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。

核心用法

Gevety Health Assistant 是一款面向深度健康管理的 Agent Skill，通过 web_fetch 调用 Gevety 官方 API，实现用户健康数据的全面接入与智能分析。核心功能覆盖六大维度：

1. 健康全景概览：get_health_summary 提供 0-100 分的 Healthspan 评分及代谢、心血管、炎症、激素等六轴独立评分，识别分数背离情况并标注优先关注项。

2. 生物标志物深度追踪：query_biomarker 支持 30+ 生物标志物查询（含空腹/非空腹智能区分），list_all_biomarkers 一键获取全部指标状态分布；get_biomarker_trajectory 基于用户历史数据进行线性回归，预测 3-6 个月趋势及达标时间。

3. 生物年龄多时钟计算：get_biological_age 支持 PhenoAge、Light BioAge 等验证算法；get_clock_history 提供跨时钟的历史趋势对比；compute_what_if 支持多标志物联合模拟，预判干预效果（非叠加性）。

4. 非时钟健康信号：get_health_signal 提供心肺适能（VO2max+FRIEND 百分位）与压力韧性（HRV/恢复/睡眠综合评分）两项新兴指标。

5. 生活方式数据整合：get_wearable_stats 接入 Garmin、Oura、Whoop 等设备；get_strength_training（Hevy）、get_erg_results（Concept2）、get_activities 实现力量、有氧、日常活动全覆盖。

6. 临床与健康管理：list_medications、get_medical_profile、list_health_documents、query_clinical_findings 整合处方、过敏史、影像/手术报告结构化数据；get_protocol 生成个性化 90 天健康方案，get_opportunities 量化干预收益（健康寿命年）。

显著优点

• 科学严谨性：生物年龄算法引用验证文献（PhenoAge、Vascular Age 为 validated，Light BioAge 为 validated_emerging），明确标注证据等级（directional/validated），避免伪科学误导。
• 数据完整性：唯一同时覆盖血液生物标志物、可穿戴实时数据、临床影像报告、药物/补剂记录的多源健康技能。
• 干预可量化：What-If 模拟器支持多标志物联合场景，计算各时钟的独立变化（含模型假设说明），帮助用户理解非线性交互效应。
• 隐私保护设计：纯文档型 Skill，无本地可执行代码，数据仅通过用户授权 Token 访问自有账户，不上传第三方。
• 时效性透明：主动标注数据新鲜度（fresh/aging/stale）及 R² 置信度，避免基于陈旧数据决策。

潜在缺点与局限性

• 准入门槛：需先注册 Gevety 账户、上传实验室报告、生成 API Token，首次配置流程较长。
• 地域限制：依赖 Gevety 平台服务可用性，部分国家/地区实验室数据格式可能不被完全支持。
• 算法局限：生物年龄时钟对输入数据敏感，get_biomarker_trajectory 需 ≥3 个数据点，早期用户可能无法使用趋势预测。
• 非医疗级声明：Skill 明确标注 is_medical_advice: false，严重异常需人工医学判断，不能替代临床诊断。
• 设备兼容性：力量训练与划船机数据依赖 Hevy、Concept2 等特定平台，通用性受限。

适合的目标群体

• 生物黑客与抗衰优化者：追求基于数据的生物年龄逆转、健康寿命延长。
• 慢性病管理者：需长期追踪代谢、心血管、炎症指标的高血压、糖尿病前期人群。
• 运动表现优化者：整合可穿戴、力量训练、划船数据的多项目运动员。
• 健康数据极客：拥有多源健康数据（实验室、可穿戴、影像），希望统一分析平台。
• 临床研究与健康管理从业者：需结构化健康数据进行人群分析或客户管理（需遵守 HIPAA/GDPR）。

常规风险

• Token 安全风险：API Token 泄露可能导致健康数据暴露，建议定期轮换、避免共享环境使用。
• 数据时效风险：实验室结果可能滞后数周至数月，可穿戴数据为日级，跨数据源对比需注意时间窗口对齐。
• 算法误读风险：生物年龄变化方向（younger/older）需结合 model_assumptions 理解，单指标优化可能被其他标志物抵消。
• 依赖项风险：Gevety 平台服务中断或 API 变更将影响 Skill 可用性；部分功能（GrimAge2/DunedinPACE）需甲基化数据支持，当前版本不可用。
• 合规提示：处理敏感健康数据，企业用户需评估 HIPAA/GDPR 合规性；个人用户应确认当地健康数据跨境传输法规。