作者MuMuH (MuMuH)
看板Road_Running
标题[其他] COROS 提供了 MCP 协议可接不同的 AI 模型
时间Thu Jul 30 13:36:10 2026
感谢前面 haveastar 跑友的讯息，因为一直对这方面有兴趣，就赶快测试了一下。
MCP 是 AI 与各种工具连接的通讯协定，它可接上不同AI 模型，可使用不同的
agent，这代表了相较於传统 APP 之外更多不同的可能性。
我目前测试与 COROS MCP 接上模型有：
- ChatGPT
- Codex
- Google Antigravity CLI , Gemini agent
- Google Gemma4 e2b 这是本地端模型。
一开始我们先问基础的问题：
我问 :「我的手表是那一只，目前的状况？」
AI : 「手表型号：COROS PACE 3 (型号代码：COROS W331)」另外也附上序号
，以及保固日期。
我问 : 「当前的体能状况？」
AI : 回答了我最大摄氧量 (VO2max), 跑步能力等级 (Running Level), 乳酸门槛
配速，当前最赛事预测成绩。
我又问「2023 年半程马拉松最佳成绩？」
AI : （在此将数据匿名）
日期：xxx 年 xxx 月 xxx 日（台北马拉松半马 Race-xxx km）
完赛时间：xxx（xxx 分 xxx 秒）
跑步距离：xxx km
平均配速：xxx /km（最佳单公里配速 xxx /km）
心率数据：平均心率 xxx bpm
跑姿与功率数据：
平均步频：xxx spm
平均步幅：xxx m
平均触地时间：xxx ms
垂直振幅：xxx cm
平均跑步功率：xxx W
训练效果：有氧 TE xxx／无氧 TE xxx（门槛跑强度）
接着我问 「我那天睡的怎样？」
AI : (一样将数据匿名)
睡眠时间区间：2023-12-16 21:36 ～ 2023-12-17 03:30
总主要睡眠时长：x 小时 x 分钟
清醒时间：仅 x 分钟（占 x%）
* 睡眠阶段与质量结构
* 深层睡眠（Deep Sleep）：x%（约 x 小时 x 分钟）
帮助身体与肌肉进行充分的物理恢复与修复。
* 快速动眼期（REM）：x%（约 x 小时 x 分钟）
高比例的 REM 睡眠，有助於大脑集中力、反应速度与神经系统恢复。
* 浅层睡眠（Light Sleep）：x%（约 x 小时 x 分钟）
* 中途清醒（Awake）：x%（仅 x 分钟，整体入睡过程相当沉稳顺畅）
接着，好玩的来了，我们不讲武德，问一些比较复杂的语意好了，这也是与传统 APP 重
要的分界。
我问 : 「我 2023 年在平地上跑的比较不好的是那一天，也就是心率太高但是速度很
慢。」
AI 思考了一会，写了一些 python, 最後：
2023 年平地跑得最吃力／表现最不理想的一天
日期：2023 年 9 月 25 日
地点／地形：完全平地（总爬升 x 公尺）
跑步距离：x km
完赛时间：x 分 x 秒
平均配速：x:xx /km
平均心率：x bpm（心率异常高於平时同配速表现）
平均步频：x spm
COROS 官方表现评级：Below Average（低於平均水准）
训练负荷与 Focus：Training Load x／训练焦点：Tempo
让我们更很一点好了 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场。接着比较每场
的平均心率、後半段心率漂移、最後 20% 距离的配速衰退与爬升变化。不要把最高心
率直接解读为最辛苦，请判断哪一场最可能是以最大生理代价换得速度，并交代判断依
据。」
AI : 给出了图表，以及做了一些运动科学剖析 (书写时间有限，还是贴图好了)
https://imgur.com/a/Qalc4N7
我们再问：
「找出我 2023 年距离最长的五次跑步。对每一场比较前 30%、中间 40% 与最後
30% 的速度、心率、步频和海拔变化。排除主要由连续上坡造成的合理减速後，判
断哪一场最像真正的耐力崩盘；若资料不足以区分疲劳、补给不足或地形影响，必
须明说」
AI : 分析了一些原因，并且给出图表
