Pelaris

Name: Pelaris
Author: theDonk

远程服务

github.com/theDonk健康医疗04 天前更新

代码仓库

关于 Pelaris

Pelaris MCP 服务将个性化健身训练管理接入兼容 MCP 的 AI 助手，适用于需要规划训练并跟踪进展的运动者。它可读取训练数据、记录锻炼与目标，并根据个人训练信息提供洞察。

主要功能

01查看训练计划与近期训练
02规划并记录训练课程
03跟踪基准数据与趋势
04管理目标、伤病和个人设置
05获取训练洞察与每周总结

适用场景

01查询当天训练内容与当前计划
02记录已完成的跑步或力量训练
03调整课程安排、强度或动作
04查看基准进展并记录训练目标

MCP 相关

通过支持 OAuth 2.0 PKCE 的远程 MCP 服务提供 29 个读写工具，供客户端查看和更新训练计划、训练记录、基准、目标及个人资料。

配置

远程服务无需本地安装。选择你使用的客户端，复制配置或使用一键安装。

服务地址https://api.pelaris.io/mcp

一键复制安装命令

Claude CodeTerminalclaude mcp add --transport http pelaris https://api.pelaris.io/mcp

Cursor.cursor/mcp.json{"mcpServers":{"pelaris":{"type":"http","url":"https://api.pelaris.io/mcp"}}}在 Cursor 中打开

VS Code.vscode/mcp.json{"servers":{"pelaris":{"type":"http","url":"https://api.pelaris.io/mcp"}}}在 VS Code 中打开

Claude Desktopclaude_desktop_config.json{"mcpServers":{"pelaris":{"type":"http","url":"https://api.pelaris.io/mcp"}}}

Windsurf~/.codeium/windsurf/mcp_config.json{"mcpServers":{"pelaris":{"serverUrl":"https://api.pelaris.io/mcp"}}}

命令在终端中运行；JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

工具

详细介绍

Pelaris MCP 服务

通过任何兼容 MCP 的 AI 助手获取 AI 健身指导。制定训练计划、记录训练、追踪基准数据、管理目标并获取教练洞察——一切都通过自然对话完成。

网站 · 集成指南 · 工作原理 · 方法论

连接

MCP 服务 URL： https://api.pelaris.io/mcp

ChatGPT

Settings → Apps → Add → 输入上方的 MCP 服务 URL

Claude

Settings → Connectors → Add Custom → 输入上方的 MCP 服务 URL → Advanced Settings → Client ID：pelaris-claude

任何 MCP 客户端

连接到 https://api.pelaris.io/mcp——支持带 PKCE 的 OAuth 2.0 和动态客户端注册。

工具（29）

读取工具（12）

工具	说明
`get_training_overview`	查看训练情况、当前训练计划和近期训练课程
`get_active_program`	查看当前训练计划，包括阶段、每周安排和训练课程详情
`get_session_details`	查看指定训练课程的动作、组数、目标和反馈
`resolve_exercise_ids`	在制定计划或记录训练前，将动作名称解析为规范的动作 ID
`get_benchmarks`	查看基准数据、进度历史和趋势
`get_body_analysis`	查看身体成分数据和测量趋势
`search_training_resources`	搜索精选训练文章和资源
`get_coach_insight`	根据你的训练情况获取数据驱动的教练洞察
`get_onboarding_status`	检查个人资料设置的完成状态
`get_weekly_debrief`	查看每周训练总结和教练关注重点
`get_program_status`	检查训练计划的状态和进度（进行中、已暂停、已替换或已移除）
`list_goals`	列出训练目标、完成状态及关联的基准数据

写入工具（17）

工具	说明
`complete_intake`	完成入门信息填写并保存训练资料
`generate_program`	获取在 Pelaris 中启动训练计划的链接（训练计划在 Pelaris 中创建）
`create_planned_session`	创建包含动作和目标的计划训练
`log_workout`	记录已完成的训练，或将计划训练标记为已完成
`log_completed_session`	记录完整的已完成训练课程，包括动作、组数和反馈
`swap_exercise`	获取替代动作建议
`modify_training_session`	调整训练课程的训练量、强度或时间安排
`update_session`	更新现有计划训练的详情
`delete_session`	删除单个计划训练
`delete_sessions`	删除多个计划训练
`record_injury`	记录受伤情况，包括身体部位、严重程度和备注
`update_profile`	更新器材、空闲时间和偏好设置
`send_feedback`	提交教练质量反馈
`record_benchmark`	记录基准值并追踪历史
`daily_check_in`	记录每日状态、酸痛程度和睡眠质量
`manage_goals`	创建、更新或完成训练目标
`manage_program`	将训练计划搁置：移除尚未开始的计划；对于其他计划，指引你在应用中使用暂停、停止和移除功能

示例提示词

连接后，您可以自然地与 AI 助手交流。它会将您的意图映射到上述工具：

“我今天的训练安排是什么？” → get_training_overview / get_active_program
“记录我的 5 公里跑步，感觉很轻松，RPE 4。” → log_workout
“为明天安排一次上半身训练。” → create_planned_session
“我的基准数据趋势如何？” → get_benchmarks
“把杠铃卧推换成哑铃变式。” → swap_exercise
“我的右肩最近一直酸痛。” → record_injury
“我想要一个训练计划。” → generate_program（会返回您的 Pelaris 链接，您可以在其中创建训练计划）

（仅为示例提示词；不展示任何个人数据。回复基于您自己的训练数据，并已清除个人身份信息。）

身份验证

使用 OAuth 2.0 和 PKCE。服务支持：

面向 ChatGPT 和 Claude 的预注册客户端
面向所有其他 MCP 客户端的动态客户端注册

支持的运动项目

力量训练 · 跑步 · 游泳 · 骑行 · 铁人三项 · CrossFit · 综合健身

Pelaris 实现了 28 种基于科学的训练方法。了解更多关于我们方法的信息。

隐私

使用化名用户 ID（绝不公开 Firebase UID）
清除所有回复中的个人身份信息
OAuth 权限范围细化
用户可随时断开连接

隐私政策 · 服务条款

开发

运行 npm run build，然后运行 npm test。每个测试文件都列在 scripts/run_tests.mjs 中；除非设置了模拟器，否则 Firestore 会指向一个不可用的本地回环端口，因此测试绝不会连接到真实项目。CI 会在每次部署前运行这两项命令。
本地运行使用 scripts/run_local_gateway.sh。只有在 Firestore、OAuth 函数和核心桥接服务都绑定到本地回环地址、端口不是模拟器端口，且密钥为本地测试值时，该脚本才会启动。
本地端到端测试：启动 Pelaris 本地堆栈（模拟器、函数和 Web 服务，且关闭发送功能）后，运行 node tools/connector_e2e/run_connector_e2e.mjs --reseed --start-gateway --transcript <file>。该命令会在 wayfinder 的出口防护下启动此网关，并使用真实 MCP 客户端模拟已播种数据的用户（新手、持有训练计划者、尚未开始者、已开始者以及拥有两个训练计划的运动员），然后检查回复、模拟器数据和网关日志。仅限本地运行：如果目标不是本地回环地址，该脚本会拒绝运行；并使用运行程序公布的虚拟密钥生成测试令牌。脚本开头列出了用户和标志。
与 Pelaris 后端共享的契约存放在 test_fixtures/ 中（重定向策略、令牌所有权、返回谓词）。双方都通过 SHA-256 固定这些契约。