modelscope·@evangstav/personal-mcp
暂无描述。
这是一个用于个人健康和福祉跟踪的模型上下文协议(Model Context Protocol, MCP)服务器。该服务器提供了工具和资源,用于跟踪锻炼、营养和日常日志条目,并通过Claude集成提供AI辅助分析。
要通过Smithery自动为Claude Desktop安装个人健康追踪器:
bash npx -y @smithery/cli install personal-mcp --client claude
bash pip install -e .
bash git clone https://github.com/yourusername/personal-mcp.git cd personal-mcp uv pip install -e ".[dev]"
使用默认设置运行服务器: bash personal-mcp run
开发时启用热重载运行: bash personal-mcp dev
使用MCP检查器进行调试: bash personal-mcp inspect
安装到Claude Desktop: bash personal-mcp install --claude-desktop
bash personal-mcp --help
可用选项:
--name: 设置服务器名称 (默认: "Personal Assistant")--db-path: 指定数据库位置--dev: 启用开发模式--inspect: 使用MCP Inspector运行-v, --verbose: 启用详细日志记录python
workout = { "date": "2024-01-07", "exercises": [ { "name": "卧推", "sets": [ {"weight": 135, "reps": 10, "rpe": 7} ] } ], "perceived_effort": 8 }
params = { "exercise": "卧推", "base_weight": 200, "days_since_surgery": 90, "recent_pain_level": 2, "recent_rpe": 7 }
python
meal = { "meal_type": "午餐", "foods": [ { "name": "鸡胸肉", "amount": 200, "unit": "g", "protein": 46, "calories": 330 } ], "hunger_level": 7, "satisfaction_level": 8 }
targets = await mcp.call_tool("check_nutrition_targets", {"date": "2024-01-07"})
python
entry = { "entry_type": "daily", "content": "今天锻炼很棒...", "mood": 8, "energy": 7, "sleep_quality": 8, "stress_level": 3, "tags": ["锻炼", "恢复"] }
analysis = await mcp.call_tool("analyze_journal_entries", { "start_date": "2024-01-01", "end_date": "2024-01-07" })
bash
pytest
pytest --cov=personal_mcp
pytest tests/test_database.py
bash
black src/personal_mcp
ruff check src/personal_mcp
mypy src/personal_mcp
personal-mcp/ ├── src/ │ └── personal_mcp/ │ ├── tools/ │ │ ├── workout.py │ │ ├── nutrition.py │ │ └── journal.py │ ├── database.py │ ├── models.py │ ├── resources.py │ ├── prompts.py │ └── server.py ├── tests/ │ ├── test_database.py │ ├── test_server.py │ └── test_cli.py ├── pyproject.toml └── mcp.json## 贡献
本项目采用 MIT 许可证 - 详情请参阅 LICENSE 文件。
与Google地图集成,以在紧急情况下定位和评估医疗设施,帮助用户根据医疗需求、紧急程度和设施能力找到合适的医院和诊所。
一个模型上下文协议服务器,为语言模型提供对Strava API数据的访问,使它们能够查询和分析Strava上的运动员活动。
一个连接性测试服务器,通过克劳德模型上下文协议支持DICOM网络操作(如C-ECHO),并支持节点配置管理。
一个模型上下文协议服务器,通过使用SMART on FHIR将人工智能工具与电子健康记录连接起来,允许对兼容电子健康记录中的患者数据进行安全的搜索、查询和分析。
提供了对ClinicalTrials.gov AACT数据库的访问, enables分析临床试验数据、跟踪发展趋 势以及生成治疗景观洞察。
暂无描述。