zcbacxc/mcd-party-planner

★ 134⑂ 6

麦当劳 MCP 聚会/团餐组织助手 — 基于 Model Context Protocol 的派对预订与团餐规划 CLI/Skill

About zcbacxc/mcd-party-planner

zcbacxc/mcd-party-planner is an open-source project on GitHub, mainly written in Python. 麦当劳 MCP 聚会/团餐组织助手 — 基于 Model Context Protocol 的派对预订与团餐规划 CLI/Skill It currently holds 134 stars and 6 forks with 0 open issues, and was last pushed on an unknown date (repository created unknown).

Project Overview

AI Homed tracks it on the Today's Trending board, currently at rank #91 with 0 new stars today.

GitHub Repository Details

Repository zcbacxc/mcd-party-planner · default branch - · size 0 KB · watchers 0 · source: GitHub REST API and repository README

README

mcd-party-planner · 麦当劳聚会 / 团餐组织助手

基于 麦当劳 MCP 真实能力的 Skill:输入「城市 + 关键词 + 人数 + 预算」,
输出多套真实计价的团餐方案;串联主题活动(派对 / 品鉴会)预约链路;
结合活动日历与附近门店给出组织时机建议。
> 参赛作品 —— 麦当劳程序员节创意开发大赛(2026 · 1024 程序员节)。

Python License: MIT MCP Deps

---

一、项目介绍

组织一次多人麦当劳聚餐,真正麻烦的不是点什么,而是三件事同时算清楚:附近哪家门店能吃、多少人吃什么组合、总共花多少钱不超预算。

mcd-party-planner 把这三件事交给麦当劳 MCP 的真实数据(共接入 15 个 Tool):

| 能力 | 说明 | |---|---| | 团餐方案生成 | 查附近营业中门店 → 拉真实菜单 → 按「经济型 / 均衡型 / 丰盛型」组装 → 用 calculate-price 真实计价,输出 ≥2 套含「合计 / 人均 / 是否超预算」的可比对方案 | | 主题活动预约 | 自动串联 派对商品 → 城市 → 门店 → 日期 → 场次 五级查询,输出可直接下单的载荷;默认 dry_run,不真实下单 | | 活动日历组织建议 | 活动日历(往期 / 今日 / 未来)× 附近门店交叉,给出组织时机建议,并提示企业团餐助餐服务可用性 |

设计原则:数据全部实时取自麦当劳 MCP,仓库内不含任何静态菜单或价格快照;用户输入(城市、关键词、人数、预算)仅存在于运行时内存,不落盘、不外发。

调用层内置滑动窗口节流器(默认 300 次/分钟,官方上限 600)与 429 指数退避,批量比对不会触发限流。

---

二、安装方法

1. 申请 MCP Token

访问 麦当劳 MCP 开放平台 → 手机号验证登录 → 右上角「控制台」→「激活」→ 同意服务协议 → 复制 Token。

2. 获取代码

git clone https://github.com/zcbacxc/mcd-party-planner.git
cd mcd-party-planner

3. 配置 Token

cp .env.example .env

编辑 .env,填入:MCD_MCP_TOKEN=你的Token

.env 已被 .gitignore 排除,绝不会提交到仓库。仓库中的 mcp-config.example.json 只含环境变量占位符。

4. 在 WorkBuddy 中使用(可选)

本项目主交付形态即 WorkBuddy Skill(见 skill/SKILL.md)。按 mcp-config.example.json 在 WorkBuddy 的【自定义连接器】中启用 mcd-mcp 后,直接用自然语言描述聚餐需求即可。

5. 环境要求

6. 自检

python -m src.cli selfcheck
=== 环境自检 ===
MCD_MCP_TOKEN: 已配置
tokenLength: 32
MCD_MCP_ENDPOINT: https://mcp.mcd.cn
结论:Token 已就绪,可执行真实调用

---

三、使用示例

以下输出均为真实调用麦当劳 MCP 的结果(成都 · 春熙路,2026-10-16 实测)。

示例 1:8 人聚餐,预算 400 元

python -m src.cli plan --city 成都 --keyword 春熙路 --headcount 8 --budget 400
【团餐方案】
城市:成都 关键词:春熙路 人数:8 预算:¥400.0
已扫描门店:2 可选方案:4 预算内方案:1

1. [经济型] 麦当劳成都锦江总府路茂业百货餐厅 合计 ¥352.0 人均 ¥44.0 预算内 构成:精选单人餐三件套×8、小杯鲜萃咖啡×8 2. [经济型] 麦当劳成都壹购广场餐厅 合计 ¥444.0 人均 ¥55.5 超预算 构成:精选单人餐三件套×8、冰浓浓黑巧中杯×8 3. [均衡型] 麦当劳成都锦江总府路茂业百货餐厅 合计 ¥591.2 人均 ¥73.9 超预算 构成:精选单人餐三件套×8、龙焰芝士棒鸡腿堡三件套×8、小杯鲜萃咖啡×8 4. [均衡型] 麦当劳成都壹购广场餐厅 合计 ¥683.2 人均 ¥85.4 超预算 构成:精选单人餐三件套×8、龙焰芝士棒鸡腿堡三件套×8、冰浓浓黑巧中杯×8

