Jack Antico ha desarrollado una aplicación que funciona como un servidor de Model Context Protocol (MCP) personalizado para interactuar con sus datos de salud y actividad física de Garmin. La herramienta permite a los usuarios consultar métricas de entrenamiento y salud mediante un agente de inteligencia artificial, como Claude, sin depender de la integración oficial que Garmin no ha proporcionado. El proyecto surge de la frustración de los desarrolladores ante la falta de acceso directo a los datos de Garmin a través de MCP, lo que obligaba a usar métodos indirectos como la sincronización con Apple Health o la carga manual de datos, ambos con limitaciones significativas de historial o privacidad.
La solución técnica se basa en el uso de la API no oficial de Garmin (python-garminconnect) y una clave de API de Anthropic. El sistema actúa como un envoltorio que autenticar al usuario, genera un token de acceso y lo cachea localmente. Un agente de IA ejecuta un bucle de herramientas que incluye funciones para resumir actividades, listar eventos, obtener detalles de actividad, salud diaria, estado de entrenamiento y composición corporal. Aunque no es un MCP oficial, cumple la función de un interfaz de usuario con inteligencia conectada.
Antico argumenta que esta tendencia hacia los MCPs no oficiales es inevitable debido a la resistencia de las grandes tecnológicas, como Amazon, Amex e Instagram, a ceder el control de sus interfaces y datos a terceros. Estas empresas benefician económicamente de retener el usuario en su ecosistema para vender publicidad o servicios adicionales. La adopción de estos agentes podría acelerarse con la capacidad de los agentes de scraping para interactuar con interfaces web, aunque las empresas podrían bloquear estas acciones. El autor concluye que la popularización de estos MCPs dependerá de la facilidad para ejecutar LLMs localmente, lo que otorgaría a los usuarios mayor confianza y control sobre sus datos sensibles.