关于 Povver — Strength Training
Povver 是面向力量训练数据的托管 MCP 服务,供 Povver 用户及其 AI 客户端使用。它支持训练分析,也可用于更新计划、记录训练和管理进行中的训练。
主要功能
- 01读取训练历史和单组数据
- 02分析力量趋势与训练量
- 03管理训练计划和模板
- 04记录并修改已完成的训练
- 05更新实时训练和周期计划
- 06跟踪伤病与训练记忆
适用场景
- 01查看某项动作的进展
- 02检查每周各肌群训练量
- 03根据分析结果更新训练计划
- 04记录或更正训练
MCP 相关
该托管远程 MCP 服务提供工具和资源,用于读取及修改已登录用户的 Povver 数据。它通过 Streamable HTTP 和 OAuth 2.1 连接。
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。
https://mcp.povver.ai/mcpclaude mcp add --transport http povver-strength-training https://mcp.povver.ai/mcp{"mcpServers":{"povver-strength-training":{"type":"http","url":"https://mcp.povver.ai/mcp"}}}在 Cursor 中打开{"servers":{"povver-strength-training":{"type":"http","url":"https://mcp.povver.ai/mcp"}}}在 VS Code 中打开{"mcpServers":{"povver-strength-training":{"type":"http","url":"https://mcp.povver.ai/mcp"}}}{"mcpServers":{"povver-strength-training":{"serverUrl":"https://mcp.povver.ai/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
41此工具无需参数。
详细介绍
Povver MCP 服务
将你的 AI 助手连接到 Povver 力量训练数据——Claude、Claude Code、Cursor,或任何兼容 MCP 的客户端。通过对话查看训练记录、追踪力量进展、分析各肌群训练量,并管理训练计划和模板。
端点: https://mcp.povver.ai/mcp(Streamable HTTP,OAuth 2.1)
文档: https://mcp.povver.ai/ · /llms.txt · /llms-full.txt
要求: 拥有高级订阅的 Povver 账户(iOS 应用)
这是托管的远程服务——无需安装任何内容。客户端提示时,使用你的 Povver 账户登录。
Povver 还发布了力量训练计算器:RPE 和 RIR、单次最大重量、DOTS、FFMI、力量标准和每周组数,每项都附有计算方法和来源。
收录于: 官方 MCP 注册表(ai.povver/mcp-server) · Glama · Smithery · awesome-remote-mcp-servers
连接
Claude(桌面版 / 网页版)
设置 → 连接器 → 添加自定义连接器 → URL https://mcp.povver.ai/mcp。Claude 会打开浏览器窗口,让你使用 Povver 账户登录。
Claude Code
claude mcp add --transport http povver https://mcp.povver.ai/mcp
Cursor / 其他客户端
{
"mcpServers": {
"povver": {
"url": "https://mcp.povver.ai/mcp"
}
}
}
API 密钥(自动化、脚本、n8n)
在 Povver 应用中:更多 → 集成 → 开发者访问权限 → 创建密钥,然后将其作为 Bearer 令牌发送:
curl -H "Authorization: Bearer pvk_your_key_here" \
-H "Content-Type: application/json" \
-H "Accept: application/json, text/event-stream" \
-d '{"jsonrpc":"2.0","id":1,"method":"tools/list"}' \
https://mcp.povver.ai/mcp
示例提示词
- “作为我的力量教练:回顾我最近的训练,找出我最大的弱项,并更新我的训练计划来解决这个问题。”
- “过去 8 周我的卧推趋势如何——我还在进步,还是已经停滞?”
- “按肌群细分我的每周训练量。我有哪些肌群练得不够?”
- “我今天该练什么?”