推荐:[经济型] 麦当劳成都锦江总府路茂业百货餐厅,合计 ¥352.0,人均 ¥44.0 !提示:门店 … / 丰盛型 计价失败:每单限购1件,去看看其他餐品吧

--json 输出结构化结果;--store-limit 控制比对门店数。
注:部分餐品存在「每单限购 1 件」等业务限制,这类组合会以提示形式跳过,不编造价格。

示例 2:预约派对 / 品鉴会(默认不下单)

python -m src.cli party --city 成都市 --headcount 6
【主题活动预约】
主题:麦当劳奇妙生日派对(spuId=1779)
城市:成都市 门店:麦当劳成都高新区大魔方餐厅(3450261)
日期:2026-10-16 场次:12:00-13:30 余位:12 价格:¥50.0
调用链路:mall-points-products → query-party-city → query-party-store
          → query-party-store-date → query-party-store-session
下单载荷:{'partyType': 1, 'spuId': 1779, 'skuId': 2027, 'storeCode': '3450261', …}
dry_run=True:未真实下单,仅输出可下单载荷

需真实下单时显式确认:

python -m src.cli party --city 成都市 --headcount 6 --confirm

示例 3:活动日历 × 附近门店

python -m src.cli calendar --city 成都 --keyword 春熙路
【活动日历组织建议】
城市:成都 关键词:春熙路 附近门店:2

· 2026-10-25 2026年10月25日 活动:🫐一口爆汁!蓝莓爆爆珠麦旋风上新 建议:未来活动,建议提前 3–5 天预约主题活动场次并预排团餐 · 2026-10-16 2026年10月16日 今日 活动:麦当劳 X PEACEMINUSONE 建议:今日可参与,建议立即组织;优先锁定 2 家附近门店的团餐方案

企业团餐助餐服务: · 麦当劳成都府青路(恒大)餐厅:支持 保鲜速达 · 麦当劳成都三友路得来速餐厅:支持 保鲜速达

示例 4:校准工具入参(开发者)

python -m src.cli probe    # 拉取服务端 inputSchema → docs/mcp-schema.json

---

四、目标用户

| 用户 | 场景 | 得到的价值 | |---|---|---| | 团建 / 班级活动组织者 | 10–30 人聚餐,有明确预算上限 | 十几秒内得到多套含人均对比的真实报价方案,不再手工凑单 | | 企业行政 / 团餐负责人 | 需确认门店是否支持团餐助餐服务 | 一次查询拿到附近门店的助餐服务可用性(保鲜速达 / 专人分餐等)与组织建议 | | 想办派对的家长 / 会员 | 生日派对、品鉴会预约路径深 | 自动串联五级查询,输出可下单的场次与余位 | | MCP / Agent 开发者 | 想看一个 Skill 如何真实编排 15 个 MCP Tool | 可复用的调用层:节流、退避、结果解析、字段归一化与单一校准点 |

---

五、目录结构

mcd-party-planner/
├── README.md                  # 项目介绍、安装、示例、目标用户
├── CONTEST_DECLARATION.md     # 参赛声明(官方原文,内容不可改动)
├── MCP_INTEGRATION.md         # MCP Server / Tool / 调用流程 / 业务价值
├── mcp-config.example.json    # 脱敏 MCP 配置示例(仅占位符)
├── workbuddy.md               # WorkBuddy 开发对话上下文
├── skill/SKILL.md             # WorkBuddy Skill 定义
├── src/
│   ├── mcp_client.py          # MCP 调用层:streamablehttp + Bearer + 节流 + 429 退避
│   ├── party_planner.py       # 业务逻辑层:三个核心场景
│   ├── config.py              # 本地配置读取(Token 不入仓)
│   └── cli.py                 # 命令行入口
└── tests/
    ├── test_mcp_client.py     # 调用层单元测试
    ├── test_party_planner.py  # 业务层单元测试
    └── smoke.py               # 真实 MCP 端到端冒烟(Token 缺失时自动跳过)

六、运行测试

python -m unittest discover -s tests -p "test_*.py"   # 单元测试 40 项(无需 Token)
python tests/smoke.py                                  # 端到端冒烟(需真实 Token)

开发设置、代码风格与提交约定见 docs/CONTRIBUTING.md; 版本变更记录见 CHANGELOG.md。

七、说明与免责

八、许可证

MIT,见 LICENSE。

GitHub Stars & Activity

134Stars
6Forks
0Open issues
PythonLanguage

GitHub Popularity

GitHub stars134
Forks6
Open issues0
Primary languagePython
License-
Stars gained today0
Created-
Last pushed-

Trending History

Daily boardrank #91 · ▲ 0 stars

Related AI Projects

1

debpalash / VoiceStudio

Python★ 72,951⑂ 7,984▲ 2,135 stars
→
2

bmad-code-org / BMAD-METHOD

Python★ 54,262⑂ 6,098▲ 41 stars
→
3

HKUDS / CLI-Anything

Python★ 53,955⑂ 4,898▲ 580 stars
→
4

K-Dense-AI / scientific-agent-skills

Python★ 52,141⑂ 4,613▲ 879 stars
→
5

MadsLorentzen / ai-job-search

Python★ 50,030⑂ 16,874▲ 1,397 stars
→
6

anthropics / claude-plugins-official

Python★ 41,541⑂ 4,453▲ 1,383 stars
→
7

google / artemis

Python★ 12,144⑂ 1,357▲ 135 stars
→
8

The-Swarm-Corporation / AutoHedge

Python★ 6,350⑂ 918▲ 30 stars
→

More AI Rankings