Fitness Coach MCP

🚀 健康とフィットネスコーチMCP 💪

このアプリケーションは、AIを活用した包括的なフィットネストラッキングアプリです。Model Context Protocol (MCP) を通じて、従来のフィットネスアプリと高度なAI支援を結びつけ、ユーザーにカスタマイズされたトレーニングプランや栄養アドバイスを提供します。

🚀 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生成プランのために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

# MCPツールを直接テスト
npm run test:fitness

# 特定のエンドポイントをテスト
curl http://localhost:3000/api/context?userId=default-user

4. 使用開始

• Webアプリ：視覚的なフィットネストラッキングのために http://localhost:3000 を訪問します。
• 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？」などの質問が可能です。

✨ 主な機能

包括的なトラッキング

• ワークアウト、栄養摂取、フィードバックの記録と追跡が可能です。
• 日々の進捗状況をリアルタイムで表示します。

カスタマイズされたAIコーチング

• AIがユーザー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。
• 自然言語での質問に対して、コンテキストを考慮した回答を提供します。

シームレスなデータ同期

• WebアプリとAIツール間でデータが自動的に同期され、常に最新の情報を共有します。

📦 インストール

ローカル開発環境

• npm run dev を実行して開発サーバーを起動します。
• MCPサーバーは http://localhost:3000/mcp で利用可能です。
• Webインターフェースは http://localhost:3000 でアクセスできます。

本番環境のデプロイ

• 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をサポートしており、コンテナ化されたデプロイが可能です。
• 異なるセットアップに合わせて環境変数を設定できます。
• 複数ユーザーに対応した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

// log-workoutツールを使用してワークアウトを記録する例
{
  tool: "log-workout",
  parameters: {
    userId: "user123",
    date: "2025-01-07", 
    type: "strength training", 
    duration: 45,             
    distance: 0                
  }
}

高度な使用法

// generate-planツールを使用してパーソナライズされたトレーニングプランを生成する例
{
  tool: "generate-plan",
  parameters: {
    userId: "user123"
  }
}

📚 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

┌─────────────────────────────────────────────────────────────────────────────┐
│                           MCP DATA FLOW                                    │
├─────────────────────────────────────────────────────────────────────────────┤
│                                                                             │
│  User in AI Tool: "I did 20 push-ups for 15 minutes today"                 │
│         │                                                                   │
│         ▼                                                                   │
│  ┌─────────────────────┐    ┌─────────────────────┐    ┌─────────────────┐  │
│  │   🧠 AI PROCESSING  │    │   🤖 MCP PROTOCOL   │    │  📊 DATA STORE  │  │
│  │                     │    │                     │    │                 │  │
│  │ • Parse intent      │───►│ • Tool selection    │───►│ • Store workout │  │
│  │ • Extract data      │    │ • Parameter mapping │    │ • Update stats  │  │
│  │ • Choose action     │    │ • Execute tool call │    │ • Calculate     │  │
│  │ • Format response   │◄───│ • Return results    │◄───│   progress      │  │
│  └─────────────────────┘    └─────────────────────┘    └─────────────────┘  │
│         │                                                                   │
│         ▼                                                                   │
│  AI Response: "Great! I've logged your 15-minute push-up session.           │
│               You're at 15/60 minutes for your daily workout goal."         │
└─────────────────────────────────────────────────────────────────────────────┘

実世界での使用シナリオ

• デイリーワークアウトの記録：AIがワークアウトの記録意図を認識し、log-workout ツールを呼び出してデータを保存します。
• インテリジェントなプラン生成：AIが週の活動を分析し、generate-plan ツールを使用してバランスの取れたトレーニングプランを生成します。
• 栄養ガイダンス：AIが今日の食事とカロリー目標を確認し、適切な食事を提案します。

🔧 技術詳細

MCPプロトコルの準拠

// MCP準拠のツール定義
export const logWorkoutTool = {
  name: "log-workout",
  description: "Log a workout session with type, duration, and optional distance",
  inputSchema: {
    type: "object",
    properties: {
      userId: { type: "string", description: "Unique user identifier" },
      date: { type: "string", description: "Date in YYYY-MM-DD format" },
      type: { type: "string", description: "Workout type (e.g., 'running', 'strength')" },
      duration: { type: "number", description: "Duration in minutes" },
      distance: { type: "number", description: "Distance in kilometers (optional)" }
    },
    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 })
  }
}

🧪 テストと開発

利用可能なテストスクリプト

# 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

# ツールの機能をデバッグ
npm run debug:tools

MCPツールのテスト

// ワークアウトの記録をテスト
const result = await mcpClient.callTool('log-workout', {
  userId: 'test-user',
  date: '2025-01-07',
  type: 'running',
  duration: 30,
  distance: 5.0
})

console.log('Workout logged:', result)

🔧 環境設定

必須変数

# AI生成フィットネスプランのためのOpenAI APIキー
OPENAI_API_KEY=your_openai_api_key_here

# パフォーマンス向上のためのオプションRedis
UPSTASH_REDIS_REST_URL=your_redis_url
UPSTASH_REDIS_REST_TOKEN=your_redis_token

オプション設定

# シングルユーザーセットアップのためのカスタムユーザーID
DEFAULT_USER_ID=my-fitness-journey

# デバッグ用のログレベル
LOG_LEVEL=debug

# 開発用のカスタムポート
PORT=3000

🤝 貢献と拡張

新しいMCPツールの追加

// tools/ディレクトリに新しいツールを作成
export const myCustomTool = {
  name: "my-custom-tool",
  description: "Description of what this tool does",
  inputSchema: {
    // パラメータを定義
  },
  handler: async (params) => {
    // 実装
  }
}

// tools/index.tsに登録
export const tools = [
  // ... 既存のツール
  myCustomTool
]

Webインターフェースの拡張

• components/ ディレクトリに新しいコンポーネントを追加します。
• app/api/ に新しい機能のためのAPIルートを作成します。
• app/page.tsx のメインダッシュボードを更新します。

カスタムAI統合

• 追加のMCPクライアントを実装します。
• 他のAIプラットフォームのサポートを追加します。
• カスタムクエリ処理ロジックを作成します。

📄 ライセンス

MITライセンス - このプロジェクトをあなた自身の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。

このプロジェクトは、AIツールとドメイン固有のアプリケーションを架橋する本番環境対応のMCPサーバーを構築する方法を示しており、他のドメインでの同様の統合のためのテンプレートを提供します。

🤖 Powered by Model Context Protocol
Bridging AI intelligence with real-world fitness data