trainingpeaks-mcp
★ 183
vs
rllm
★ 5.9k
trainingpeaks-mcp vs rllm
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。；rllm：rLLM是一个开源框架，旨在使用强化学习对语言代理进行后训练。它使用户能够轻松构建、训练和部署自定义代理和环境，以应对实际工作负载。
01
简评
trainingpeaks-mcpLLM Infra · ★ 183
让AI助手构建自定义训练区间并将其排入日程
rllmLLM Infra · ★ 5.9k
训练用于代码生成和错误修复等任务的强大编码模型。
02
并排对比
字段
trainingpeaks-mcprllm分类
大模型基础设施
大模型基础设施
Stars
★ 183
★ 5.9k
许可证
MIT
Apache-2.0
安装方式
git clone https://github.com/JamsusMaximus/trainingpeaks-mcp.git && cd trainingpeaks-mcp && python3 -m venv .venv && source .venv/bin/activate && pip install -e .
uv pip install "rllm[verl] @ git+https://github.com/rllm-org/rllm.git"
更新时间
2个月前
1周前
开源
是
是
标签
Claude, Claude 桌面版, cycling
强化学习, 语言代理, 大型语言模型
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
rllm01基于强化学习的语言代理后训练开源框架。
02支持构建、训练和部署自定义代理和环境。
03提供包括'verl'和'tinker'在内的多种训练后端。
04支持LoRA和VLM训练，用于高级模型。
05包含AgentWorkflowEngine，用于训练任意代理程序。
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
rllm↳训练用于代码生成和错误修复等任务的强大编码模型。
↳开发用于自动化任务的复杂软件工程代理。
↳使用强化学习技术构建和评估多代理系统。
05
适合场景
trainingpeaks-mcp—
rllm时下流行
FAQ
常见问题
trainingpeaks-mcp 和 rllm 有什么区别？
trainingpeaks-mcp 和 rllm 都属于 LLM Infra 类别。trainingpeaks-mcp 有 183 Stars，rllm 有 5.9k Stars。
trainingpeaks-mcp 和 rllm 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，训练用于代码生成和错误修复等任务的强大编码模型。 时选 rllm。
trainingpeaks-mcp 是免费的吗？
是的，trainingpeaks-mcp 在 GitHub 开源（MIT）。
rllm 是免费的吗？
是的，rllm 在 GitHub 开源（Apache-2.0）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→