Menus Recommender

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 pip install -r mcp-server/requirements.txt

运行入口

python3 mcp-server/server.py

或在 mcp-server/ 目录下：

cd mcp-server && python3 -m menus_mcp

然后客户端配置：

{

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

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
• 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。