trainingpeaks-mcp
★ 76
vs
on-policy
★ 2.0k
trainingpeaks-mcp vs on-policy
trainingpeaks-mcp：TrainingPeaks MCP 服务器通过模型上下文协议（MCP）将您的 TrainingPeaks 账户连接到 AI 助手。它提供 54 个工具，用于查询训练计划、构建结构化训练区间、管理日历、跟踪体能趋势以及通过自然对话控制训练。无需 API 批准 - 使用存储在系统密钥环中的安全 Cookie 进行身份验证。；on-policy：该存储库实现了MAPPO，一种PPO的多智能体变体，广泛应用于合作多智能体游戏和研究。它为星际争霸II、花火和谷歌足球等多种多智能体环境提供了健壮的实现，并附有详细的训练脚本和超参数指南。
01
简评
选 trainingpeaks-mcp 如果…让AI助手构建自定义训练区间并将其排入日程
选 on-policy 如果…合作多智能体强化学习的研究与实验
02
并排对比
03
功能特性
trainingpeaks-mcp01查询和管理训练计划（创建、更新、删除、复制、重新排序）
02构建结构化训练区间，自动计算IF/TSS
03记录和获取健康指标（体重、HRV、睡眠等）
04管理日历事件、备注和可用性
05追踪体能趋势（CTL、ATL、TSB）和年度训练计划
on-policy01MAPPO（多智能体PPO）的实现
02支持多样化的多智能体环境（如星际争霸II、花火）
03提供各种场景的即用型训练脚本
04详细的超参数指导和最新结果
05默认支持智能体间的共享策略
04
使用场景
trainingpeaks-mcp↳让AI助手构建自定义训练区间并将其排入日程
↳比较不同年份的FTP进度
↳管理赛事日历和每周TSS目标
on-policy↳合作多智能体强化学习的研究与实验
↳评估PPO在多智能体强化学习场景中的有效性
↳为星际争霸II和花火等流行多智能体游戏训练AI智能体
05
适合场景
trainingpeaks-mcp时下流行大模型基础设施API 集成
on-policy时下流行强化学习多智能体AI
FAQ
常见问题
trainingpeaks-mcp 和 on-policy 有什么区别？
trainingpeaks-mcp 和 on-policy 都属于 LLM Infra 类别。trainingpeaks-mcp 有 76 Stars，on-policy 有 2.0k Stars。
trainingpeaks-mcp 和 on-policy 哪个更好？
最佳选择取决于你的具体需求。让AI助手构建自定义训练区间并将其排入日程 时选 trainingpeaks-mcp，合作多智能体强化学习的研究与实验 时选 on-policy。
trainingpeaks-mcp 是免费的吗？
是的，trainingpeaks-mcp 在 GitHub 开源（MIT）。
on-policy 是免费的吗？
是的，on-policy 在 GitHub 开源（MIT）。
→