McMates — скилл заказа в McDonald's China с памятью
mcd-1024-skill
Скилл по MCP McDonald's Китая отвечает на «что поесть» одним вариантом, помнит ваши заказы и ведет индекс цен на Биг Мак
- 464 ★ репозитория
- Последний коммит
- MIT
Широкий доступ
Почему такой уровень
- Через `create-order` скилл оформляет реальные заказы за счет аккаунта, хотя перед этим просит подтверждение
- Токен MCP открывает историю заказов и данные аккаунта, а скилл копирует заказы в локальный файл `data/memory.json`
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/mcd-1024-skillОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемШирокий доступИнструмент может менять данные, выполнять команды или работать с секретами.
- Через `create-order` скилл оформляет реальные заказы за счет аккаунта, хотя перед этим просит подтверждение
- Токен MCP открывает историю заказов и данные аккаунта, а скилл копирует заказы в локальный файл `data/memory.json`
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Скилл `mcmates` работает поверх MCP-сервера McDonald's China (`https://mcp.mcd.cn`) и отвечает на вопрос вроде «что поесть сегодня, до 30 юаней и побольше белка». Он выбирает ресторан, читает меню и данные о питательности, подбирает купоны, пересчитывает цену инструментом `calculate-price` и выдает один вариант с короткой причиной: питательность, цена после купона, чем хорош набор. К основному ответу идут два запасных. «Старый знакомый» берется из ваших частых заказов, «попробовать новое» подбирается из блюд вашего вкусового кластера, которые вы еще не заказывали. Официальный API отдает только последние 10 заказов, поэтому скилл ведет локальную память в `data/memory.json`: заказы, оценки, профиль вкуса и любимые рестораны. Рядом работает ценовой индекс. При первой рекомендации за день скилл молча снимает цены на Биг Мак и картошку в двух-трех городах и складывает их в `data/snapshots/`. Из снимков получается «Индекс Биг Мака» по городам Китая, и каждая рекомендация заканчивается короткой справкой из этих данных. Заказ скилл оформляет только после подтверждения: `create-order`, `cancel-order` и получение купонов он выполняет, когда вы согласились с перечнем действий.
Для кого. Участникам программы лояльности McDonald's в материковом Китае, которые заказывают через ИИ-клиента с MCP и не хотят листать меню и купоны.
Подходит, если
- Перед обедом надо за один ответ получить набор по бюджету и по белку или калориям
- Хочется увидеть, сколько выходит после купонов, не листая приложение
- Нужен заказ с учетом прошлых покупок и оценок, без случайного выбора из меню
- Интересно сравнить цену Биг Мака и картошки в разных городах Китая
Не подходит, если
- Заказ делается вне материкового Китая: нужны аккаунт участника программы и токен с open.mcd.cn
- Нужен MCP-сервер или SDK: в репозитории лежат инструкция для агента и данные, серверной части нет
- Нужна цена на сегодня по конкретному ресторану: индекс строится из выборки по городам и дням, и снимок прошлого дня текущей ценой не считается
Пример запроса к агенту
Что поесть сегодня в обед, до 30 юаней и побольше белкаОграничения
Нужен аккаунт участника программы лояльности McDonald's в материковом Китае и токен MCP, который выдают на open.mcd.cn/mcp. Токен читается из переменной `MCD_MCP_TOKEN`. Клиент должен поддерживать Streamable HTTP MCP и чтение с записью локальных файлов.
Скилл вызывает 11 инструментов из своей инструкции, но реальные имена и параметры задает подключенный сервер, и доступность вызовов не гарантирована. Автотестов в репозитории нет. Документы с PRD и прототипом написаны для конкурса: они не подключают аккаунт, не размещают заказы и не отражают реальных испытаний.
Как отключить. Удалите запись `mcd-mcp` из настроек MCP клиента, уберите папку скилла и переменную `MCD_MCP_TOKEN`. Локальная память лежит в `data/memory.json`, ее можно удалить отдельно.
Частые вопросы
Какие инструменты MCP вызывает скилл?
Одиннадцать: `query-nearby-stores`, `query-meals`, `list-nutrition-foods`, `query-store-coupons`, `calculate-price`, `campaign-calendar`, `order-list`, `query-order`, `auto-bind-coupons`, `create-order` и `cancel-order`. Перечень взят из инструкции скилла, полного списка инструментов сервера в нем нет.
Что нужно для работы McMates?
Аккаунт участника McDonald's в материковом Китае и токен MCP с open.mcd.cn/mcp. Токен задают в переменной `MCD_MCP_TOKEN` и подключают сервер `https://mcp.mcd.cn` в клиенте, а SKILL.md загружают из репозитория.
Заказывает ли скилл сам?
Только после вашего подтверждения. Перед `create-order`, `cancel-order` и получением купонов скилл перечисляет действия и ждет согласия, а в память записывает лишь заказы, которые прошли.
Зачем нужна память в data/memory.json?
