COROS MCPはChatGPT・Geminiでも使える？ 3つのAIで実際に接続して比べてみた

ランニングウォッチのデータをAIに読み込ませて、「今日の走りを分析してほしい」「明日どんな練習をすべきか教えてほしい」と思ったことはありませんか？

COROS（カロス）が公式MCP（Model Context Protocol）を公開したことで、FITファイルをわざわざ手動で書き出さなくても、AIチャットからダイレクトに自分のトレーニングデータを参照・分析してもらえる環境が整いました。

そこで気になるのが、「結局どのAIチャットを使えば一番快適に分析できるのか？」という点です。

結論から言うと、接続の手軽さや対応状況は以下の通りです。

AIサービス	標準画面での利用	主な接続方法	設定ハードル	主な対象ユーザー
Claude Desktop	○（アプリ）	カスタムコネクタ	低い（画面操作のみ）	手軽に使いたい全ユーザー
ChatGPT	○（無料版含む）	コネクタ検索から追加	低い（検索して選ぶだけ）	手軽に使いたい全ユーザー
Gemini	×（Web版）	Gemini CLI（コマンド）	高い（ターミナル操作が必要）	コマンド操作に慣れた人

意外だったのは、ChatGPTの接続の簡単さです。

当初は「Developer Mode（開発者モード）」という専門的な設定に切り替える必要があると思っていました。

ChatGPTは、筆者の環境ではコネクタ画面からCOROSを検索して接続できました。

ただし、COROS公式の標準手順では、開発者モードを有効にしてMCPエンドポイントを追加する方法が案内されているため、表示項目や利用可否はプラン・地域・アカウントによって異なる場合もありそうです。

難しいコマンドや開発者向けの設定は一切不要で、画面上のクリック操作だけで設定でき、Claudeとほぼ変わらない手軽さでした。

接続の手間に関しては、ChatGPTもClaudeもほぼ互角と言えます。

では、肝心の「データ分析力」や「提案の質」はどうなのでしょうか？

この記事では、まったく同じCOROSの走行データを3つのAIに読み込ませ、次の3つの軸で徹底検証していきます。

• データの正確性： 数値を偽らず正確に取得できるか
• 提案の質： 今日の走りから「明日やること」まで踏み込めるか
• 将来予測： 過去データをさかのぼって「サブ3:10」の可能性を説明できるか

※AIによるレース予測は分析の参考情報であり、医学的・専門的な診断ではありません。また、利用環境や時期によってツールの挙動が異なる場合があります。

なぜ今、ランニングアプリではなく「AIチャット」なのか

日々の走りをランニングアプリで記録していても、「データは見られるけれど、次に何をすればいいかわからない」ともどかしく感じたことはありませんか？

ペースや心拍数のログは残せても、「今日の走りにどんな意味があったのか」「明日は休むべきか、それとも走るべきか」まで踏み込んでアドバイスしてくれるアプリは、まだ多くありません。

そこで今、大きな期待を集めているのがAIチャットの活用です。

今回比較するのは、利用者の多いChatGPT（利用率36.2%※）、Gemini（25.0%）、そして分析力の評価が高いClaude（4.3%）の3大AIです。 ※ICT総研調査（2026年2月）より

回答が物足りなかったときに、「データの取得段階でコケているのか」「データは取れているが分析が浅いのか」を明確に切り分けながら、それぞれの実力を検証していきます。

【接続検証】3大AIのCOROS MCP対応状況と設定のリアル

Claude Desktop：シンプルで迷わない（※要有料プラン）

Claude Desktopでは、設定画面の「カスタムコネクタ」にCOROS MCPの接続先（URL）を登録して連携します。

共通URL：https://mcp.coros.com/mcp

設定画面からこのURLを追加し、画面の指示に従ってCOROSアカウントでログイン認証を行うだけで準備は完了です。

Claude DesktopのリモートMCPカスタムコネクタは、現在は無料プランでも利用可能。

ただし、無料プランにはカスタムコネクタ数などの制限があります。プランや地域によって表示・利用条件が異なる場合があるため、接続前に公式の最新条件の確認が必要です。

※詳しい設定手順（画像付きの詳しい解説）は、こちらのnote記事でもまとめています。

ChatGPT：予想外の手軽さ！コネクタ検索から一発接続

ChatGPTも、 Claude Desktopと肩を並べるほど簡単でした。

当初想定していた「Developer Modeへの切り替え」などの複雑な操作は一切不要で、無料版ユーザーでも手軽に設定可能です。

手軽さという点ではClaudeと同等レベルです。

通常のコネクタ接続となるため、やり取りを重ねた際のメモリー機能への影響もあわせて検証していきます。

※注意点として、ChatGPTのコネクタすべてが無料版で使えるわけではありません。COROSは無料版でも動作しましたが、コネクタによっては有料プラン限定のものもあります。

