template — 修改现有动作模板
- delete_exercise_template — 删除动作模板
训练计划管理
- list_routines — 分页列出所有训练计划
- create_routine — 创建训练计划
- get_routine — 按 ID 获取指定训练计划
- update_routine — 修改现有训练计划
- delete_routine — 删除训练计划
文件夹整理
- list_routine_folders — 列出所有训练计划文件夹
- create_routine_folder — 创建整理用文件夹
- get_routine_folder — 按 ID 获取文件夹详情
- update_routine_folder — 修改文件夹属性
- delete_routine_folder — 删除文件夹
Webhook 集成
- list_webhooks — 列出所有 Webhook 订阅
- create_webhook — 创建实时事件订阅
- delete_webhook — 删除 Webhook 订阅
🧩 API 结构(面向贡献者)
app/integrations/hevy_api.py— Hevy API 客户端(在此添加新端点)app/endpoints/— FastAPI 端点(在此添加新路由)app/mcp_server.py— MCP 工具定义和处理程序app/web_interface.py— Web UI 逻辑(演示模式和真实模式)
🛡️ 安全与隐私
- 演示模式: 无需 API 密钥,不保存数据,适合公开演示。
- 真实模式: API 密钥仅在本地使用,绝不会发送给第三方。
- 切勿在公共或共享服务上输入真实的 API 密钥!
🤝 参与贡献
- Fork 此仓库并将其克隆到本地。
- 创建虚拟环境:
python -m venv venv source venv/bin/activate - 安装依赖项:
pip install -r requirements.txt - 添加新端点/工具:
- 添加到
hevy_api.py(API 客户端) - 添加到
endpoints/(FastAPI) - 添加到
mcp_server.py(MCP 工具)
- 添加到
- 提交拉取请求!
💬 有疑问?
- 在 GitHub 上提交议题或发起讨论。
- 欢迎提交 PR 和反馈!
评论
支持 Markdown
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。