Gevety MCP

核心用法

Gevety Health Assistant 是一款深度整合个人健康数据的 MCP 技能，通过 REST API 连接用户的完整健康档案。首次使用需引导用户完成：注册 Gevety 账户（gevety.com）、上传血液检测报告生成生物标志物基线，并在开发者设置中生成 API Token（格式 gvt_开头），配置至 Clawdbot 的 JSON 配置文件中。

数据覆盖维度：

• 实验室数据：80+ 生物标志物历史追踪（血糖、血脂、炎症指标、激素、维生素等），支持别名智能解析（如 LDL→LDL Cholesterol、hsCRP→hs-CRP）
• 生物年龄计算：PhenoAge（已验证）、Light BioAge（新兴验证）、Vascular Age 三大算法，提供年龄加速/减速评估
• 可穿戴设备：Garmin、Oura、Whoop 等平台的每日指标（步数、静息心率、HRV、睡眠质量、恢复分数）
• 训练数据：Hevy 力量训练（容量、肌群分布）、Concept2 划船/滑雪/自行车测功仪记录
• 健康管理：当前服用的补充剂、药物、90天健康协议、今日行动清单、待检测项目提醒
• 医疗文档：实验室报告、影像学检查、手术报告、处方等结构化临床发现提取

关键分析能力：

• get_opportunities：基于证据的优化机会排序，量化健康寿命分数提升潜力
• compute_what_if：多生物标志物联合模拟，预测特定指标改善对生物年龄的影响
• get_biomarker_trajectory：线性回归分析个体历史趋势，预测3-6个月走向及达目标时间
• get_clock_history：跨时间点生物年龄变化追踪，评估抗衰老干预效果

显著优点

科学严谨性：

• 生物年龄算法基于已验证的 PhenoAge（Morgan et al., 2018）和 Vascular Age 模型，明确标注证据等级（validated vs validated_emerging vs directional）
• 生物标志物参考范围基于循证医学研究，区分"最优范围"与常规实验室参考范围
• 严格区分空腹/非空腹检测变体（如 Glucose vs Glucose Fasting），保留原始检测语境

数据整合深度：

• 20+ API 端点覆盖健康数据全生命周期，从原始检测值到结构化临床发现（超声、MRI、手术报告中的测量值、分级、部位等）
• 支持跨设备数据融合（如 Hevy 训练记录叠加 Garmin 心率数据）

隐私与安全设计：

• Bearer Token 认证，令牌由用户自主生成和管控
• 医疗数据（处方原因等）采用加密存储，API 返回时自动解密
• 明确免责声明：所有输出标注 is_medical_advice: false

用户体验优化：

• 智能错误处理（生物标志物未找到时返回 did_you_mean 建议）
• 数据新鲜度标记（fresh/aging/stale），提醒用户检测时效性
• 健康寿命分数（0-100）与多维度轴评分（代谢、心血管、炎症、激素、营养、肝肾）的透明计算逻辑

潜在缺点与局限性

数据依赖门槛：

• 生物年龄计算需要特定生物标志物组合，缺失关键检测（如白蛋白、肌酐、淋巴细胞百分比等）将导致计算失败
• GrimAge2、DunedinPACE 等先进表观遗传时钟因需甲基化数据，当前版本标记为 evidence_gated
• 力量训练、划船数据分别依赖 Hevy、Concept2 的独立连接，无整合则无法获取

算法局限性：

• biomarker_trajectory 为个体历史线性回归（evidence_tier: directional），非验证的人群轨迹模型，预测置信度受数据点密度影响（R² 值）
• compute_what_if 的各时钟结果非可加性，不同算法使用不同输入变量和数学模型
• 健康信号（心肺适能、压力恢复指数）为复合评分，虽基于文献但非经人群验证的年数模型

区域与合规限制：

• 目前主要优化英语市场实验室报告解析，非英语报告 OCR 和结构化提取准确性可能下降
• 作为健康数据平台，不替代医疗诊断，紧急或临界值（critical_high/low）需人工医学复核

适合人群

• 生物黑客与量化自我实践者：追求基于数据的衰老干预优化，关注生物年龄动态变化
• 慢性健康管理用户：糖尿病前期、心血管疾病风险、慢性炎症等需多指标长期追踪者
• 运动表现优化人群：结合血液生物标志物与训练数据（力量、耐力）的运动员或健身爱好者
• 预防医学导向用户：希望主动管理检测计划、补充剂方案、生活方式干预的健康人群
• 健康数据整合需求者：已使用 Garmin/Oura/Whoop/Hevy 等设备，希望统一分析平台的用户

常规风险

| 风险类别 | 具体表现 | 缓解机制 |

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

| **数据误读风险** | 用户可能将"健康寿命分数"或"生物年龄"误解为医学诊断 | 所有输出强制包含免责声明，明确标注 `is_medical_advice: false`，建议咨询医疗提供者 |

| **算法过度自信** | 轨迹预测、What-If 模拟的数值精确性可能误导用户 | 强制披露 `evidence_tier`、`confidence_r_squared`、`caveats[]`，强调方向性而非绝对预测 |

| **数据时效性** | 用户可能基于过时检测（标记 `stale`）做健康决策 | API 返回 `freshness` 标记，建议定期复检 |

| **隐私泄露** | 健康数据高度敏感，Token 泄露可能导致数据暴露 | Token 由用户自主管理，支持随时撤销重生成；传输采用 HTTPS |

| **第三方依赖** | Hevy、Concept2 等外部服务中断导致数据缺失 | 明确错误信息提示连接状态，核心健康数据（生物标志物）独立于可穿戴设备 |

特别注意事项：生物标志物检测涉及采血和实验室分析，用户应通过正规医疗渠道获取检测服务，技能本身不提供检测执行能力。