麦门省钱精算师 · mcd-saver-strategist
基于 麦当劳中国 MCP（McDonald's China MCP） 开发的省钱点餐 Skill / AI 智能体技能： 把「菜单 × 优惠券 × 叠加规则」的组合优化交给确定性算法， 让每一顿麦麦都点得明明白白、省得清清楚楚。 又名：麦门省钱精算师 / 麦当劳省钱点餐助手 / MCD Saver Strategist。
麦当劳程序员创意开发大赛参赛作品 · 非麦当劳官方产品。
一句话介绍
用户说"我想吃巨无霸套餐，怎么最便宜"，它拉取门店菜单和所有可用优惠券， 用算法穷举出总价最低的合规组合，并帮你下单。
示例：巨无霸 + 中薯条 + 可乐，直选 ¥47.00； 用「1+1 随心配」组合后 ¥21.90，省 ¥25.10（53%）。
🎮 在线试算（无需登录）：https://hujjun.github.io/mcd-saver-strategist/ ——
优化算法的前端完整复刻，选好想吃的、拖动预算和热量上限，实时算出最优组合，打开即玩。
（若链接打不开，说明 GitHub Pages 尚未开启：仓库 Settings → Pages → Branch 选 main + /docs → Save，约 1 分钟生效。）
🔎 静态示例：docs/demo.html ·
🖼️ 原理图：images/how-it-works.png ·
🎬 宣传动画：images/promo.mp4
它解决什么问题
麦当劳的优惠是典型的组合爆炸问题：
- 菜单几十项、优惠券动辄十几张、叠加规则各不相同；
- 用券还要考虑「为凑满减而加购是否划算」；
- 用户懒得算，大模型也容易算错（价格、折扣、叠加口算不可靠）。
本 Skill 的核心洞察是：取数交给 MCP，算术交给代码，表达交给 Agent。
| 角色 | 职责 |
|---|---|
| 麦当劳 MCP | 实时菜单、价格、优惠券、营养、门店、下单 |
scripts/optimizer.py |
确定性组合优化，输出总价最低的 Top-N 方案 |
| WorkBuddy Agent | 理解需求、归一化数据、讲解方案、确认后下单 |
架构
flowchart TD
U[用户: 想吃X, 预算Y, 热量Z] --> A[WorkBuddy Agent]
A -->|now-time-info| M[麦当劳 MCP<br/>mcp.mcd.cn]
A -->|nearby/delivery stores| M
A -->|query-meals / meal-detail| M
A -->|auto-bind + 3路券池| M
A -->|list-nutrition-foods| M
M --> N[归一化<br/>menu/coupons/request.json]
N --> O[optimizer.py<br/>确定性组合优化]
O --> P[Top-N 最优方案]
P --> A
A -->|calculate-price 核价| M
A --> Q{用户确认?}
Q -->|是| C[create-order]
Q -->|否| P
C --> R[支付链接]
一句话安装
git clone https://github.com/hujjun/mcd-saver-strategist.git && cp -r mcd-saver-strategist/skills/mcd-saver-strategist ~/.workbuddy/skills/
（Windows 为 %USERPROFILE%\.workbuddy\skills\；MCP Token 配置见下文「安装」。）
安装
1. 申请麦当劳 MCP Token
前往麦当劳 MCP 开放平台 https://open.mcd.cn/mcp ，手机号登录后在「控制台」激活并复制 Token。
2. 配置 MCP 连接
在 WorkBuddy 左侧边栏【专家·技能·连接器】→【连接器】→ 右上角【自定义连接器】→【配置 MCP】中，
填入 mcp-config.example.json 的内容，
并把 ${MCD_MCP_TOKEN} 替换为你的真实 Token（或用环境变量注入），保存后【启用】。
3. 安装本 Skill
把 skills/mcd-saver-strategist/ 整个目录复制到 WorkBuddy 的用户技能目录：
cp -r skills/mcd-saver-strategist ~/.workbuddy/skills/
（Windows 为 %USERPROFILE%\.workbuddy\skills\）
装好后在对话框里直接说「我想吃巨无霸套餐，怎么点最便宜」即可触发。
使用示例
示例 1 · 单人到店
用户：我想吃巨无霸 + 薯条 + 可乐，怎么最便宜？
精算师：拉菜单 + 四路券池 → 优化 → 「1+1 随心配 ¥12.9 覆盖巨无霸和中薯条，另外单点可乐 ¥9， 合计 ¥21.90，比直选省 ¥25.10」。
示例 2 · 预算硬约束
用户：30 块钱在麦当劳能吃到什么？
精算师：以 budget=30 求解，返回在预算内的最优搭配，并列出各方案到手价与热量。
示例 3 · 热量约束
用户：减脂期，想吃麦当劳，800 大卡以内还要便宜。
精算师：引入 list-nutrition-foods，以 max_calories=800 求解，
给出低卡又省钱的组合（如板烧鸡腿堡 + 麦咖啡 + 圆筒）。
示例 4 · 外送
用户：帮我在麦乐送点一份午餐，别超过 40。
精算师：delivery-query-addresses → delivery-query-stores → 后续流程同上，
下单前用 calculate-price 核价（含配送费）。
命令行快速体验（无需 Token）
内置样例数据，可离线跑通完整优化流程：
cd skills/mcd-saver-strategist/scripts
# 看优化结果（默认到店自取场景）
python optimizer.py
# 同时输出结构化 JSON
python optimizer.py --json