https://imgur.com/a/R2DGPBD
我的 42 km 的确後段是崩的。
最後一题，
「将我 2023 年的跑步和前一晚睡眠配对，把跑步分成前一晚主睡眠少於 6 小时
、6–7.5 小时、超过 7.5 小时三组。只比较距离与强度相近的活动，观察平均
配速、平均心率及後段衰退是否有差异。请先确认 COROS MCP 是否真的能取得
完整 2023 睡眠资料；若不能，不得用最近七天资料替代。」
https://imgur.com/a/R54u1Jk
AI 模型实际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 种工具。我们从几个最简单的问题开始测试，可以看到大语言
模型确实能理解问题、找到对应的工具，并成功取得所需资料。进一步面对具有多重语
意、条件较复杂的问题时，模型也能复合呼叫多个工具，找出对应栏位，再进行必要的
计算，得到初步结果。
我必须先声明，这类测试其实有点「不讲武德」XD 。大语言模型的强项是理解语言，
选择工具与解释结果，本来就不是为了大量指标分析与精确数值计算而设计。你当然可
以逼它完成这些工作，但当资料量、时间跨度与计算条件逐渐增加时，准确性与稳定性
都可能出现问题。一个更优雅的做法是是先透过 MCP 取得可用资料，将来源回传至
SQLite，再交由擅长查询、聚合与分析的 DuckDB 负责计算，最上层才接上大语言模
型，作为自然语言查询与结果解释介面。
至於实际的资料表设计、同步策略、指标定义与查询方式，就交给你的小帮手一起讨论
。整体架构其实并不难实现。(五年前我会说很难 lol)
关於本地端的 Google Gemma 4 e2b ，它甚至於可以跑在 Google Pixel 10 Pro 上，有
不错的 token/s 在我的测试中可惜它偶而会无法将语意对应到 COROS MCP 所对应的
22 种工具，这不是它的问题，而是它的限制，我们可以加上中间的语意编译让他找到
对应的栏位，上述几个简单的问题其实他也正确的回答。
最後跟每个跑友比较有关的是，你可以单纯的使用 COROS MCP，这让你不必受限於特
定运动平台预先设计好的查询方式，也不需要再深陷於复杂的 UI Dashboard 之中：
，透过问与答的方式让模型替你寻找工具，取得资料并整理答案。
目前的 MCP 只提供写出，根据 COROS 官方描述，预计 2026/9 让使用者可以透过
AI 将「训练计画与单次课表」直接写入 COROS App。这代表未来你喜欢的语言模型
，可以参考过去的跑步纪录、近期训练负荷与恢复状态，协助规划接下来的训练内容
，再将产生的计画或单次课表直接写入 COROS。从资料查询、训练分析，到实际安排
课表，整个流程都有机会透过自然语言完成。
有 ChatGPT , 或是 Cladue 的跑友可以尝试看看！:) 直接安装 plug-in 就可以
跑。
最後补充 COROS MCP 目前共提供 22 种工具
1. 运动纪录与详细分析（7 项）
* 查询历史运动纪录，可依日期、运动类型、距离、配速与地点等条件筛选。
* 取得单次运动的完整数据，平均与最大心率、配速、步频、步幅、功率、爬升。
* 产生教练风格的单次运动分析报告，综合分析配速、心率区间与整体表现。
* 查询单次运动的标准分圈数据。
* 查询指定时间区段或自订区间的分圈数据。
* 下载运动原始 .FIT 档案，供进一步分析与研究。
* 取得原始 .FIT 档案的直接下载网址。
2. 睡眠与夜间恢复（3 项）
* 查询睡眠品质，包括睡眠时长、深睡、浅睡、REM、清醒次数与小睡资讯。
* 查询夜间睡眠 HRV（心率变异度）评估、基准线与变化趋势。
* 查询每日静息心率趋势。
3. 日常健康与生理数据（6 项）
* 查询每日健康摘要，包括步数、消耗热量、全天心率、压力与睡眠概况。
* 查询每日平均心率变化。
* 查询每日平均压力指数。
* 查询全天或指定时段的压力时间序列资料。
* 查询最新一次健康快照的心率、HRV、血氧、呼吸率等原始数据。
* 查询生理期周期、阶段预测与相关纪录。
4. 体能评估与训练负荷（4 项）
* 查询体能评估，包括 VO2max、跑步能力等级、门槛配速，以及预估成绩。
