Apple Forme MCP
Exposes tools for weekly fitness summaries and acute:chronic workload ratio from Apple Watch data via Health Auto Export, plus a web dashboard for filtering and comparison.
README
Apple Forme MCP
Serveur MCP qui expose 2 tools basés sur tes données Apple Watch (via l'app Health Auto Export, puisqu'Apple Health n'a pas d'API web) :
resume_hebdo: distance, allure, régularité, tendancecharge_entrainement: ratio charge aiguë/chronique (ACWR), avec fallback si l'historique est trop court
S'y ajoute un dashboard web (/dashboard) servi par le même serveur :
stats filtrables par période (7/30/90 jours, tout) et par type d'exercice
(course, cyclisme, marche, yoga, cardio, pilates), avec comparaison vs la
période précédente et mode sombre. Consultable depuis n'importe quel appareil
du réseau local : http://<ip-du-mac>:8000/dashboard.
Architecture
iPhone (Health Auto Export, même wifi que le Mac)
--POST JSON--> receiver.py (FastAPI, sur le réseau local uniquement)
--stocke--> forme.db (SQLite)
--lu par--> mcp_server.py --> Claude
Pas de tunnel public ici : le webhook n'est joignable que depuis ton réseau
wifi local. C'est le choix le plus simple côté vie privée — tes données de
santé ne transitent par aucun service tiers. La contrepartie : la sync ne se
fait que quand ton iPhone et ton Mac sont sur le même wifi (typiquement chez
toi le soir), et ton Mac doit être allumé avec receiver.py lancé à ce
moment-là. Largement suffisant pour un résumé hebdo et un calcul ACWR, qui
n'ont pas besoin de données en temps réel.
1. Installer les dépendances
cd apple-forme-mcp
python -m venv venv && source venv/bin/activate
pip install -r requirements.txt
cp .env.example .env
# édite .env : mets un WEBHOOK_TOKEN aléatoire
python -c "import secrets; print(secrets.token_hex(24))"
2. Lancer le webhook receiver
uvicorn receiver:app --host 0.0.0.0 --port 8000
--host 0.0.0.0 fait écouter receiver.py sur toutes les interfaces réseau
du Mac, donc y compris le wifi — c'est ce qui permet à l'iPhone de le joindre.
3. Trouver l'IP locale de ton Mac
ipconfig getifaddr en0
Ça renvoie une adresse du type 192.168.1.42. C'est l'IP à utiliser dans
l'automatisation Health Auto Export (voir étape 4). Elle peut changer si ta
box réattribue les IP — si l'automatisation arrête de fonctionner du jour au
lendemain, reviens vérifier cette commande.
Pense à laisser ton Mac allumé (pas en veille) et receiver.py lancé au
moment où tu veux que la sync se fasse — par exemple le soir en rentrant de
ta sortie.
4. Configurer Health Auto Export sur l'iPhone
Dans l'app > Automations > New Automation :
- Automation Type : REST API
- URL :
http://192.168.1.42:8000/health-auto-export/webhook(remplace par l'IP trouvée à l'étape 3) - Header :
Authorization: Bearer <ton WEBHOOK_TOKEN> - Data Type : Workouts (décoche "Routes"/"GPS" — inutile pour les 2 tools et c'est la donnée la plus sensible de l'export)
- Format : JSON
- Export Version : 2
- Sync Behavior : "Since Last Sync"
- Fréquence : ex. toutes les 6h, ou 1x/jour
⚠️ Limites Apple à connaître : les automatisations ne tournent que quand le téléphone est déverrouillé, et iOS limite l'exécution en arrière-plan — donc attends-toi à un léger délai, pas du vrai temps réel.
Fais un premier Manual Export dans l'app pour peupler direct ta base avec ton historique existant, plutôt que d'attendre que ça s'accumule au fil de l'eau. Les automatisations ne proposent que des plages relatives ; pour un gros historique, utilise plutôt la section Exportations de l'app (plage de dates libre → fichier JSON), transfère le fichier sur le Mac, puis :
python import_file.py ~/Downloads/HealthAutoExport-*.json
Les doublons sont gérés (upsert par identifiant de séance) : réimporter des données déjà connues est sans effet.
5. Lancer le serveur MCP
python mcp_server.py
Puis ajoute-le dans claude_desktop_config.json :
{
"mcpServers": {
"apple-forme": {
"command": "/chemin/absolu/vers/venv/bin/python",
"args": ["/chemin/absolu/vers/apple-forme-mcp/mcp_server.py"]
}
}
}
Limites connues / à améliorer
- Charge de session : approximée via
durée × (FC moyenne / 60)faute de RPE façon Strava. À affiner avec un vrai TRIMP (Banister) une fois que tu as FC repos/FC max calibrées dans le code (training_load.py). - Fallback ACWR : en dessous de 21 jours d'historique, le tool renvoie une tendance semaine/semaine précédente plutôt qu'un ratio non fiable.
- Format d'export : le code gère "Workouts v2". Si tu configures
l'automatisation en v1, dis-le moi pour que j'adapte
store.py.
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。