[其他] COROS 提供了 MCP 協議可接不同的 AI 模型

[MuMuH (MuMuH)]

感謝前面 haveastar 跑友的訊息，因為一直對這方面有興趣，就趕快測試了一下。

MCP 是 AI 與各種工具連接的通訊協定，它可接上不同AI 模型，可使用不同的
 agent，這代表了相較於傳統 APP 之外更多不同的可能性。

我目前測試與 COROS MCP 接上模型有：

- ChatGPT
- Codex
- Google Antigravity CLI , Gemini agent
- Google Gemma4 e2b 這是本地端模型。

一開始我們先問基礎的問題：

我問 :「我的手錶是那一隻，目前的狀況？」
AI : 「手錶型號：COROS PACE 3 (型號代碼：COROS W331)」另外也附上序號
，以及保固日期。

我問 : 「當前的體能狀況？」
AI : 回答了我最大攝氧量 (VO2max), 跑步能力等級 (Running Level), 乳酸門檻
配速，當前最賽事預測成績。

我又問「2023 年半程馬拉松最佳成績？」

AI : （在此將數據匿名）
日期：xxx 年 xxx 月 xxx 日（台北馬拉松半馬 Race-xxx km）
完賽時間：xxx（xxx 分 xxx 秒）
跑步距離：xxx km
平均配速：xxx /km（最佳單公里配速 xxx /km）
心率數據：平均心率 xxx bpm

跑姿與功率數據：
平均步頻：xxx spm
平均步幅：xxx m
平均觸地時間：xxx ms
垂直振幅：xxx cm
平均跑步功率：xxx W

訓練效果：有氧 TE xxx／無氧 TE xxx（門檻跑強度）

接著我問 「我那天睡的怎樣？」

AI : (一樣將數據匿名)
睡眠時間區間：2023-12-16 21:36 ～ 2023-12-17 03:30

總主要睡眠時長：x 小時 x 分鐘
清醒時間：僅 x 分鐘（占 x%）

* 睡眠階段與質量結構

* 深層睡眠（Deep Sleep）：x%（約 x 小時 x 分鐘）
  幫助身體與肌肉進行充分的物理恢復與修復。

* 快速動眼期（REM）：x%（約 x 小時 x 分鐘）
  高比例的 REM 睡眠，有助於大腦集中力、反應速度與神經系統恢復。

* 淺層睡眠（Light Sleep）：x%（約 x 小時 x 分鐘）

* 中途清醒（Awake）：x%（僅 x 分鐘，整體入睡過程相當沉穩順暢）

接著，好玩的來了，我們不講武德，問一些比較複雜的語意好了，這也是與傳統 APP 重
要的分界。

我問 : 「我 2023 年在平地上跑的比較不好的是那一天，也就是心率太高但是速度很
慢。」

AI 思考了一會，寫了一些 python, 最後：

2023 年平地跑得最吃力／表現最不理想的一天

日期：2023 年 9 月 25 日
地點／地形：完全平地（總爬升 x 公尺）
跑步距離：x km
完賽時間：x 分 x 秒
平均配速：x:xx /km
平均心率：x bpm（心率異常高於平時同配速表現）
平均步頻：x spm
COROS 官方表現評級：Below Average（低於平均水準）
訓練負荷與 Focus：Training Load x／訓練焦點：Tempo

讓我們更很一點好了 lol

「在我 2023 年所有 10 公里以上的跑步中，找出平均配速最快的三場。接著比較每場
的平均心率、後半段心率漂移、最後 20% 距離的配速衰退與爬升變化。不要把最高心
率直接解讀為最辛苦，請判斷哪一場最可能是以最大生理代價換得速度，並交代判斷依
據。」

AI : 給出了圖表，以及做了一些運動科學剖析 (書寫時間有限，還是貼圖好了)

https://imgur.com/a/Qalc4N7

我們再問：

「找出我 2023 年距離最長的五次跑步。對每一場比較前 30%、中間 40% 與最後
30% 的速度、心率、步頻和海拔變化。排除主要由連續上坡造成的合理減速後，判
斷哪一場最像真正的耐力崩盤；若資料不足以區分疲勞、補給不足或地形影響，必
須明說」

AI : 分析了一些原因，並且給出圖表

https://imgur.com/a/R2DGPBD

我的 42 km 的確後段是崩的。

最後一題，

「將我 2023 年的跑步和前一晚睡眠配對，把跑步分成前一晚主睡眠少於 6 小時
、6–7.5 小時、超過 7.5 小時三組。只比較距離與強度相近的活動，觀察平均
配速、平均心率及後段衰退是否有差異。請先確認 COROS MCP 是否真的能取得
完整 2023 睡眠資料；若不能，不得用最近七天資料替代。」

https://imgur.com/a/R54u1Jk

AI 模型實際上也有一些更深入的探索分析，篇幅所限我不列出。

COROS MCP 目前提供 22 種工具。我們從幾個最簡單的問題開始測試，可以看到大語言
模型確實能理解問題、找到對應的工具，並成功取得所需資料。進一步面對具有多重語
意、條件較複雜的問題時，模型也能複合呼叫多個工具，找出對應欄位，再進行必要的
計算，得到初步結果。