Gemini：Web版は未対応、Gemini CLIで接続（※現在データ取得エラーが発生中）

普段使っている標準のWeb画面（gemini.google.com）からは、カスタムMCPコネクタを追加できません。

現状でCOROS MCPと連携させるには「Gemini CLI」を利用し、ターミナル上でMCPサーバーのURLを設定する必要があります。

ただし、地域リダイレクト対策としてエンドポイント（

(https://mcpus.coros.com/mcp)）を設定し、OAuth認証・サーバー接続（coros - Ready）自体は正常に完了するものの、現時点ではデータ受領時にパースエラーが発生してしまいます。

具体的には、COROS側が返すデータ形式（文字列）とGemini CLI側が期待する受け取り型（Record型）が一致せず、全取得ツールで Invalid input: expected record, received string エラーが出力される状態です。

そのため、現状はプログラム側の修正待ちとなっています。

COROS MCPでAIは何を「見ている」のか？

COROS公式によると、連携（MCP）を通してAIが読み取れるのは、主に次のようなデータです。

ここで知っておきたい大切なポイントは、AIが「かなり細かいデータまで見られるようになっている」という点です。

COROS側が計算した「予測タイム」や「1週間の負荷」といったまとめデータだけでなく、現在は1kmごとのラップタイム、詳細な走りのデータ（FITファイル）、GPSの走行ルート、秒単位の細かい数値にまで対応しています。

ただし、AIが毎回すべてのデータを勝手に読み込むわけではありません。

「今日の走りを教えて」と聞くか、「過去1ヶ月を振り返って」と聞くかなど、こちら側の質問内容に合わせてAIが必要なデータを抜き出して分析してくれるわけです。

AIの性能を試す「3つの評価軸」

検証に使った「AIへの指示文（プロンプト）」

各AIに対して、以下のプロンプトを順番に入力して比較します。

【ステップ1：数値の取得確認】

今日の走行データ（[対象日時を入力]）について、取得できている数値をすべて列挙してください。分析やコメントは不要です。項目名、値、単位を明記し、取得できない項目は「取得できません」と記載してください。

【ステップ2：走行分析】

今日の走行データを分析してください。以下1〜5の順で回答してください。
1.走行データの要約
2.良かった点
3.改善できる点
4.明日以降の具体的な提案
5.データだけでは判断できないこと
※取得できたデータのみを根拠にし、推測には「推測」と明記してください。

【ステップ3-A：自発的な過去データ参照】

ステップ2を踏まえ、過去データを振り返ったうえで「フルマラソン サブ3:10」達成の可能性を説明してください。参照したデータ期間、件数、主な指標を冒頭に明記してください。

【ステップ3-B：期間を揃えた分析（直近12週間）】

直近12週間の走行データのみを使って分析してください。参照件数と主要指標を示したうえで、サブ3:10達成に向けた課題・根拠・今後注視すべき指標を説明してください。

ステップ3をAとBの2段階に分けているのには理由があります。

Aでは「過去データ」とだけ伝えて範囲を敢えて曖昧にすることで、AIが自発的にどこまで気を利かせてデータをｓかのぼってくれるかを見ます。

一方のBでは条件を「直近12週間」に揃えることで、同じ土俵での純粋な分析力を比較します。

「気の利かせ方の違い」と「分析力そのものの差」をクリアに切り分けるためのアプローチです。

検証結果

① Claude Desktop（※Claude Pro環境で検証）

• データ精度：【完璧】 メイン走（15.89km）だけでなく同日記録されたショート走（4.10km）の2本とも見落とさず取得。心拍・ペース・ケイデンス・獲得標高・パワー・ストライド長・TL・TEまで取得しました。
• 分析の質：【圧倒的】 単なるデータ要約にとどまらず、メモリに保持された過去のコンディション設定（LSD基準：心拍139bpm以下）を自発的に引き出して照合。「COROSはGarminより心拍が12bpm高く出る傾向」「Total TimeとWorkout Timeの23分の開き（信号待ち等）」など、ランナーの実際の走りを極めて深く読み解きました。
• 将来予測：【真骨頂】 保持された自身の「VDOT49（目標52）」や「左中殿筋の課題」等の個別文脈とCOROSデータを自動融合。6/20のレースペース走（21.4km@4:29/km、心拍161bpm）を「心拍コストが高すぎる」と正確に見抜き、単なるAIの自動予測タイムの丸呑みではなく「有酸素土台の底上げと心拍コストの改善が鍵」という極めて高度で論理的な分析を提示しました。