* 查询短期与长期训练负荷，评估目前训练是否过度或不足。
* 查询目前身体恢复状态与预估恢复时间。
* 查询本周或指定日期范围的训练计画与课表。
5. 个人与设备资讯（2 项）
* 查询个人基本资料，如身高、体重、年龄与性别。
* 查询已绑定的 COROS 装置资讯，包括手表型号、序号与保固期限。
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 49.216.225.163 (台湾)
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Road_Running/M.1785389772.A.EC6.html
1F：推 alex12345: 推推 07/30 13:45
2F：推 VScode: 那个MCP不知道能取到什麽类型的资料 我自己是写了parser 07/30 14:02
3F：→ VScode: 把fit档全捞出来分析 07/30 14:02
4F：→ VScode: 不过能串接开课表功能倒是不错 最近来玩玩看 07/30 14:02
5F：→ MuMuH: 可以完整的取出来FIT：） 07/30 14:10
6F：→ MuMuH: 目前看起来是几乎所有的资料连它原本平台上面的负荷值都可 07/30 14:11
7F：→ MuMuH: 以拿下来 07/30 14:11
8F：→ MuMuH: 这代表其实简单的本地端不用经过太复杂的计算直接就依据你 07/30 14:19
9F：→ MuMuH: 睡眠的情况，HRV，然後前几天的负荷，接着跟你的语言模型讨 07/30 14:19
10F：→ MuMuH: 论趋势，你也可以描述你的体感然後再来安排接下来的课程 07/30 14:19
※ 编辑: MuMuH (49.216.225.163 台湾), 07/30/2026 14:28:09
11F：→ MuMuH: vs 大，我修改了文章，补充了COROS MCP 提供22个工具的内容 07/30 14:30
12F：→ MuMuH: 几乎是全部了提供参考 07/30 14:30
13F：推 VScode: 这MCP满厉害的 不过我觉得演算法才是重点，我自己逆向了W 07/30 16:02
14F：→ VScode: KO5的PMC图表 跟coros 的PMC图表对不起来，不知道差在哪 07/30 16:02
15F：→ VScode: ，生理学理论的差异太大了，没有掌握真正核心的算法，拿 07/30 16:02
16F：→ VScode: 到这些资料好像也不知道能干嘛 07/30 16:02
17F：推 isohera: 好文 先推再慢慢看 07/30 16:37
18F：→ MuMuH: 为什麽一定要参考wk05呢？：）有一个现成的，且它的算法都 07/30 16:44
19F：→ MuMuH: 是有科学依据且开源，从2006年到今天还是依旧有开发者在维 07/30 16:44
20F：→ MuMuH: 护，仍旧不断的更新，过去常常是被启发借镜的对象。里面的 07/30 16:44
21F：→ MuMuH: 模型例如跑步在用的extended cp，临界速度/功率的计算。GOV 07/30 16:45
22F：→ MuMuH: SS, W′bal 疲劳恢复模型，从游泳，跑步再到自行车的训练都 07/30 16:45
23F：→ MuMuH: 非常的齐全。如果你对打造自己的运动分析软体有兴趣，我觉 07/30 16:45
24F：→ MuMuH: 得从goldencheetah 着手或许也是另外一个不错的选择，至少 07/30 16:45
25F：→ MuMuH: 我是这麽做的：） 07/30 16:45
因为提到了 MCP 串接。各位跑友要特别注意隐私权的问题，以 COROS MCP 提供的资讯
会不会觉得很多：）会不会怕怕的？每一家AI 公司对待你的资料的方式都不太一样，
实际上 COROS / Garmin 处理我们的资料态度也不一样。有些免费的模型会拿你的资料
去训练，有些对话你按赞了，资料就送出去了 lol 保存三年 。在串接之前，请谨慎查
