Llevaba tiempo registrando mis entrenamientos en Hevy. Un día pedí a un asistente de IA que analizara cómo iba mi press de banca. La respuesta tenía porcentajes, explicaciones y aspecto de análisis serio. Al comprobar las cuentas a mano, los resultados no cuadraban.
Lo que me hizo parar no fue solo el error: fue darme cuenta de que, si no lo hubiera revisado, me lo habría creído.
Calcular antes de interpretar
De ahí salió Hevy Coach MCP. Quería que el asistente pudiera consultar mi historial y recibir las métricas calculadas, en lugar de reconstruirlas a partir de una conversación.
El servidor conecta con la API de Hevy y separa dos tareas: obtener y calcular los datos, e interpretarlos. El asistente recibe resultados sobre progreso, volumen y constancia para trabajar con ellos. Eso no convierte automáticamente su respuesta en correcta, pero permite comprobar de dónde salen los números.
Leer el historial y delimitar los cambios
El proyecto consulta el historial de entrenamientos sin exponer herramientas para modificarlo. También permite crear y actualizar rutinas y registrar medidas, con un alcance de escritura separado de las consultas.
Esa distinción importa: leer datos y cambiar una rutina no tienen las mismas consecuencias. Las indicaciones de las herramientas ayudan al cliente MCP a decidir cuándo pedir confirmación; no sustituyen los controles de autorización del cliente.
Las decisiones detrás del proyecto
En el caso técnico explico cómo separé los cálculos de la conversación, qué pasa cuando faltan datos y cómo trato los reintentos de escritura para reducir el riesgo de duplicados. Incluye enlaces al código revisado y a sus pruebas.
Leer el caso técnico de Hevy Coach MCP.
El código y las instrucciones de instalación están en GitHub (abre en otra pestaña). La integración requiere una cuenta Hevy PRO y una clave API configurada en un cliente compatible.