Gevety MCP

核心功能

Gevety 是一款面向健康优化爱好者的综合性长寿科学平台，通过 REST API 提供 20+ 个数据端点，覆盖生物标志物管理、生物年龄计算、可穿戴设备整合、临床文档解析等核心场景。

生物年龄计算是平台的核心差异化功能，支持 PhenoAge（验证级）、Light BioAge（新兴验证）和 Vascular Age（验证级）三种算法，并提供独特的「What-If」情景模拟器，允许用户量化假设性生物标志物改善对生物年龄的影响。平台严格区分各时钟的数学模型，明确标注其证据等级，避免用户误读跨时钟数据。

健康评分体系采用多轴设计：整体健康跨度分数（0-100）由代谢、心血管、炎症、激素、营养、肝肾六个维度加权构成，支持评分差异解释（如整体高分但单一轴低分的情况）。

数据整合能力突出：支持 Garmin、Oura、Whoop 等可穿戴设备；Hevy 力量训练、Concept2 划船机等专项设备；以及 PDF/邮件上传的实验室报告、影像学检查、手术报告等临床文档的 AI 结构化提取。

个性化干预通过「机会排序」算法实现，基于用户数据计算每项生物标志物优化可带来的健康跨度分数提升与预估健康年限增益，并生成 90 天可执行协议。

显著优势

• 科学严谨性：生物年龄算法引用同行评审研究（Levine et al. PhenoAge），明确标注证据等级（validated / validated_emerging / directional），What-If 模拟器采用各时钟原生重计算路径而非简单线性叠加
• 数据完整性：涵盖 40+ 生物标志物、力量训练专项数据（肌肉分布、容量趋势）、划船机专项数据（500m 配速、桨频）、临床文档结构化提取（超声、MRI、DEXA 等）
• 干预可量化：每个健康机会附带具体分数收益与年限预估，支持优先级排序
• 隐私架构：API Token 本地存储，医疗信息（处方原因）采用加密存储

局限与风险

• 数据依赖性：生物年龄计算需最低生物标志物组合，不足时返回「requires_more_data」；轨迹预测需 ≥3 个数据点，否则降级为「insufficient_data」
• 非临床工具：平台明确声明不提供医疗建议，健康信号（心肺适能、压力韧性）标记为「directional」证据等级，非验证人群模型
• 可穿戴生态局限：力量训练依赖 Hevy，划船机依赖 Concept2，无通用健身数据导入
• 区域可用性：实验室报告解析可能受限于 PDF 格式标准化程度
• 代币经济学：部分高级算法（GrimAge2、DunedinPACE）因需甲基化数据而处于「evidence_gated」状态

适合人群

• 量化健康爱好者：具备基础生物标志物知识，追求数据驱动的健康优化
• 长寿科学实践者：关注生物年龄逆转、健康跨度延长的干预验证
• 运动员/健身人群：需要力量训练容量分析、划船机专项追踪的进阶用户
• 多源数据整合需求者：已使用可穿戴设备 + 定期实验室检测的「自我量化」用户

常规风险

| 风险类型 | 说明 | 缓解措施 |

|---------|------|---------|

| 过度解读数据 | 用户可能将「directional」信号等同于临床诊断 | 平台强制显示证据等级与免责声明 |

| 自我药疗 | 补充剂/药物列表功能可能被误用于调整处方 | 明确标注「非医疗建议」，建议咨询临床医生 |

| 数据新鲜度忽视 | 轨迹预测基于历史数据，无法反映近期干预 | API 返回 freshness 标签（fresh/aging/stale）|

| 跨时钟比较错误 | 不同生物年龄算法输入变量不同，不可直接相加 | What-If 结果强制附带「non_additivity_warning」|

| API Token 泄露 | Bearer Token 存储于本地配置文件 | 遵循最小权限原则，Token 可随时在 gevety.com 撤销重发 |

核心用法

Gevety Health Assistant 是一款面向个人健康管理的 Agent Skill，通过与 Gevety 健康数据平台 API 集成，为用户提供全面的生物标志物追踪与健康分析能力。用户完成首次配置后，即可查询血液检测指标历史、健康评分趋势、生物年龄计算、可穿戴设备数据、个性化健康建议等20余项功能。