阅各间公司对待私人资料，对话的方式。明确之後隐私权的处理，再串接！
※ 编辑: MuMuH (49.216.225.163 台湾), 07/30/2026 17:01:20
26F：推 haveastar: 推 07/30 18:29
27F：推 ceca: 所以顺序就是先弄一个第三方MCP在转接到AI大模型..XD 07/30 19:04
28F：→ MuMuH: 看你是在意工具还是在意模型，Gemini 网页版目前还不行不支 07/31 00:40
29F：→ MuMuH: 持任何的工具串接，必须要在Antigravity CLI 烧 token 用 G 07/31 00:40
30F：→ MuMuH: emini agent. Chatgpt 看起来工具越来越多。好吧！ 昨天我 07/31 00:40
31F：→ MuMuH: 看到coros MCP的时候非常惊讶, 毕竟今年年初才跟官方申请AP 07/31 00:40
32F：→ MuMuH: I存取权限结果被拒绝XD, 没想到现在是通通放出来，这会让後 07/31 00:40
33F：→ MuMuH: 面有更多不同的衍生的东西，变得有趣起来：） 07/31 00:40
34F：推 VScode: 用开源软体是不错的起点，我最终做出来的东西可能是让AI 07/31 01:36
35F：→ VScode: 帮我处理数据分析这块，用严谨的演算法分析，再依照分析 07/31 01:36
36F：→ VScode: 出来的图表解读吧，毕竟读复杂图表是人类不擅长的 07/31 01:36
37F：→ VScode: 做图表这块有太多现成轮子了，重工是不太有效率的做法， 07/31 01:38
38F：→ VScode: 应该要把重点放在找出正确的轮子，然後操作AI读懂他 07/31 01:38
39F：→ MuMuH: 原始的raw可以放在 SQLite, 而演算法，PMC，统计等等一堆经 07/31 08:57
40F：→ MuMuH: 过程式计算整合进duckdb（它非常适合资料科学的工作） , 这 07/31 08:57
41F：→ MuMuH: 会对语言模型很有帮助因为它可以提供复合式的快速的栏位查 07/31 08:57
42F：→ MuMuH: 找以及聚合，也注意模型本身绝能不直接存取资料库，也不直 07/31 08:57
43F：→ MuMuH: 接做数据的计算，它就只是根据我们所讲的话，将语意分类（ 07/31 08:57
44F：→ MuMuH: 其实人类的问题是可以分类的，问一堆感觉千变万化，其实底 07/31 08:57
45F：→ MuMuH: 层都可以确实的对应到，上次的实作其实也才分34种，就非常 07/31 08:57
46F：→ MuMuH: 够用，我觉得语言的对话更胜於图表的表达，图表本质是帮助 07/31 08:57
47F：→ MuMuH: 人类看懂，但其实现在好像也慢慢不需要了，最上层的AI介入 07/31 08:57
48F：→ MuMuH: 後，我觉得就单纯一个对话栏位就可以了，用纯粹的对话了解 07/31 08:57
49F：→ MuMuH: 自己的各项指标还有趋势，透过对话的方式直接将课表排进手 07/31 08:57
50F：→ MuMuH: 表，真的有需要再画简单的图表就可以了。 07/31 08:57
51F：→ MuMuH: 然後祝你开发顺利：）能够自己跑，自己分析自己的数据是很 07/31 09:03
52F：→ MuMuH: 有趣的事情。 07/31 09:03
53F：推 iq1000x: 我的GPT接MCP抓不到活动细节资料 只有摘要平均等级的 07/31 12:32
54F：推 ichthyoid: 上班code看久了，好像生病了，逛跑版也看到一些上班才 07/31 12:44
55F：→ ichthyoid: 看得到的字眼 07/31 12:44
56F：→ MuMuH: 我刚尝试单笔 FIT 也可下载喔！连名字都出来 lol 07/31 12:47
57F：推 iq1000x: 原来以前串的要移除重新新增 只按重新连结不会更新 07/31 12:47
58F：→ iq1000x: 6月更新的 07/31 12:47