[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"$f1bnfi90jgf3hh":3},{"code":4,"message":5,"data":6,"timestamp":33},10000,"success",{"full_name":7,"position":8,"description":9,"language":10,"stars":11,"forks":12,"stars_gained":13,"age_days":14,"hn_threads":15,"one_liner":16,"summary_md":17,"topic":18,"github_topics":21,"license":29,"homepage":30,"updated_at":31,"history":32},"jouaaaaaa\u002Fmcd-self-butler",19,"麦当劳自助管家 McButler — 基于麦当劳 MCP 的点单参谋：每日推荐 \u002F 套餐健康体检 \u002F 门店全成本比价 \u002F 团餐智能配餐 \u002F 麦险分信用评级 \u002F 麦门小剧场。麦当劳 1024 程序员节参赛作品。","Python",168,3,154,1,[],"基于麦当劳 MCP 的点单参谋，把价格、营养和等待时间放在一起算，适合已在用该 MCP 的人。","这是一个比赛作品而非成熟产品：如果你已经在 WorkBuddy 或自己的 Agent 里接入麦当劳 MCP，它值得一看；只想要一个点单小工具的话，价值有限。\n\n## 解决什么问题\n\n在麦当劳点单时，价格要查、热量要猜、门店还要对比哪家近，这些判断散落在不同地方；套餐的营养也不会以整体数字呈现，一顿午饭往往要在几个来源之间来回确认。McButler 从麦当劳 MCP 取菜单、套餐详情和营养表，把一次请求变成有排序的结果：套餐拆成子项后累加热量、蛋白、脂肪和钠，三家店按含步行与排队时间的全成本比较，或者把 30 人团餐按忌口和口味分群配餐。变化在于多个约束一次对齐，而不是逐项查完再拼。\n\n## 有什么不同\n\n最有意思的是健康体检。营养接口只返回单品，工具先取套餐详情里的默认组合，再逐项查营养表，按 100 分制给出扣分明细。每个数字都标为实测、官方或估算；一条都没命中时宁可显示“健康分 —”也不编数字，这在比赛场景里是个明确取舍。门店比价也不只看标价：往返每公里加 0.5 元、步行和排队每分钟加 0.30 元，所以最近的店可能在全成本上反而更贵。\n\n代价是不少数字依赖 MCP 并不提供的输入。排队时长没有对应接口，是显式参数，demo 文件里也注明为示例值，因此门店比价的结论取决于调用者填入的等待时间。“麦险分”把订单历史、券和积分映射成 300–950 分的六维评分卡，更像用信贷记分卡包装的趣味评级，不是信用产品。小剧场用用户自己的券和分数生成台词，手里的数据越全，内容才越贴近个人。\n\n## 谁值得试\n\n适合：已经在 WorkBuddy 里使用麦当劳 MCP、并且能自己准备数据快照的人，可以借鉴套餐拆解、全成本比较和团餐配餐的思路。开发者也可以只用数据载入层和 demo 快照离线跑通。不适合：想要一个开箱即用的点单应用的人。在线演示只有小剧场页面，真实推荐需要配置 MCP 连接和 token；本地 CLI 虽不需要 token，但只读 demo 数据，能判断输出质量，回答不了某家门店今天的菜单。\n\n## 使用条件与边界\n\n推荐路径需要 WorkBuddy 并配置好 MCP 与 Bearer token。CLI 路径只需 Python 3.8+，没有第三方依赖，读取 `demo\u002F` 下的快照，结果可以[离线复现](https:\u002F\u002Fgithub.com\u002Fjouaaaaaa\u002Fmcd-self-butler\u002Fblob\u002Fmain\u002Fexamples\u002Fdemo-output.md)。团餐的“不吃牛”按菜名关键词过滤，菜单未标注成分的餐品无法保证排除；满减规则已探通但未叠加到团餐配餐中。各模型的公式和参数写在[模型说明](https:\u002F\u002Fgithub.com\u002Fjouaaaaaa\u002Fmcd-self-butler\u002Fblob\u002Fmain\u002Freferences\u002Fmodel-spec.md)里，方便核对或调整。\n\n## HotRepo 点评\n\nHotRepo 目前只有 2026-10-25 的一次观察：该项目在 Python 新项目榜（并非总榜）上以 168 颗星位列 #19，且只有一天的星数记录，这只是快照而非增长速度，也没有足够的日榜历史判断关注能否持续。真正采用前，先确认你的 MCP 客户端返回的响应结构是否与 `mcdata.py` 的预期一致，因为项目示例都建立在保存下来的快照上。",{"slug":19,"name":20},"productivity","效率与系统工具",[22,23,24,25,26,27,28],"credit-scoring","mcdonalds","mcp","nutrition","python","skill","workbuddy","MIT","https:\u002F\u002Fjouaaaaaa.github.io\u002Fmcd-self-butler\u002F","2026-10-25T06:46:31Z",[],1792919814]