pickfit

瀏覽MCP 伺服器

Quantified Self MCP

讓 AI agent 以結構化方式存取個人健康紀錄的本機 MCP 伺服器。

已在 Linux 上測試

使用

Linux x86_64

  1. 透過 uv tool install 安裝 quantified-self-mcp

    uv tool install quantified-self-mcp

確認能用

quantified-self-doctor --help; quantified-self-doctor

輸出應包含「MCP server available」。

先試試這個

cat > /tmp/health_sample.csv << 'CSV'
date,steps,sleep_hours,resting_heart_rate,weight_kg,workout_minutes,mood,water_ml,heart_rate,hrv_ms
2026-01-01,8000,7.5,62,70.5,30,7,2000,68,55
2026-01-02,9500,8.0,60,70.3,45,8,2100,66,60
2026-01-03,7000,6.5,64,70.4,0,6,1800,70,48
2026-01-04,11000,7.8,59,70.2,60,9,2200,65,62
2026-01-05,9000,7.2,61,70.0,30,7,2000,67,57
2026-01-06,8500,7.0,63,69.9,20,7,1900,69,50
2026-01-07,10000,8.2,58,69.8,50,8,2300,64,65
2026-01-08,7500,6.8,65,69.7,0,5,1700,71,45
2026-01-09,12000,7.9,57,69.6,70,9,2400,63,68
2026-01-10,8000,7.4,60,69.5,30,7,2000,66,58
CSV
cat /tmp/health_sample.csv
quantified-self-init-db /tmp/health_sample.csv --report

加進你的 agent

claude mcp add quantified-self-mcp -- quantified-self-mcp
Claude Desktop、Cursor 等用戶端用的 JSON
{
  "mcpServers": {
    "quantified-self-mcp": {
      "command": "quantified-self-mcp",
      "args": []
    }
  }
}

使用 quantified-self-init-db <file> --report 匯入資料,再將 quantified-self-mcp 新增為 MCP 用戶端中的伺服器。

它能做什麼

  • 讓 AI 代理存取你的健康資料
    怎麼使用
    1. 使用 quantified-self-init-db <file> --report 匯入每日健康資料 CSV。
    2. 將 quantified-self-mcp 新增為 MCP 用戶端中的伺服器。
    3. 請代理以起始與結束日期呼叫 read_health_data。
    已測試
  • 分析長期健康紀錄
    怎麼使用
    1. 使用 quantified-self-init-db <file> --report 匯入資料。
    2. 將 quantified-self-mcp 連接到 MCP 用戶端。
    3. 請代理以指標(例如步數)和日期範圍呼叫 calculate_metric_trend。
    已測試
  • 匯入現有的健康紀錄
    怎麼使用
    1. 對含日期欄位且每個指標各一欄的 CSV 執行 quantified-self-init-db <file> --report。
    2. 將 quantified-self-mcp 連接到 MCP 用戶端,並呼叫 get_import_status 檢查匯入狀況。
    已測試
  • 追溯結果的來源資料
    怎麼使用
    1. 使用 quantified-self-init-db <file> --report 匯入資料。
    2. 將 quantified-self-mcp 連接到 MCP 用戶端。
    3. 以指標和日期呼叫 get_metric_provenance,查看數值的來源。
    已測試

pickfit 測到哪一步

Linux x86_64

  1. 可以安裝
  2. 可以連線
  3. 4 項功能中 4 項可用
  4. 可離線使用

適合用來

  • 說明 HRV 近期變化的原因
  • 分析過去 30 天的睡眠變化
  • 分析運動後靜止心率上升的情況

pickfit 怎麼測的

每次測試都從乾淨的機器開始,照上面的步驟執行。 pickfit 怎麼驗證

Linux x86_64

MCP 用戶端成功呼叫工具

  • 從頭重跑
  • 可離線使用
  • 檢查於 2026年10月31日
  • 版本 0.5.0

MCP 用戶端透過 stdio 連線,列出 20 個工具,呼叫 calculate_metric_trend 也回傳了結果。

測試機器遇到的差異

  • README: quantified-self-mcp --help should return immediately
    測試中: quantified-self-mcp --help 會因啟動 FastMCP stdio 伺服器而卡住(逾時)-請改用 quantified-self-doctor 和 probe
  • README: pip install quantified-self-mcp
    測試中: 使用 uv tool install quantified-self-mcp 進行隔離安裝以避開 PEP 668

怎麼看工具卡

縫線
pickfit 親自安裝過這款工具,縫線下方的內容都來自那次測試。沒測過的工具,一律沒有縫線。
已在你的作業系統上驗證
安裝步驟在你選的系統上跑過。「只在 Linux 上執行過」表示還沒在你的系統上跑過。
macOS、Linux 和 Windows在哪裡測過
綠色系統標記:pickfit 在該系統跑過安裝步驟。灰色:README 說支援,但 pickfit 還沒試過。
測試進行到哪一步
能安裝並啟動、主要功能可用、服務有回應、能產生模型輸出。視窗代表桌面應用程式已開啟;插頭代表 MCP 用戶端用過它。標記在測試結果旁邊:展開「為什麼適合、我們怎麼知道」,或在「pickfit 怎麼測的」裡。
視覺檢查
pickfit 看過應用程式的截圖。綠色:畫面正常。黃色加數字:有看起來不對的地方,點開就能看到。灰色虛線:還沒檢查。
已知漏洞
它安裝的套件有沒有已知的高風險或嚴重漏洞(OSV.dev)。綠色:沒有已知漏洞。紅色加數字:有幾個,點開看清單,安裝前先看過。灰色虛線:沒有檢查,不代表安全。
關於這次測試
測試日期,以及測到的版本。
理由的來源
每個推薦理由都依據簡介裡的一個欄位。展開理由就能看到欄位和值。
寶藏
品質高、少有人知。
品質與知名度
兩個分數,滿分都是 100。品質:pickfit 試裝、試用的結果,以及安裝文件和維護狀況。知名度:看星數、下載量和 Hacker News。
已檢查的功能
README 宣傳的主要功能裡,實測通過幾項(綠色)、失敗幾項(紅色)。灰色是沒檢查的,工具卡會說明原因。
未驗證
Fitz 依一般知識提到的知名工具。沒有測試紀錄、沒有步驟、沒有分數。