可用工具
每类内容各有一个工具(你的上下文、计划、训练、当前训练中的训练环节、分析、动作、记忆、周期规划)。每个工具都接受 view(读取)或 action(写入),并且只接受对应选项的字段。每个工具都带有显示标题以及 readOnlyHint / destructiveHint 注解,且只有 delete 是破坏性操作。
2.0.0 版本变更: 1.x 中用途单一的工具已整合到这些工具中(get_workout 现在是 read_workouts,并使用 view: detail;create_template 现在是 save_plan,并使用 action: create_template;其他工具也类似),而 explain_rule 则变成了资源 povver://rules/{rule_id}。旧名称不再作为别名保留:使用旧名称的已保存提示词需要改用新名称。客户端重新连接时会获取新的工具列表。
读取(可随时安全调用)
| 工具 | 描述 |
|---|---|
get_context | 从这里开始。了解你的身份和训练进度:概览(个人资料、当前训练计划、下次训练、最近 10 次训练、力量记录)、你的训练档案(目标、经验、每周训练天数、器材、单位),或连接检查。 |
read_plans | 你的训练计划和训练模板:完整的训练安排(组数、次数、重量、RIR、指导备注、超级组),以及 Povver 基于证据的入门训练计划。 |
read_workouts | 你已完成的训练:包含训练量的近期摘要,或某次训练的逐组数据和个人备注。 |
analyze_training | 根据问题获取 Povver 的分析:力量进阶(你是否变得更强?)、每周洞察、肌群训练量和疲劳度、某个动作的进步和最佳成绩、原始组数据查询、你训练的动作、训练依从性,以及待处理的建议。 |
exercises | 用自然语言搜索动作目录,或查看某个动作的肌群、器材和执行说明。 |
read_memory | 你要求 Povver 记住的信息(伤病、偏好、目标),以及伤病影响了哪些训练进阶。 |
read_periodization | 查看你的周期化计划,或预览尚未保存的计划。 |
read_live_workout | 查看当前进行中的训练:每个动作和组、下一组,以及修改后应发送的版本。 |
写入(更改你的数据)
| 工具 | 描述 |
|---|---|
save_plan | 创建或编辑训练计划和模板,或设置当前训练计划。返回已保存的训练计划或模板。 |
log_workout | 记录已完成的训练(刚完成的训练,或从其他应用导入的历史记录;可安全重试),或更正记录。 |
live_workout | 操作当前进行中的训练:记录组数、替换或添加动作、更改计划组、组合超级组、结束训练。一次调用可执行多项操作。 |
manage_periodization | 创建用于指导训练计划的周期化策略,或暂停并恢复策略。 |
manage_memory | 报告伤病、更新伤病状态,或接受或拒绝建议。 |
delete | 永久删除训练、训练计划或模板。 |
资源
可通过客户端「+」菜单将其作为上下文附加:
- 训练状态 — 每周训练依从性、下次训练、距离上次训练的天数
- 当前训练计划 — 当前计划的结构
- 近期训练 — 最近 10 次训练摘要
- 训练分析 — AI 洞察和每周回顾
- 单次训练和模板 — 可按 ID 浏览
- 工具指南(
povver://guide/tools)和周期化指南(povver://guide/periodization)— 如何导入历史记录、编辑模板而不将其清除、进行实时训练、查看训练量 - 训练规则(
povver://rules/{rule_id})— Povver 各项训练规则背后的依据;这些也是应用内教练回答问题时参考的卡片
提示词
- 分析我的本周训练 — 训练量、依从性和建议
- 我今天应该练什么? — 下次训练建议
- 回顾动作进度 — 特定动作的力量趋势
- 评估我的训练计划 — 全面评估训练计划结构
安全与隐私
- 使用 OAuth 2.1 和 PKCE,以及动态客户端注册;API 密钥经哈希处理后静态存储,可在应用中撤销。
- 每个请求都限定在已登录用户的范围内;工具只会访问该用户的数据。
- 隐私政策:https://povver.ai/privacy · 条款:https://povver.ai/tos
- 支持:mailto:[email protected]
服务端源代码属于 Povver 的私有代码库;此仓库提供公开文档和 MCP Registry 清单(server.json)。
评论
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。