ilAoC/mcd-gacha-collector

选用指南

AI 根据 README 整理 · 2026/10/21 20:21:15

适用场景

适合在对话中通过 WorkBuddy 触发抽卡、查询餐品营养、管理收藏册，或使用命令行配合示例数据离线体验抽卡流程。

查看 README 依据

cp -r skills/mcd-gacha-collector ~/.workbuddy/skills/ ``` （Windows 为 `%USERPROFILE%\.workbuddy\skills\`） 装好后在对话框里直接说「抽张麦当劳卡」即可触发。 --- ## 使用示例 **示例 1 · 抽卡** > 用户：50 元内抽一张。 Skill：拉菜单 + 营养数据 → 53 张卡池 → 预算过滤 + 加权抽卡 → 命中 **UR 阳光柠檬红茶中杯**（¥10 / 117 kcal / 健康度 63.4）→ 渲染卡面。 **示例 2 · 收藏册** > 用户：我的收藏册？ Skill：本地 `ledger.json` 聚合 → 「已集 3 张（UR 1 / R 2），平均热量 261 kcal，平均健康度 53.6」。 **示例 3 · 真下单** > 用户：买 朱古力新地。 Skill：找最近门店（沈阳站出发层餐厅 3230366）→ 核价（套餐 ¥50 含板烧鸡腿堡+中薯条+可乐中杯）→ 弹价格确认 → 用户确认 → `create-order` → 返回订单号 `1030503810000661984815703790` 与支付链接 → 立即 `cancel-order`（测试闭环）。 **示例 4 · 营养查询**

python gacha.py sample_data --draw 1 --budget 50 --ledger /tmp/ledger.json # 十连 python gacha.py sample_data --draw 10 --budget 50 --ledger /tmp/ledger.json # 查看收藏册统计 python gacha.py sample_data --collection --ledger /tmp/ledger.json # 模拟 100 次抽卡，验证概率分布（SSR 5% / UR 20% / R 75%） python gacha.py sample_data --simulate 100 --seed 42 # 渲染卡面 HTML（单文件输出） python render.py /tmp/ledger.json --out /tmp/cards.html --last-draw 1 # 跑 105 项自测（改逻辑后必跑） python selftest.py ``` 项目网页版（`docs/index.html`）由 `tools/gen_web_data.py` + `web/build.py` 构建： 数据生成期计算、运行期零依赖；`tools/parity_check.py` 99 项校验保证前后端一致。 ---

目标用户

适用于麦当劳 MCP 使用者、卡牌收集/抽卡玩法爱好者、想了解餐品营养的上班族和学生，以及 WorkBuddy Agent 玩家。

查看 README 依据

│ │ └── sample_data/ # 离线示例数据 │ ├── references/ │ │ └── mcp-tools.md # MCP Tool 清单 + 字段映射 │ └── assets/cards/ # 卡面图片（用户自制） │ ├── images/ # README 截图 │ ├── screenshots/ # 桌面 + 移动首屏与全页 │ └── how-it-works.png # （占位）原理图：健康度是怎么算出来的 │ └── UPLOAD.md # 上传到 GitHub 操作指南 ``` --- ## 目标用户 - **麦当劳 MCP 的使用者**，想把数据玩出更多花样； - **卡牌收集 / 抽卡玩法爱好者**； - **想用轻量方式了解餐品能量与营养构成的上班族、学生**； - **WorkBuddy Agent 玩家**，想在对话里直接"抽卡 + 下单"一条龙。 --- ## 技术亮点

使用方式

可作为 WorkBuddy Skill 使用，也可在网页在线试玩，或通过 Python 命令行工具离线体验。

查看 README 依据

[]() --- ## 🌐 在线试玩（无需安装） ### 👉 <https://qingka-mp.app.workbuddy.host/> 进入页面后**自动通过 IP 定位 → 调用麦当劳 MCP → 选最近门店**，无需手动输入。 | 桌面端 | 移动端 | |:---:|:---:| |  |  | |  |  | 🎴 **在线试玩 + 抽卡演示**：<https://qingka-mp.app.workbuddy.host/> 🔎 **原理图**：[`images/how-it-works.png`](images/how-it-works.png)（"健康度是怎么算出来的"）

> 用户：巨无霸多少热量？ Skill：`list-nutrition-foods` 命中 → 「巨无霸 513 大卡 / 蛋白质 27g / 脂肪 26g / 钠 961mg / 健康度 32.2（R 档）」。 **示例 5 · 门店选择** > 用户：附近麦当劳？ Skill：进入 IP 定位（默认）→ `/api/ip-locate` 拿到城市（如山东济南）→ `query-nearby-stores` 搜「济南」→ 按距离升序列出 6 家最近门店。 **示例 6 · 积分管理** > 用户：还有几次抽卡机会？ Skill：读 `Ledger.points` → 「当前 4 积分，下次自动恢复 2026-10-20 21:38:20」。 **示例 7 · 多抽** > 用户：来十连。 Skill：积分不够时告知还差几次 + 下次恢复时间；够则连抽 10 张、SSR 压轴翻牌、营收按热量排序展示。 --- ## 命令行快速体验（无需 Token） 内置样例数据，可离线跑通完整抽卡流程： ``` cd skills/mcd-gacha-collector/scripts # 看卡池分布 python gacha.py sample_data --inspect --budget 50 # 单抽