# 外送场景：配送费计入总价，且仅外送可用的券参与优化
python optimizer.py --mode delivery --fee 9
# 预算 / 热量硬约束
python optimizer.py --budget 25
python optimizer.py --max-calories 800
# 跑 19 项自测（改逻辑后必跑）
python selftest.py
真实性对照表
| 项目 | 性质 | 说明 |
|---|---|---|
| 优化算法 | ✅ 真实 | optimizer.py 与在线试算页为同一套逻辑，结果可用上面命令复现 |
| 「省 53%」结论 | ✅ 真实 | 算法在示例数据上算出，非人工编排 |
| 券叠加规则 | ✅ 真实 | 保守策略：stackable:false 与任何券互斥，保证方案价 ≤ 实付价 |
| 菜单价格 / 热量 | 🟡 示例快照 | 结构对齐 MCP 返回，数值为演示用，以门店实时返回为准 |
| 优惠券内容 | 🟡 示例快照 | 结构对齐 MCP 四路券池归一化结果，可用性以账号实时状态为准 |
| 下单能力 | ✅ 真实 | 经 MCP 核价（calculate-price）→ 下单（create-order），本仓库页面不涉及下单 |
实测发现
开发过程中用真实 MCP 联调得到的观察（2026-10，个人账号实测）：
- 券要四路查全：
query-my-coupons返回的是已入卡包的券；麦麦省的可领券需先auto-bind-coupons领取才会出现，门店券在query-store-coupons。只查一个来源会漏掉最优组合。 - 券有场景属性：实测部分门店券仅到店可用。优化器已支持
channel字段（pickup/delivery/any），外送场景自动剔除不可用券，并把配送费计入总价参与预算判断。 - 历史订单可能为空：
order-list在账号无历史订单时返回空列表，依赖它做推荐的功能必须有空态兜底。 - 营养数据可以直接用：
list-nutrition-foods一次返回约 160 款餐品的多维营养数据，热量约束场景无需额外估算。
目录结构
.
├── README.md # 本文件
├── CONTEST_DECLARATION.md # 参赛声明（官方原文，未改动）
├── MCP_INTEGRATION.md # MCP 集成说明：Tool 清单 / 调用流程 / 业务价值
├── mcp-config.example.json # 脱敏 MCP 配置（仅环境变量占位符）
├── workbuddy.md # WorkBuddy 开发对话上下文
├── LICENSE # MIT
├── docs/
│ ├── index.html # 可交互在线试算（算法的前端复刻，打开即玩）
│ ├── demo.html # 静态示例快照
│ └── preview.png # 在线试算页整页截图
├── images/
│ ├── how-it-works.svg / .png # 「省 53% 是怎么算出来的」原理图
│ └── promo.mp4 # 宣传动画（AI 生成，仅作视觉物料）
└── skills/mcd-saver-strategist/ # ← Skill 本体
├── SKILL.md # 技能指令（Agent 加载）
├── scripts/
│ ├── optimizer.py # 确定性优惠组合优化器（纯标准库）
│ ├── selftest.py # 19 项自测
│ └── sample_data/ # 离线示例：菜单/券/请求
└── references/
├── mcp-tools.md # MCP Tool 清单与字段映射
└── coupon-strategy.md # 5 类券建模与省钱策略
目标用户
- 价格敏感的学生 / 上班族：想吃得划算，但懒得比价、算券。
- 减脂健身人群：既要控制热量，又不想多花钱。
- 家庭 / 多人拼单：需要在预算内配齐多人餐。
- 经常用券的"羊毛党"：手里券多，需要最优组合方案。
技术亮点
- 确定性优化，不靠大模型口算：所有金额由
optimizer.py计算或 MCP 返回。 - 保守的叠加策略：宁少报优惠，也不给"到店付不出"的假低价。
- 场景感知：券的
channel（到店/外送）过滤 + 外送费计入总价，到店和外送给不同最优解。 - 零依赖：纯 Python 标准库，WorkBuddy 沙箱可直接运行；在线试算页同样零依赖、单文件。
- 可核验闭环：下单前用
calculate-price复核，方案 = 实付。 - 19 项自测：核心逻辑有断言保护，可安全迭代。
搜索关键词
中文：麦当劳 · 麦门 · 麦当劳优惠券 · 麦当劳省钱 · 麦当劳点餐 · 麦乐送 / 外送 · 巨无霸 · 1+1 随心配 · 优惠券组合 / 叠加 · 满减 · 组合优化 · 省钱算法 · 麦当劳程序员创意开发大赛 · WorkBuddy 技能 · AI 智能体 · Agent Skill
English: McDonald's / McDonalds China / MCD · MCP (Model Context Protocol) · mcd-mcp · coupon optimizer · coupon combination · money saving · fast food deals · deterministic optimization · brute-force search · WorkBuddy skill · AI agent · agent skill · Python
推荐搜索词：麦当劳 MCP · mcd mcp · mcdonalds skill · 优惠券 优化 · 麦门 省钱
免责声明
本项目为麦当劳程序员创意开发大赛参赛作品，由参赛者独立开发，非麦当劳官方产品。 项目输出仅供参考，不构成医疗、营养或其他专业建议；餐品信息、价格及供应状态 以麦当劳官方渠道的实时结果为准。使用麦当劳 MCP 服务须遵守其《使用条款》与《麦当劳 MCP 服务规则》。
许可
MIT License（见 LICENSE）。