ChinaOpenClaw/mcd-nutrition-expert

选用指南

AI 根据 README 整理 · 2026/10/25 18:56:30

目标用户

面向体重管理期人群、健身增肌人群、有代谢指标关注需求的人、不想做功课的普通用户、餐饮/营养方向的开发者以及WorkBuddy用户。

查看 README 依据

<p align="center"><b>SP 矩阵选型界面</b> —— 156 个餐品的真实分布，金色十字是按你的身体档案推导出的目标点</p> <div align="center"> | 指标 | 数值 | | 指标 | 数值 | |---|---:|:---:|---|---:| | 官方 MCP 工具 | **35** | | 营养数据条目 | **160** | | 门店菜单条目 | **98** | | 菜单 SP 覆盖率 | **88%** | | 四象限分布 | 主力 47 / 解馋 46 / 填充 53 / 双刃 10 | | 动态阈值 | `P50×0.6 + P75×0.4` | | REST 接口 | **14** | | 前端第三方依赖 | **0** | </div> --- ## 〇、目标用户与使用示例 ### 目标用户 | 人群 | 典型场景 | 本项目帮他解决什么 | |---|---|---| | **体重管理期人群**（减脂 / 塑形） | 加班到八点，只能吃麦当劳，不知道怎么点不超热量 | 按档案算出单餐 626 kcal 目标，直接给出结构合理的套餐（如 555 kcal 低钠方案） |

| **健身增肌人群** | 练完腿想吃麦当劳，需要高蛋白但不想钠爆表 | SP 矩阵的「双刃区」精确标注高蛋白高钠餐品，配合钠上限控制摄入量 | | **有代谢指标关注需求的人** | 需要控钠（高血压、肾脏指标等日常管理） | 钠负担作为独立维度参与打分，高钠组合会被显著降权 | | **不想做功课的普通用户** | 站在点餐机前 30 秒做不了决定 | 「一键求解」直接给出 3 套可执行方案 + 象限角标标注，决策时间 < 10 秒 | | **餐饮 / 营养方向的开发者** | 想学如何把 MCP 用在真实业务场景 | 完整源码 + 架构文档 + API 文档 + 5 个真实接口陷阱记录，可直接复用于其他 MCP 集成 | | **WorkBuddy 用户** | 希望在对话中直接完成选餐 | 以 Skill 形态交付，可在 WorkBuddy 会话内自然语言调用全链路能力 | ### 使用示例 > 以下所有数值均为**真实接口实测输出**（`POST /api/recommend`），非示意。 **示例 1 · 减脂期午餐（女 28 岁 / 165cm / 58kg / 中等活动 / 减脂）** ``` 目标：全天 1625 kcal · 蛋白 116g · 碳水 189g · 脂肪 45g · 钠上限 2000 mg

使用方式

可作为独立Web应用运行，也可作为WorkBuddy Skill在对话中调用。

查看 README 依据

→ 套餐自动展开内含单品 5. 领券 → 「我的卡包」显示已持有的券（显示券码）+ 可领取券 6. 下单 → 购物车实时计价 → 提交订单 7. 健康记录 → 吃完记一笔 → 体重趋势 + 热量缺口 + 象限分布回看 ``` **示例 4 · 独立 Web 应用运行** ```bash git clone https://github.com/ChinaOpenClaw/mcd-nutrition-expert.git cd mcd-nutrition-expert/skills/mcd-nutrition-expert cp .env.example .env # 填入你的 MCP Token pip install -r requirements.txt python scripts/server.py # → http://127.0.0.1:8899 ``` **示例 5 · 作为 WorkBuddy Skill 调用** 见 `workbuddy.md`。核心触发语： ``` 「帮我按 SP 矩阵推荐一套麦当劳套餐」 「我今天想吃麦当劳，算一下该怎么点」 「看看我的热量缺口够不够吃这一套」 ``` --- ## 一、核心洞察：为什么需要它 控卡期吃麦当劳，真正的痛点不是「不知道吃什么」，而是：

部署要求

需要Python 3.10+和麦当劳MCP Server访问Token。

查看 README 依据

门店菜单里约 **56%** 的条目是「三件套 / 四件套 / 分享餐」，官方营养表只收录单品。 项目通过 `query-meal-detail` 拉取套餐内含单品、按热量加权聚合出套餐自身的 SP 坐标， 配合五级名称匹配（精确 → 去后缀 → 去前缀修饰 → 双向包含 → 品类关键词回退）， 把菜单的 SP 标注覆盖率从 **31/87（35%）提升到 86/98（88%）**。 未被营养表收录的新品，按同品类中位单品近似并显式标注「新品估算」，不假装精确。 --- ## 五、快速开始 ### 环境要求 - Python 3.10+ - 麦当劳 MCP Server 访问 Token ### 安装 ```bash git clone https://github.com/ChinaOpenClaw/mcd-nutrition-expert.git cd mcd-nutrition-expert/skills/mcd-nutrition-expert pip install fastapi uvicorn ``` ### 配置 ```bash cp .env.example .env # 编辑 .env，填入你的 MCP Token ``` ```ini MCD_MCP_URL=https://mcp.mcd.cn

已知限制

项目为赛事参赛作品，非麦当劳官方产品，输出仅供参考，不构成医疗或营养建议。

查看 README 依据

- `.env` / `data/*.db` 已加入 `.gitignore` - 健康档案（体重、饮食记录）仅存储在本地 SQLite，不上传任何服务器 - 所有 MCP 调用均通过 `mcp_client.py` 统一出口，便于审计 --- ## 九、致谢 - 麦当劳程序员节创意开发大赛提供的 MCP Server 与 35 个官方工具 - 官方营养数据（160 个餐品的完整营养成分） - SP 矩阵理论（Sweet Point 战略定位矩阵）的思想迁移 --- **免责声明**：本项目为赛事参赛作品，由参赛者独立开发，非麦当劳官方产品。输出仅供参考，不构成医疗、营养或其他专业建议。餐品信息、价格及供应状态以麦当劳官方渠道的实时结果为准。