部署要求

需要 Python 3.8+，但网页版零依赖；使用完整功能需申请麦当劳 MCP Token 并配置 WorkBuddy 连接器，命令行模式可用内置样例数据离线运行。

查看 README 依据

git clone https://github.com/<user>/mcd-gacha-collector.git && cp -r mcd-gacha-collector/skills/mcd-gacha-collector ~/.workbuddy/skills/ ``` （Windows 为 `%USERPROFILE%\.workbuddy\skills\`；MCP Token 配置见下文「安装」。） --- ## 安装 ### 1. 申请麦当劳 MCP Token 前往麦当劳 MCP 开放平台 <https://open.mcd.cn/mcp> ，手机号登录后在「控制台」激活并复制 Token。 ### 2. 配置 MCP 连接 在 WorkBuddy 左侧边栏【专家·技能·连接器】→【连接器】→ 右上角【自定义连接器】→【配置 MCP】中， 填入 [`mcp-config.example.json`](mcp-config.example.json) 的内容， 并把 `${MCD_MCP_TOKEN}` 替换为你的真实 Token（或用环境变量注入），保存后【启用】。 ### 3. 安装本 Skill 把 `skills/mcd-gacha-collector/` 整个目录复制到 WorkBuddy 的用户技能目录： ```

# 麦卡收藏家 · mcd-gacha-collector > 基于 **麦当劳中国 MCP（McDonald's China MCP）** 开发的卡牌收集 Skill： > 把 160+ 餐品变成可收集的 SSR/UR/R 卡牌，每张标注**价格**与**卡路里**， > 积分每 4 小时恢复 1 次，抽到的卡**可以直接下单**。 > 又名：麦当劳抽卡助手 / 麦门图鉴 / MCD Gacha Collector / Big Mac Index。 麦当劳程序员创意开发大赛参赛作品（仓库创建于 2026-10-20）· 非麦当劳官方产品。 []() []() []() []()

> 用户：巨无霸多少热量？ Skill：`list-nutrition-foods` 命中 → 「巨无霸 513 大卡 / 蛋白质 27g / 脂肪 26g / 钠 961mg / 健康度 32.2（R 档）」。 **示例 5 · 门店选择** > 用户：附近麦当劳？ Skill：进入 IP 定位（默认）→ `/api/ip-locate` 拿到城市（如山东济南）→ `query-nearby-stores` 搜「济南」→ 按距离升序列出 6 家最近门店。 **示例 6 · 积分管理** > 用户：还有几次抽卡机会？ Skill：读 `Ledger.points` → 「当前 4 积分，下次自动恢复 2026-10-20 21:38:20」。 **示例 7 · 多抽** > 用户：来十连。 Skill：积分不够时告知还差几次 + 下次恢复时间；够则连抽 10 张、SSR 压轴翻牌、营收按热量排序展示。 --- ## 命令行快速体验（无需 Token） 内置样例数据，可离线跑通完整抽卡流程： ``` cd skills/mcd-gacha-collector/scripts # 看卡池分布 python gacha.py sample_data --inspect --budget 50 # 单抽

已知限制

网页版因无法注入 MCP Token，不能真下单，只支持 IP 定位和查门店；另实测发现 query-nearby-stores 不返回经纬度，散单不能单独下单等限制。

查看 README 依据

- **`structuredContent` 必须解信封**：MCP 平台把业务数据嵌在 `structuredContent.data` 里， 但 data 仍可能是 dict / list / str（CSV），不能直接当业务对象返回。 - **`create-order` 必传 `takeWayCode`**：必须从 `calculate-price` 返回的 `takeWayList` 取， 不传直接 400。 - **WorkBuddy sites 部署不能注入 MCP Token**：公网网页只能 IP 定位 + 查门店； 真下单必须在本地后端（用户自跑 + 自带 Token）或 Skill 端（WorkBuddy connector）。 - **健康度相对分级才公平**：沈阳站 23 张卡池用固定阈值（≥75 为 SSR）， 因没有咖啡类单品会得到 0 张 SSR；分位数后自动 SSR 3 / UR 7 / R 13。 - **套餐独立算法才公平**：套餐总热量天然远高于单品，沿用单品算法会集体低分； 改用蛋白密度 40% + 钠密度 35% + 热量载荷 25% 后区分度恢复。 --- ## 目录结构 ``` . ├── README.md # 本文件

| 真实使用 WorkBuddy | ✅ 本 Skill 在 WorkBuddy 中开发与联调 | | 未包含真实 Token / 密钥 | ✅ 全 git 历史扫描为零命中 | | 内容合规（不贬损品牌与产品） | ✅ 仅陈述客观数据（价格/热量/健康度评分），中性表述，不与其他品牌对比 | --- ## 实测发现 开发过程中用真实 MCP 联调得到的观察（2026-10，个人账号实测）： - **`query-nearby-stores` 不返回经纬度**：`longitude` / `latitude` 恒为 `0.0`，只有 `distance`（米）可用。 → 前端不能直接算"最近"，只能走"城市 + 地点关键词"二段搜索。 - **散单 canWithOrder 恒为 false**：96 张单品全部不能单独下单，必须走套餐。 → 卡池里 18 张套餐是真正可下单的"主力军"，单品只做收藏展示。 - **`list-nutrition-foods` 的 data 是 CSV 字符串**：不是 JSON 数组，是 `[N]{fields}: name,v1,v2,...` 格式， 需要专项解析器（`parse_nutrition_csv`）。