mcp-fitbod

目录

概述 ·  安装 ·  配置 ·  工具 ·  身份验证 ·  重要发现 ·  限制 ·  架构 ·  法律

Related MCP server: tonal-mcp-cloudflare-workers

概述

mcp-fitbod 将 Fitbod 账户置于一个基于 stdio 的 MCP 服务器之后，因此任何 MCP 客户端都可以直接使用你的训练数据。它横跨十个后端服务，而非仅仅一个端点：

最有用的部分是 pyserve。大多数集成都是在应用之外编写训练计划；而本服务器会直接调用生成器本身，返回包含动作选择、组数、次数、负重和休息时间的完整训练会话，然后根据你实际拥有的器械对结果进行过滤，并对任何你无法完成的动作请求替换。

亮点

• 每个写入工具默认设置 dry_run=True，并返回它将发送的确切载荷，而不会改动账户。

• 包含约 1,400 个动作的离线语料库意味着目录查询、健身房过滤和肌肉映射无需任何网络调用。

• build_routine 会在写入之前根据你的健身房验证每一个动作，并在部分失败时删除该训练计划，从而不会留下半成品。

• 分析功能（总吨位、各肌群训练量、估算 1RM、停滞不前的动作）位于纯函数中，不依赖网络，并针对固定测试数据进行了单元测试。

• 令牌签发、401 时刷新、速率限制、分页以及临时挑战重试均在客户端内部处理。

安装

需要 Python 3.10 或更高版本。

git clone https://github.com/Muno459/mcp-fitbod
cd mcp-fitbod
pip install -e ".[dev]"

只需认证一次。刷新令牌的有效期约为一年，并且只有该令牌会被持久化保存。

FITBOD_EMAIL='you@example.com' FITBOD_PASSWORD='...' python -m fitbod.auth

从你自己的 Fitbod 安装中构建离线动作语料库。解压 APK，然后将构建器指向其 res/raw 目录。

python build_reference.py --apk-res /path/to/fitbod/res/raw

描述你的健身房，以便工具能够筛选出可执行的动作。

cp data/gym-profile.example.json data/gym-profile.json
$EDITOR data/gym-profile.json

验证，然后运行。

python -m pytest tests/ -q     # offline: parsing and analysis
python smoke_test.py           # live: every tool, writes are dry-run
python server.py

配置

通过 stdio 将服务器注册到任何 MCP 客户端：

{
  "mcpServers": {
    "fitbod": {
      "command": "python",
      "args": ["/absolute/path/to/mcp-fitbod/server.py"]
    }
  }
}

凭据保存在 .fitbod-credentials.json 中，仅所有者可读且已被 gitignore。该文件只包含刷新令牌，别无其他。你的密码永远不会写入磁盘，也永远不会被记录。要撤销访问权限，请更改你的密码。

data/gym-profile.json 将你拥有的器械映射到 Fitbod 的 78 种器械类型，包括你可用的确切哑铃和杠铃片增量，从而确保开出的负重是你实际能够组合出来的。从 data/gym-profile.example.json 开始，并使用 preview_inventory_mapping 检查你的名称能否正确解析。

工具

共 97 个工具，分布在十二个模块中。每个写入工具都接受 dry_run。

估算 1RM 采用 Epley 公式。热身组不计入有效组数和总吨位。空窗口会返回一条说明性的 note，而不是一个光秃秃的零。

有三个引擎可供选择：foundational_model、algo_direct_client 和 algo_llamabod。结果会根据你的健身房进行后置过滤，任何无法完成的动作都会通过 exercise_replacement 自动替换。

体重、瘦体重、脂肪量、体脂率、BMI、BMR 以及七项围度均有完整时间序列可用，数据来源于 Apple Health 或 Health Connect。

动作目录：find_exercises exercise_detail search_exercises_live exercise_details_live list_equipment muscle_groups warm_start_lookup onboarding_one_rep_maxes seed_one_rep_max api_surface gym_profile

个人资料：get_profile update_profile add_injury list_injuries delete_injury rate_exercise list_exercise_ratings registered_devices app_config selected_cardio add_selected_cardio remove_selected_cardio selected_resistance_bands

教练与聊天：coach_ask coach_sessions coach_new_session coach_memories coach_session_stats chat

分析：exercise_analytics exercise_benchmarks workout_achievements

其他服务：service_health subscription_status list_blimps dismiss_blimp strava_connection list_public_gyms public_gym_equipment search_places

营养：nutrition_targets todays_targets recalculate_targets cut_progress

逃生舱：raw_get 和 metros_raw_get，两者均为只读，并带有路径 校验。

身份验证

分为三步，每个微服务都从一个长期有效的刷新令牌（refresh token）自行铸造自己的短期令牌：

POST gate-keeper.fitbod.me/users/login   {"user":{"email","password"}}
  -> 201, refresh JWT in the Authorization RESPONSE header, exp about 1 year

POST <service>.fitbod.me/access_token    {"refresh_token":"<raw jwt>"}
  -> 201 {"access_token": ...}, aud=<service>.prod.fitbod.me, about 24h

Authorization: Bearer <access_token>  ->  https://<service>.fitbod.me/...

