Apple Forme MCP

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.

Category
Visit Server

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, tendance
  • charge_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

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.

Official
Featured
TypeScript
Magic Component Platform (MCP)

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.

Official
Featured
Local
TypeScript
Audiense Insights MCP Server

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.

Official
Featured
Local
TypeScript
VeyraX MCP

VeyraX MCP

Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.

Official
Featured
Local
graphlit-mcp-server

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.

Official
Featured
TypeScript
Kagi MCP Server

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.

Official
Featured
Python
E2B

E2B

Using MCP to run code via e2b.

Official
Featured
Neon Database

Neon Database

MCP server for interacting with Neon Management API and databases

Official
Featured
Exa Search

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.

Official
Featured
Qdrant Server

Qdrant Server

This repository is an example of how to create a MCP server for Qdrant, a vector search engine.

Official
Featured