Официальный API отдает только последние 10 заказов, поэтому скилл хранит заказы, оценки и профиль вкуса у вас на компьютере. По этим данным он выбирает «старого знакомого» и «попробовать новое». Данные в сторонние API не отправляются.
Что такое Индекс Биг Мака в этом скилле?
Это таблица цен на Биг Мак и картошку по городам Китая. Скилл собирает ее выборкой при первой рекомендации за день. Фраза 看指数 выводит полный рейтинг городов.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыСкилл заказа в McDonald's China через официальный MCP: цены с купонами, состав, статус заказа и тихий итог без оценок еды.
McButler (mcd-self-butler)
mcd-self-butler
McButler считает для заказа в McDonald's калории, полную цену с дорогой и очередью и подбирает набор под бюджет через MCP сети
Подбирает полный заказ McDonald's Китая под бюджет и вкус по официальным ценам и выдает готовую карточку для заказа
Скилл сравнивает меню и купоны McDonald's Китая, считает стоимость заказа и проверяет, какие скидки доступны в выбранном ресторане
Скилл для агента: перебирает меню и купоны McDonald's Китая и подбирает заказ по самой низкой цене
Скилл по MCP McDonald's Китая: из бюджета и пожеланий делает до трех меню с официальной ценой, остатком и условиями купонов
Сравнение с похожими
Карточки с тем же главным запросом: чем они отличаются.
| Инструмент | Официальный | Авторизация | Звезды репозитория | Главное отличие |
|---|---|---|---|---|
| McMates — скилл заказа в McDonald's China с памятью (эта карточка) | нет | 464 | ||
| mcd-budget-meal | нет | 1 618 | по бюджету и пожеланиям делает до трех меню; здесь один ответ с двумя запасными, локальная память заказов и индекс цен по городам | |
| mcd-cn-assistant | нет | API-ключ | 379 | сравнивает меню и купоны и считает общий заказ; здесь добавлены профиль вкуса по прошлым заказам и ежедневная выборка цен |
Коротко о README
README представляет проект как работу на конкурс McDonald's для программистов 2026 года: три слоя (решение, память, индекс цен), схема взаимодействия, таблица цен по 11 городам за 9 октября 2026 года и быстрый старт с конфигом MCP. Лицензия MIT.
Бейдж для README
Исходный SKILL.md
---
name: mcmates
description: 麦麦老友记——只给一个答案的麦当劳点餐 Skill。当用户提到吃麦当劳、点麦当劳、今天吃啥、推荐麦当劳套餐、看麦麦指数时使用。
---
# 麦麦老友记 McMates
你是用户的"麦当劳老友"：话不多，但句句有用。你的任务不是展示多少商品，而是替用户省下选择的力气。
## 你的性格
- 像一个相处多年的老朋友：直接、具体、不客套。不说"为您找到以下 15 款商品"，只说"就它了"。
- 推荐永远带理由，理由永远三行以内：营养达成、券后价格、为什么是它。
- 介绍新品或价格冷知识时可以有一点幽默，但拿数据说话，不堆形容词。
## 核心流程：一次推荐请求
用户说出需求（如"今天中午吃啥，30 以内多点蛋白"）后，依次执行：
1. **定门店**：优先用记忆库里的常点门店（`data/memory.json` 的 `favoriteStores`）。没有则问一句用户在哪附近，或让用户提供城市+地标，调用 query-nearby-stores（beType=1，searchType=2）搜索。
2. **拉菜单**：调用 query-meals（storeCode，orderType=1，beType=1）获取在售商品池。
3. **过滤条件**：解析用户当次输入——预算上限、蛋白/热量等营养目标、口味关键词、餐段（早/午/下午茶/晚/宵夜）。用 list-nutrition-foods 的营养数据做硬约束筛选。
4. **匹配优惠券**：调用 query-store-coupons 获取门店可用券，为候选组合试算最优搭配。
5. **核价**：用 calculate-price 对最终候选核价（价格单位为分，展示时除以 100）。确认预算内。
6. **组织答案**，格式固定：
```
🍔 就它了：{组合名}
{营养达成} ｜ {券后价格} ｜ {为什么是它，一句话}
或者看看：
· 老朋友：{记忆库高频/高评单品}——{它和用户的交情，如"本月第 4 次"}
· 尝个新：{用户口味簇内未尝试过的商品}——{为什么适合他}
📊 麦麦小知识：{今日一条}
确认下单说"就它了"。
```
## 记忆银行
本地文件 `data/memory.json` 是你的长期记忆，结构：
```json
{
"orders": [{"date": "", "items": [{"code": "", "name": "", "qty": 1}], "total": 0, "rating": null, "storeCode": ""}],
"tasteProfile": {"clusters": {"beef": 0.6, "chicken": 0.3, "fish": 0.1}, "spiceLevel": 2, "avgSpend": 27.5},
"favoriteStores": ["storeCode"],
"firstUse": "2026-10-09"
}
```