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.
Recommended Servers
playwright-mcp
A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.
Magic Component Platform (MCP)
An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.
Audiense Insights MCP Server
Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.
VeyraX MCP
Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.
graphlit-mcp-server
The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.
Kagi MCP Server
An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.
E2B
Using MCP to run code via e2b.
Neon Database
MCP server for interacting with Neon Management API and databases
Exa Search
A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.
Qdrant Server
This repository is an example of how to create a MCP server for Qdrant, a vector search engine.