Tracker de Nutricao e Treino — Felipe

Servidor MCP TypeScript para acompanhamento alimentar e de treino via claude.ai.

Stack

• MCP Server: TypeScript + @modelcontextprotocol/sdk

• Banco: PostgreSQL no Railway

• Deploy: Railway (auto-deploy a partir do GitHub)

• Interface: claude.ai

Related MCP server: indian-food-nutrition-mcp

Setup Railway

1. Criar o projeto

1. Acesse railway.app e crie um novo projeto

2. Em "Deploy from GitHub repo" selecione felipemarcon-TTI/tracker-nutricao-mcp

3. Clique em "+ New" > "Database" > "Add PostgreSQL"

4. O Railway cria a variavel DATABASE_URL automaticamente

2. Variáveis de ambiente

Apenas DATABASE_URL e PORT sao necessarias — ambas sao definidas automaticamente pelo Railway.

3. Inicializar o banco

Apos o primeiro deploy, use a tool inicializar_banco no claude.ai para criar as tabelas e popular o catalogo de exercicios.

Adicionar ao claude.ai

Apos o deploy, copie a URL do servico no Railway (ex: https://tracker-nutricao-mcp-production.up.railway.app) e adicione no mcp.json:

{
  "mcpServers": {
    "tracker-nutricao": {
      "type": "sse",
      "url": "https://<sua-url-railway>/sse"
    }
  }
}

Tools disponíveis (14)

Metas do plano alimentar (Helena Ferretti S. Proenica, CRN 5545N)

Micronutrientes: Calcio 1145mg, Magnesio 218mg, Ferro 7.3mg, Potassio 3199mg, Vitamina C 39.9mg, Vitamina D 1.9mcg, Vitamina B12 1.8mcg, Zinco 6.6mg.

Estado de cocção e perda/ganho de água (auditoria)

O peso de um alimento muda conforme o preparo, e isso afeta os macros. O cálculo continua sendo feito pelo cliente (Claude) — o servidor só armazena o estado informado, como metadado de auditoria. Campos opcionais em registrar_refeicao / atualizar_refeicao (e persistidos na tabela meals):

• estado_coccao → cooking_state: cru | cozido | congelado_glaze | assado | null

• peso_porcao_g → portion_weight_g: peso relatado pelo usuário (g)

• base_peso → portion_basis: peso_cru | peso_cozido | peso_congelado

Regra de cálculo (para o cliente/Claude, ANTES de enviar os macros)

• Proteína (carne, frango, peixe, camarão) perde água: 100g cru → ~70–80g cozido; proteína/100g sobe no cozido. Peso cru → tabela de cru; peso cozido → tabela de cozido.

• Amido (arroz, macarrão, batata, leguminosas) absorve água: 100g cru → ~250–300g cozido (batata incha menos); carbo/100g cai no cozido. Mesma lógica de base de peso.

• Congelado com glaze (camarão, peixe): descontar ~10–20% de gelo antes de calcular.

• Se o usuário não especificar cru/cozido: perguntar ou assumir o padrão mais provável do alimento e registrar a suposição em estado_coccao/base_peso.

Persistência: edições de refeição usam atualizar_refeicao (UPDATE com commit) e refletem em resumo_diario/gerar_resumo_diario. executar_sql também commita writes (SELECT/WITH/SHOW/EXPLAIN/TABLE/VALUES = leitura; o resto roda com commit).

Estrutura do projeto

db/
  schema.sql       # 6 tabelas PostgreSQL
  seed.sql         # 70+ exercicios de musculacao
src/
  db.ts            # Conexao com banco
  meals.ts         # Refeicoes e estimativa de macros (~45 alimentos)
  metrics.ts       # Metricas corporais
  workouts.ts      # Treinos e exercicios
  reports.ts       # Resumos e retrospectiva
  reminders.ts     # Lembretes
  server.ts        # Servidor MCP (entry point)