Fitness Coach MCP

🚀 健康とフィットネスコーチMCP 💪

このプロジェクトは、AIを搭載した包括的なフィットネス追跡アプリケーションです。モデルコンテキストプロトコル（MCP） を通じて、従来のフィットネスアプリとインテリジェントなAI支援をつなぎます。

🚀 クイックスタート

1. MCPサーバーのセットアップ

git clone https://github.com/your-username/health-fitness-coach-mcp.git
cd health-fitness-coach-mcp
npm install
cp env.example .env.local
# AI生成のプランにはOPENAI_API_KEYを追加
npm run dev

2. AIツールへの接続

Cursorの設定

{
  "mcpServers": {
    "health-fitness-coach": {
      "url": "http://localhost:3000/sse"
    }
  }
}

Claude Desktopの設定

{
  "mcpServers": {
    "health-fitness-coach": {
      "command": "npx",
      "args": ["-y", "mcp-remote", "http://localhost:3000/mcp"]
    }
  }
}

3. 統合のテスト

# すべてのMCPツールをテスト
npm run test:fitness

# HTTPトランスポートをテスト
npm run test:http

# MCP統合をテスト
npm run test:mcp

# ツール機能をデバッグ
npm run debug:tools

4. 使用開始

• Webアプリ：http://localhost:3000にアクセスして、視覚的なフィットネス追跡を行います。
• AI統合：AIアシスタントにフィットネス関連の質問をします。
• 自然言語：「ワークアウトを記録」「プランを作成」「私の状況はどうですか？」などの自然な言葉で話しかけます。

✨ 主な機能

システムの構成要素

このプロジェクトは2つの主要なコンポーネントで構成されています。

1. 🌐 Webアプリケーション：活動の記録や進捗の追跡を行うための、最新のNext.jsフィットネスダッシュボードです。
2. 🤖 MCPサーバー：AIツール（Cursor、Claude Desktopなど）がフィットネスデータとインテリジェントにやり取りできるようにする、プロトコルに準拠したサーバーです。

主な機能の詳細

• 🧠 インテリジェントなコーチング：AIがあなたのフィットネス履歴を分析し、パーソナライズされたトレーニングプランを生成します。
• 📊 豊富なコンテキスト情報：AIがあなたの完全なフィットネス履歴にアクセスすることで、パターンを特定し、改善策を提案します。
• 💬 自然なやり取り：自然言語でAIと話し合い、フィットネス目標を達成するためのアドバイスを得ることができます。

📦 インストール

ローカル開発環境でのインストール

git clone https://github.com/your-username/health-fitness-coach-mcp.git
cd health-fitness-coach-mcp
npm install
cp env.example .env.local
# AI生成のプランにはOPENAI_API_KEYを追加
npm run dev

本番環境でのデプロイ

• Vercelのワンクリックボタンでデプロイできます。
• 環境変数（OPENAI_API_KEY）を設定します。
• MCPサーバーは自動的にあなたのドメインで利用可能になります。

カスタムデプロイ

• Dockerを使用したコンテナ化されたデプロイがサポートされています。
• 環境変数の設定により、異なるセットアップに対応できます。
• 複数のユーザーに対応するためのスケーラブルなアーキテクチャです。

💻 使用例

基本的な使用法

// ワークアウトセッションの記録
{
  tool: "log-workout",
  parameters: {
    userId: "user123",
    date: "2025-01-07", 
    type: "strength training", // 自動分類: 有酸素運動、筋力トレーニング、柔軟性トレーニング
    duration: 45,              // 活動時間（分）
    distance: 0                // 有酸素運動の場合のオプション
  }
}
// AIコンテキスト: "今日、45分間の筋力トレーニングを行いました"

高度な使用法

// AIによるパーソナライズされたフィットネスプランの生成
{
  tool: "generate-plan",
  parameters: {
    userId: "user123"
  }
}
// AIの魔法: あなたの履歴、好み、目標を分析して、以下を作成します。
// - 明日のワークアウトルーチン
// - 週間の運動スケジュール
// - 食事の提案
// - 段階的な難易度調整