我必須先聲明，這類測試其實有點「不講武德」XD 。大語言模型的強項是理解語言，
選擇工具與解釋結果，本來就不是為了大量指標分析與精確數值計算而設計。你當然可
以逼它完成這些工作，但當資料量、時間跨度與計算條件逐漸增加時，準確性與穩定性
都可能出現問題。一個更優雅的做法是是先透過 MCP 取得可用資料，將來源回傳至
 SQLite，再交由擅長查詢、聚合與分析的 DuckDB 負責計算，最上層才接上大語言模
型，作為自然語言查詢與結果解釋介面。

至於實際的資料表設計、同步策略、指標定義與查詢方式，就交給你的小幫手一起討論
。整體架構其實並不難實現。(五年前我會說很難 lol)

關於本地端的 Google Gemma 4 e2b ，它甚至於可以跑在 Google Pixel 10 Pro 上，有
不錯的 token/s 在我的測試中可惜它偶而會無法將語意對應到 COROS MCP 所對應的
22 種工具，這不是它的問題，而是它的限制，我們可以加上中間的語意編譯讓他找到
對應的欄位，上述幾個簡單的問題其實他也正確的回答。

最後跟每個跑友比較有關的是，你可以單純的使用 COROS MCP，這讓你不必受限於特
定運動平台預先設計好的查詢方式，也不需要再深陷於複雜的 UI Dashboard 之中：
，透過問與答的方式讓模型替你尋找工具，取得資料並整理答案。

目前的 MCP 只提供寫出，根據 COROS 官方描述，預計 2026/9 讓使用者可以透過
 AI 將「訓練計畫與單次課表」直接寫入 COROS App。這代表未來你喜歡的語言模型
，可以參考過去的跑步紀錄、近期訓練負荷與恢復狀態，協助規劃接下來的訓練內容
，再將產生的計畫或單次課表直接寫入 COROS。從資料查詢、訓練分析，到實際安排
課表，整個流程都有機會透過自然語言完成。


有 ChatGPT , 或是 Cladue 的跑友可以嘗試看看！:) 直接安裝 plug-in 就可以
跑。

最後補充 COROS MCP 目前共提供 22 種工具

1. 運動紀錄與詳細分析（7 項）

* 查詢歷史運動紀錄，可依日期、運動類型、距離、配速與地點等條件篩選。
* 取得單次運動的完整數據，平均與最大心率、配速、步頻、步幅、功率、爬升。
* 產生教練風格的單次運動分析報告，綜合分析配速、心率區間與整體表現。
* 查詢單次運動的標準分圈數據。
* 查詢指定時間區段或自訂區間的分圈數據。
* 下載運動原始 .FIT 檔案，供進一步分析與研究。
* 取得原始 .FIT 檔案的直接下載網址。

2. 睡眠與夜間恢復（3 項）

* 查詢睡眠品質，包括睡眠時長、深睡、淺睡、REM、清醒次數與小睡資訊。
* 查詢夜間睡眠 HRV（心率變異度）評估、基準線與變化趨勢。
* 查詢每日靜息心率趨勢。

3. 日常健康與生理數據（6 項）

* 查詢每日健康摘要，包括步數、消耗熱量、全天心率、壓力與睡眠概況。
* 查詢每日平均心率變化。
* 查詢每日平均壓力指數。
* 查詢全天或指定時段的壓力時間序列資料。
* 查詢最新一次健康快照的心率、HRV、血氧、呼吸率等原始數據。
* 查詢生理期週期、階段預測與相關紀錄。

4. 體能評估與訓練負荷（4 項）

* 查詢體能評估，包括 VO2max、跑步能力等級、門檻配速，以及預估成績。
* 查詢短期與長期訓練負荷，評估目前訓練是否過度或不足。
* 查詢目前身體恢復狀態與預估恢復時間。
* 查詢本週或指定日期範圍的訓練計畫與課表。

5. 個人與設備資訊（2 項）

* 查詢個人基本資料，如身高、體重、年齡與性別。
* 查詢已綁定的 COROS 裝置資訊，包括手錶型號、序號與保固期限。


--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 49.216.225.163 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Road_Running/M.1785389772.A.EC6.html
推 alex12345: 推推
推 VScode: 那個MCP不知道能取到什麼類型的資料 我自己是寫了parser
→ VScode: 把fit檔全撈出來分析
→ VScode: 不過能串接開課表功能倒是不錯 最近來玩玩看
→ MuMuH: 可以完整的取出來FIT：）
→ MuMuH: 目前看起來是幾乎所有的資料連它原本平台上面的負荷值都可
→ MuMuH: 以拿下來
→ MuMuH: 這代表其實簡單的本地端不用經過太複雜的計算直接就依據你
→ MuMuH: 睡眠的情況，HRV，然後前幾天的負荷，接著跟你的語言模型討
→ MuMuH: 論趨勢，你也可以描述你的體感然後再來安排接下來的課程
※ 編輯: MuMuH (49.216.225.163 臺灣), 07/30/2026 14:28:09
→ MuMuH: vs 大，我修改了文章，補充了COROS MCP 提供22個工具的內容
→ MuMuH: 幾乎是全部了提供參考
推 VScode: 這MCP滿厲害的 不過我覺得演算法才是重點，我自己逆向了W
→ VScode: KO5的PMC圖表 跟coros 的PMC圖表對不起來，不知道差在哪
→ VScode: ，生理學理論的差異太大了，沒有掌握真正核心的算法，拿
→ VScode: 到這些資料好像也不知道能幹嘛