该 Skill 采用纯文档型设计，所有数据交互均通过标准 REST API 完成，无本地可执行代码。核心工作流包括：调用 list_available_data 发现可用数据，使用 get_health_summary 获取整体健康概览，通过 query_biomarker 深入分析特定指标，借助 get_opportunities 识别优化机会，以及利用 compute_what_if 进行生物年龄情景模拟。

显著优点

数据维度全面：覆盖血液生物标志物（50+项指标）、生物年龄时钟（PhenoAge、Light BioAge、Vascular Age）、可穿戴设备（Garmin、Oura、Whoop 等）、力量训练（Hevy）、划船机（Concept2）、用药记录、医疗档案等多元健康数据源。

科学算法支撑：采用经过验证的生物年龄算法（PhenoAge、Vascular Age 为 validated 级别），支持线性回归轨迹预测、多生物标志物情景模拟（What-If 分析），提供循证医学最优区间参考。

个性化洞察深度：基于用户历史数据生成健康改善机会排序，量化每项优化对预期健康寿命的影响；90天健康协议自动识别个人优先关注领域；AI 驱动的内容推荐匹配用户生物标志物特征。

临床级数据结构化：支持从超声、MRI、手术报告等医疗文档中提取结构化临床发现，包括测量值、分级、侧位、条件状态等标准化字段，便于长期健康档案管理。

潜在缺点与局限性

数据来源依赖性强：所有功能依赖用户主动上传实验室报告、连接可穿戴设备、维护用药记录。无数据输入时，Skill 功能大幅受限，无法提供有价值的分析。

算法透明度有限：虽然标注了证据等级（validated/directional），但具体生物年龄算法的权重机制、健康评分的复合计算逻辑未完全公开，用户难以独立验证模型合理性。

医疗边界模糊：Skill 强调"不做出诊断"，但健康评分、生物年龄、风险分类等输出具有强烈的医疗暗示性。用户可能误将优化建议等同于临床治疗方案，存在自我诊疗风险。

第三方平台锁定：深度绑定 Gevety 生态，数据导出与迁移机制未在文档中明确说明，长期积累的健康历史数据存在平台依赖风险。

实时性局限：实验室数据存在天然滞后性（数周至数月），与可穿戴设备的日常监测形成时间断层，难以实现真正的连续健康追踪。

适合的目标群体

量化健康爱好者：已建立定期血液检测习惯、使用多款可穿戴设备、关注生物年龄与健康寿命延长的主动健康管理人群。

优化导向的亚健康人群：无明显疾病但希望识别健康风险、优先改善关键生物标志物的预防医学实践者。

训练数据整合需求者：同时使用 Hevy 力量训练、Concept2 划船机等多平台运动数据的健身爱好者，希望统一分析运动表现与健康指标关联。

医疗档案数字化管理者：需要结构化存储超声、影像、手术报告等临床文档，并提取可检索的医学发现的人群。

生物黑客与长寿医学探索者：对生物年龄算法、NAD+、激素优化、炎症管理等前沿健康话题有深度兴趣的进阶用户。

使用风险

隐私与合规风险：涉及敏感健康数据（生物标志物、用药记录、医疗条件、家族病史）的处理。虽然 Skill 本身不存储数据，但用户需自行确认 Gevety 平台的 HIPAA/GDPR 合规性，了解数据跨境传输政策。

API 稳定性与连续性：作为 T3 来源的垂直平台，gevety.com 的长期运营稳定性、API 版本兼容性、服务持续性存在不确定性。建议用户定期本地备份关键健康数据。

Token 安全管理：API Token 以环境变量形式存储于本地配置文件，存在被其他进程读取的风险。共享设备或云端开发环境中需特别注意访问隔离。

解释性偏差风险：Agent 对生物标志物趋势、健康评分的解读可能产生过度乐观或悲观的倾向性表述，用户应保持批判性思维，重大健康决策前咨询专业医疗人员。

数据新鲜度误判：Skill 提供的数据新鲜度标记（fresh/aging/stale）基于固定阈值，未必反映个体化的检测频率需求，用户可能因"fresh"标签而延误必要的复查。