📚 ドキュメント

MCPサーバーのツールと機能

MCPサーバーは、AIがフィットネスデータとやり取りする方法を変革する7つのインテリジェントなツールを公開しています。

コアロギングツール

• log-workout：エクササイズセッションの追跡
• log-nutrition：食事とカロリーの追跡
• log-feedback：進捗とモチベーションの追跡

インテリジェンスとプランニングツール

• generate-plan：AIによるフィットネスプランの生成
• view-context：包括的なフィットネス分析
• set-weekly-target：目標設定と追跡

ユーティリティツール

• echo：システムの健全性とテスト

MCPデータフローとAI統合

• AIクエリがフィットネスアクションに変わる仕組み：AIがユーザーの自然言語入力を解析し、MCPプロトコルを介して適切なツールを呼び出し、データを保存または更新します。
• WebアプリとMCPサーバーの統合：WebアプリとAIツールがMCPサーバーを介してデータを共有し、リアルタイムに同期されます。

実際の使用シナリオ

• シナリオ1: 日々のワークアウトの記録：ユーザーがAIにワークアウトの記録を依頼すると、MCPがlog-workoutツールを呼び出してデータを保存し、進捗を更新します。
• シナリオ2: インテリジェントなプランの生成：ユーザーがAIに明日のワークアウトプランを依頼すると、MCPがview-contextツールを呼び出して今週の活動を分析し、generate-planツールを呼び出してバランスの取れたプランを生成します。
• シナリオ3: 栄養指導：ユーザーがAIに健康的な食事の提案を依頼すると、MCPがview-contextツールを呼び出して今日の食事とカロリー目標を確認し、AIが栄養のギャップとカロリー予算を分析して具体的な食事を提案します。

🔧 技術詳細

MCPプロトコルの準拠

// MCPに準拠したツール定義
export const logWorkoutTool = {
  name: "log-workout",
  description: "ワークアウトセッションをタイプ、時間、オプションの距離で記録します。",
  inputSchema: {
    type: "object",
    properties: {
      userId: { type: "string", description: "ユニークなユーザー識別子" },
      date: { type: "string", description: "YYYY-MM-DD形式の日付" },
      type: { type: "string", description: "ワークアウトのタイプ（例：'ランニング'、'筋力トレーニング'）" },
      duration: { type: "number", description: "時間（分）" },
      distance: { type: "number", description: "距離（キロメートル、オプション）" }
    },
    required: ["userId", "date", "type", "duration"]
  }
}

データの保存と取得

// 永続化フック付きのインメモリストア
export const workoutStore = createInMemoryStore<WorkoutEntry>()
export const nutritionStore = createInMemoryStore<NutritionEntry>()
export const planStore = createInMemoryStore<PlanEntry>()

// MCPツールの実装
export async function logWorkout(params: LogWorkoutParams) {
  const entry: WorkoutEntry = {
    id: generateId(),
    userId: params.userId,
    date: params.date,
    type: params.type,
    duration: params.duration,
    distance: params.distance,
    timestamp: new Date().toISOString()
  }
  
  workoutStore.set(entry.id, entry)
  return { success: true, entry }
}

AI統合レイヤー

// MCP統合付きのチャットインターフェース
export async function processFitnessQuery(message: string, userId: string) {
  const intent = detectIntent(message)
  
  switch (intent.type) {
    case 'log_workout':
      return await callMCPTool('log-workout', {
        userId,
        date: intent.date,
        type: intent.workoutType,
        duration: intent.duration
      })
      
    case 'generate_plan':
      return await callMCPTool('generate-plan', { userId })
      
    case 'view_progress':
      return await callMCPTool('view-context', { userId })
  }
}

📄 ライセンス

このプロジェクトはMITライセンスの下で公開されています。あなた自身のMCPサーバーやフィットネスアプリケーションの基礎として自由に使用できます。

🤖 モデルコンテキストプロトコルによる動作
AIの知能と現実世界のフィットネスデータをつなぐ