menus-mcp：全球美食推荐 MCP Server

基于 462 道菜、41 个菜系的全球美食知识库做加权随机推荐。任何支持 Model Context Protocol（MCP）的 AI agent 均可使用，包括：

• Claude Desktop
• Cline
• Cursor
• Continue
• 其他 MCP 兼容客户端

快速安装

也可在 MCP Registry 直接搜到本 server（io.github.spyyps/menus-recommender）。

方式 1：uvx（推荐，无需安装）

{
  "mcpServers": {
    "menus": {
      "command": "uvx",
      "args": ["menus-mcp"]
    }
  }
}

uvx 会自动从 PyPI 下载并运行，首次启动稍有延迟（数据加载约 1s），后续缓存到本地。

方式 2：pip install

pip install menus-mcp

然后在 MCP 客户端配置中：

{
  "mcpServers": {
    "menus": {
      "command": "menus-mcp"
    }
  }
}

方式 3：本地源码运行

git clone https://github.com/spyyps/recommend-dish
cd recommend-dish/mcp-server
pip install mcp          # 唯一依赖
# 运行入口
python3 -m menus_mcp

然后客户端配置：

{
  "mcpServers": {
    "menus": {
      "command": "python3",
      "args": ["-m", "menus_mcp"],
      "cwd": "/path/to/recommend-dish/mcp-server"
    }
  }
}

开放的工具

recommend_dishes

主推荐工具。参数（皆为可选）：

支持的关键词白名单：

• 口味：麻辣、辣、甜、酸、咸、鲜
• 食材：海鲜、牛肉、羊肉、猪肉、鸡肉、素食、牛油果
• 类型：面食、米饭类、汤、甜品、烧烤、火锅、咖喱、汉堡披萨、饮品

否定注意：用户说「不要太辣」时不要传入 辣——传空即可。关键词做硬过滤，传入就会强制匹配。

返回示例（JSON）：

{
  "dishes": [
    {"id": "cn_ch_001", "name": "麻婆豆腐", "name_en": "Mapo Tofu", "price": 38, "cuisine": "川菜", "region": "中华料理", "description": "嫩豆腐配牛肉末，以花椒和豆瓣酱炒制，麻辣鲜香"}
  ],
  "exhausted": false,
  "filters": {"count": 3, "keywords": ["辣"], "price_tier": "", "relaxed": false, ...},
  "candidate_pool_size": 54,
  "returned": 3
}

exhausted=true 表示候选池不足，应触发兜底链（放宽约束、网络搜索、LLM 常识）。

list_keywords

返回支持的关键词白名单。无参数。

兜底推荐

MCP server 仅负责第一层（本地知识库 + 加权随机）。当 exhausted=true 时，应自行按以下链兜底：

1. 降级过滤：去掉价格约束，重试
2. Web 搜索：查 "{用户原话} 推荐 菜品"
3. LLM 常识：基于通用知识推荐，标注「非知识库菜品」

算法说明

• 关键词硬过滤：用户传关键词时菜品必须至少匹配一个（OR）
• 反偏置：权重 × 1/√(该菜系菜品数)，防止大菜系压制小菜系
• 多样性：同一菜系最多 ceil(count/3) 道
• 价格松弛：候选不足时自动去价格档重试一次

发布

cd mcp-server
pip install build
python3 -m build
twine upload dist/*

详见 PyPI 发布指南。