客户端会将访问令牌缓存 23 小时，并在收到 401 时透明地重新铸造。注意各服务之间的不一致：nautilus 要求在请求体中包含 refresh_token，而 prism、blimp 和 metros 也接受将其放在请求头中。

需要形如浏览器的 User-Agent，因为已知的机器人代理（如 curl/*）会在请求到达源站之前就被边缘节点拒绝。

重要发现

这些是需要花费实际时间才能摸索出来的行为，记录下来以免重复踩坑。

两套序列化机制并存。 JSON:API 属性使用 snake_case，但内嵌文档会原样使用源属性名，除非有显式注解覆盖。在 individual_sets 内部，isWarmup 和 restTime 保持 camelCase，而 _id、_created_at 和 is_amrap 则带有覆盖。混淆这两套机制会静默丢失所有字段。

有些映射无法凭猜测得知。 workoutConfigId 序列化为 default_workout_config_id，circuitsEnabled 序列化为 supersets_enabled，而 algorithmCoefficient 序列化为 algorithm_coeffecient——这个拼写错误出现在线上数据中。

已记录组不使用资源 id。 它们通过 exercise_external_resource_id 引用动作，这是一个不同的编号。Leg Press 的 id=291，但 external_resource_id=218。

POST 和 PUT 对 id 的要求不一致。 POST workout_data 拒绝任何 id（data.attributes.id should be type integer_id），而 PUT workout_data/{id} 要求 data.id 与路径匹配。

关系（relationships）与属性（attributes）之别。 gym_id 和 equipment_id 可读但不可写。创建 gym_equipment 记录需要使用 JSON:API 的关系（relationships），而不是属性。

枚举值是固定的，且顺序很重要。

FitnessGoal          0 GENERAL_FITNESS  1 STRENGTH_TRAINING  2 MUSCLE_TONE
                     3 BODYBUILDING     4 POWERLIFTING       5 OLYMPICWEIGHTLIFTING
MuscleSplit          0 FRESH_MUSCLE_GROUPS  1 UPPER_LOWER  2 FULL_BODY  3 PPL
ExperienceLevel      0 BEGINNER  1 INTERMEDIATE  2 EXPERT
WorkoutVariability   1 MORE_CONSISTENCY  3 SUGGESTED  5 MORE_VARIABILITY
StrengthAggregate    push, pull, lower   (there is no upper and no core)
ExerciseRating       like, dislike, exclude   (lowercase; uppercase returns 500)

生成器的怪癖。 algo_versions 是必填项，但其中的每个字段都可以为 null。空的 user_equipment 或 muscle_usages_from_client 会返回 500。exercise_replacement 需要将训练回显为 current_workout，并且 exercise_ids_to_replace 中的每个 id 都必须出现在其中。生成器不会严格遵循 user_equipment，所以始终要做后置过滤。

突发请求会被质询。 带有 HTML 响应体的 403 是暂时性的，大约 10 到 30 秒内就会解除。客户端会重试，而不是将其作为认证错误抛出——尽管乍一看它很像认证错误。

时长单位是秒。 已记录训练中的 duration 不是分钟，这一点很容易被忽略，直到一次 65 分钟的训练显示为 3908。

已知限制

已针对订阅账户，并尝试了各种载荷形态进行确认：

根本没有营养 API。营养工具会在本地存储目标，并根据实时身体成分数据推导出这些目标。

架构

server.py                thin entrypoint, registers tool modules
fitbod/
  client.py              auth chain, rate limiting, retry, pagination
  auth.py                python -m fitbod.auth
  schemas.py             dataclass parsers for both serialisation regimes
  analysis.py            volume, stalled lifts, 1RM. Pure, network free
  reference.py           offline corpus, dual id index, gym filtering
  tools/                 read, catalogue, gym, config, program, profile,
                         metrics, generate, services, coach, extras, nutrition
tests/                   offline tests over recorded fixtures
docs/
  API-MAP.md             145 endpoints, 365 request and response models
  SCHEMAS.md             field level schemas with exact wire names
build_reference.py       builds the offline corpus from an extracted APK
smoke_test.py            exercises all 97 tools live, writes dry-run by default

请求在客户端被限速为每秒 6 个，突发上限为 10 个。这是一个礼貌性预算，而非实测到的上限：50 个并发请求可持续达到每秒约 32 个，且没有出现任何 429，任何响应上也没有速率限制头。如果你需要更高吞吐量，还有余量。

动作语料库使用双索引作为键，因为已记录组和目录条目使用不同的 id 空间。reference.by_id() 和 reference.by_external_id() 正是为此而同时存在。

文档

动作目录

build_reference.py 会从解压后的 Fitbod APK 的 res/raw 目录构建 data/exercise-reference.json：大约 1,400 个带有文字说明的动作、78 种器械类型、肌群映射和器械重量表。这些内容归 Fitbod 所有，因此不在此分发。请从你自己的安装中构建。

法律声明

本项目使用未记录的 API，极有可能违反 Fitbod 的服务条款，尽管它只会访问你自己的账户，并且不规避付费。它的存在是为了与你自己的训练数据进行个人互操作。请仅在你自己的账户上使用，风险自负，且不要将其指向任何其他人的账户。

横幅中的六边形标志是一幅原创绘图，灵感来自 Fitbod 的视觉形象，并非其商标；本项目与 Fitbod 没有任何关联、背书或联系。

许可证

MIT