freddy

Was ist freddy?

freddy ist ein MCP-Server, der persönliche Gesundheits- und Trainingsdaten mit KI-Assistenten wie Claude, ChatGPT, Claude Code und anderen MCP-kompatiblen Clients verbindet. Er ist für Menschen gedacht, die Fragen in natürlicher Sprache zu Kennzahlen aus Wearables, CGMs, Powermetern und Gym-Apps stellen möchten, ohne zwischen Dashboards zu wechseln.

Das Produkt bündelt Quellen wie Oura, WHOOP, Polar, Garmin Connect, Dexcom, Hevy, Intervals.icu, Wahoo, Strava, Suunto, Concept2, Withings und ähnliche Dienste in einem privaten Endpunkt. Sobald eine Verbindung hergestellt ist, können Nutzer Fragen zu Schlaf, Regeneration, HRV, Glukose, Trainingsbelastung und Lifts stellen und erhalten Antworten auf Basis der von freddy bereitgestellten Daten.

Hauptfunktionen

• Verbindet sich per OAuth mit mehreren Gesundheits- und Fitnessquellen, darunter Wearables, CGMs, Powermeter und Krafttrainings-Logs, sodass Daten gemeinsam statt App für App abgefragt werden können.
• Stellt einen einzelnen privaten MCP-Endpunkt bereit, der mit Claude, ChatGPT, Claude Code und jedem anderen MCP-Client funktioniert, damit der Datenzugriff in dem KI-Tool bleibt, das du bereits nutzt.
• Unterstützt Fragen in natürlicher Sprache zu Kennzahlen wie HRV, Schlafphasen, Ruhepuls, Glukose, Trainingsbelastung, Leistung und Kraftdaten, sodass Folgefragen ohne manuelle Analyse leichter werden.
• Zeigt Vergleiche mit Baselines und jüngsten Trends, etwa Veränderungen über 30 Tage oder nach Trainingseinheiten, sodass die Ausgabe eher auf Kontext als nur auf Rohzahlen ausgerichtet ist.
• Enthält eine Prompt-Rezeptbibliothek mit Einstiegsfragen für Schlaf, Regeneration, Glukose, Training und Kraft, die Nutzern hilft, ihre Daten effektiv abzufragen.
• Beschreibt die Einrichtung als kurzen Ablauf: registrieren, Quelle verbinden und die MCP-URL einfügen, wobei für verbundene Quellen schreibgeschützter, widerrufbarer und verschlüsselter Zugriff angegeben ist.

So verwendest du freddy

Beginne mit der Registrierung und verbinde dann eine oder mehrere unterstützte Quellen per OAuth. Kopiere anschließend die MCP-URL von freddy und füge sie in Claude, ChatGPT, Claude Code oder einen anderen MCP-kompatiblen KI-Client ein.

Sobald die Verbindung steht, stelle praktische Fragen in einfacher Sprache, zum Beispiel warum sich die Schlafqualität verändert hat, ob die Regeneration abnimmt, wie die Glukose auf eine Mahlzeit oder ein Training reagiert hat oder welche Lifts stagniert sind. Nutzer können außerdem die Rezept-Prompts durchsehen und an ihre eigenen Daten anpassen.

Anwendungsfälle

• Ein Ausdauersportler prüft, ob sinkende HRV, steigender Ruhepuls und Schlafunterbrechungen mit einer Phase härterer abendlicher Trainings zusammenhängen.
• Eine Person mit CGM fragt, wie die Glukose auf Mahlzeiten, Bewegung oder Schlafveränderungen reagiert, ohne separate Diagramme in einer Gesundheits-App zu prüfen.
• Ein kraftorientierter Nutzer sucht nach Lifts, die stagniert sind, und fragt, wie lange die Stagnation sich über die letzten Trainingslogs erstreckt.
• Ein Quantified-Self-Nutzer vergleicht diesen Monat mit dem letzten, um herauszufinden, was sich bei Schlaf, Regeneration und Trainingsbelastung verändert hat.
• Ein Entwickler oder KI-intensiver Nutzer behält den Gesundheitskontext in Claude oder ChatGPT und stellt Folgefragen als Teil eines fortlaufenden Gesprächs.

FAQ

Womit verbindet sich freddy? freddy verbindet sich mit unterstützten Gesundheits- und Fitnessdiensten wie Oura, WHOOP, Polar, Garmin Connect, Dexcom, Wahoo, Hevy, Intervals.icu, Strava, Suunto, Concept2, Withings und ähnlichen, auf der Website aufgeführten Quellen.

Funktioniert freddy in ChatGPT und Claude? Ja. Die Website sagt, dass es mit Claude, ChatGPT, Claude Code und jedem anderen KI-Client funktioniert, der MCP spricht.

Zu welchen Daten kann ich Fragen stellen? Die Quelle hebt Schlaf, Regeneration, HRV, Glukose, Trainingsbelastung, Leistung und Lifts hervor, zusammen mit verwandten Kennzahlen wie Aufwachereignissen und Ruhepuls.

Wie aufwendig ist die Einrichtung? Die Produktseite beschreibt die Einrichtung als etwa 90 Sekunden: registrieren, eine Quelle per OAuth verbinden und die MCP-URL in deinen KI-Client einfügen.

Ist der Zugriff schreibgeschützt? Ja. Die Seite gibt an, dass verbundene Quellen schreibgeschützt, widerrufbar und verschlüsselt sind.

Alternativen

• Native Dashboards von Wearable- oder Health-App-Anbietern: nützlich für Charts und gerätespezifische Einblicke, halten die Analyse aber innerhalb der App des jeweiligen Anbieters isoliert.
• Allgemeiner AI-Chat ohne MCP-Zugriff: kann Begriffe erklären oder eingefügte Daten zusammenfassen, fragt aber keine Live-Quellen für persönliche Gesundheitsdaten automatisch ab.
• Manuelle Exporte in Tabellenkalkulationen oder Notebooks: besser für individuelle Analysen und Offline-Arbeit, erfordern aber mehr Einrichtung und bieten keinen konversationalen Zugriff in einem AI-Assistenten.
• Andere Middleware- oder Connector-Tools für persönliche Daten: können Daten aus mehreren Apps zentralisieren, fokussieren aber womöglich eher auf Dashboards oder Integrationen als auf natürliche Fragen in MCP-fähigen AI-Clients.