② ChatGPT

• データ精度：【標準的】 距離・時間・平均ペース・平均心拍・ケイデンス・TL等は正確に取得。ただし1日2本のセッション記録からは1本（10.44km※）しか認識せず、1kmごとのラップや区間毎のペース変化は取得できませんでした。
• 分析の質：【読みやすいが教科書的】 「Base走として機能している」「心拍が抑えられている」といった要点の箇条書きは非常に見やすく整理されています。一方、翌日の提案は「回復走または休養のあと、1km×4〜5本」といった一般的な市民ランナー向けの模範解答にとどまりました。
• レース予測力：【丁寧だが客観的】 過去100件のデータをさかのぼり、COROSの予測値（フル3:10:52）や過去のロング走（6/20の21.4km@4:29/kmなど）を引き出して「目標達成率45〜55%」と算出。非常になめらかで丁寧ですが、個人のフォーム課題やトレーニング方針（LSD中心化など）にまで深く踏み込んだ洞察は見られませんでした。

③ Gemini CLI

• データ精度：【検証不可】 OAuth認証（coros - Ready）までは成功するものの、データ受領フェーズで型不一致のパースエラー（Invalid input）が発生。MCP経由での自動データ取得は一切行えませんでした。
• 分析の質：【検証不可】 MCP経由でデータを呼び出せないため、ダイレクトな走行分析や「明日やること」の提案機能は評価対象外となりました。
• 将来予測：【検証不可】 自動での過去データ参照ツールも全滅のため、予測分析は実行できませんでした。

3者比較のまとめ

COROS MCPは、ChatGPTとClaudeでは公式に案内された方法で利用でき、Geminiでは標準Web版ではなくGemini CLIが必要です。

ClaudeのリモートMCPカスタムコネクタは現在、無料プランでも利用可能ですが、プランや地域によって制限があります。

ChatGPTは、筆者の環境では簡単に接続できたものの、無料版を含む全ユーザーが同じ手順・条件で利用できるとは限りません。

項目	Claude Desktop（Pro）	ChatGPT	Gemini CLI
接続のしやすさ	◎ 画面操作のみ	◎ コネクタ検索のみ	× CLI操作＆認証調整要
データ精度	◎ 複数セッション完全取得）	○ 主要数値取得・一部見落とし	× パースエラーで取得不可
分析・提案力	◎ 個人文脈・心拍コストまで分析	◎ 整理され読みやすいが一般的	× データ取得不能のため不可
レース予測力	◎ 個別課題・フォーム連動分析	◎ 客観的で丁寧な確率試算	× データ取得不能のため不可

まとめ：あなたに最適なAIランニングパートナーの選び方

今回の検証では、筆者の環境においてClaudeが最も多くの個人コンテキストを踏まえた回答を返し、ChatGPTは読みやすく整理された回答を返しました。

一方、Gemini CLIではデータ取得エラーが発生したため、分析力そのものは評価できませんでした。

これは各サービスの普遍的な性能順位ではなく、特定日時・特定アカウント・特定データによる比較結果です。

【利用スタイルに応じた選択肢】

• まずは手軽に試してみたい場合ChatGPTやClaudeの無料プランから試してみるのがおすすめです。COROS MCPとの連携感や、日々のデータがどのように要約されるかの雰囲気を気軽に体験できます。
  
• 過去データや個人の課題（フォーム・心拍コスト等）も含めて深く分析したい場合Claude（Proプラン等でのメモリ・高度なコンテキストの活用）を検討すると良いでしょう。自身の過去ログやコンディション設定と連動させた、よりパーソナライズされた提案を引き出しやすくなります。
  
• フォームの課題まで踏まえて「明日どう走るべきか」を共に考えてくれる伴走者を求めるなら、Claude Proのパワーを活用したClaude Desktopが間違いなく最強の選択肢です。