Recommend Dish MCP Server

环球美食推荐 Plugin

一个 AI agent 插件：当用户表达就餐意向（「推荐晚餐」「不知道吃什么」「想吃点辣的」），基于 462 道菜的全球美食知识库做加权随机推荐。

• 零依赖：纯 Python 3 标准库
• 跨 agent：Claude Code（plugin）+ Gemini CLI（GEMINI.md）+ 任何 MCP 兼容 agent（规划中）
• 智能兜底：本地知识库 → 自动放宽 → 网络搜索 → LLM 常识，4 层兜底
• 去偏置 + 多样性：避免大菜系（如中餐）压制小菜系；避免推荐 3 道全是同一菜系

快速测试

python3 scripts/recommender.py --count 3 --keywords "辣,牛肉"

返回 JSON：

{"dishes": [{"id": "...", "name": "麻婆豆腐", "price": 38, "cuisine": "川菜", ...}, ...], "exhausted": false, ...}

完整参数：

python3 scripts/recommender.py --help

安装到不同 AI Agent

Claude Code

方式 A：自建 marketplace（推荐）

/plugin marketplace add spyyps/recommend-dish
/plugin install menus-recommender@spyyps-recommend-dish

安装后在任意目录的 Claude Code 会话里说「推荐晚餐」「想吃点辣的」即可触发。 后续更新插件：/plugin update menus-recommender。

方式 B：本地 git clone

git clone https://github.com/spyyps/recommend-dish ~/.claude/plugins/menus-recommender

Gemini CLI

git clone https://github.com/spyyps/recommend-dish
cd recommend-dish
gemini   # 在本目录运行 Gemini CLI，会自动加载 GEMINI.md

Cursor / Codex

待添加（参考 .cursor-plugin/ 与 .codex-plugin/ 的多 manifest 适配，第二阶段交付）。

MCP 兼容的任意 Agent

适用于 Claude Desktop / Cline / Cursor / Continue 等任何 MCP 客户端。

uvx 方式（推荐，无需 pip install）：

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

或者 pip install：

pip install menus-mcp

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

详见 mcp-server/README.md。

触发示例

算法核心

1. 关键词硬过滤：用户传了关键词时，菜品必须至少命中一个（OR 语义）
2. 多重命中加权：命中 N 个关键词的菜，权重 ×2^(N-1)
3. 菜系反偏置：权重 ×1/√(该菜系总菜数)，平衡中餐占 35% 的天然偏差
4. 多样性贪心：同一菜系上限 ≤ ceil(count/3)
5. 价格档松弛：候选不足自动去掉价格档重试一次

关键词白名单

只接受以下关键词，超出范围的（如「不辣」「清淡」）由 LLM 在调用前消化掉：

• 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

数据来源

• 全球菜系 462 道菜（10 个地区、41 个菜系、69 个子风味）
• 价格范围 ¥6 ~ ¥388（CNY）
• 完整数据见 menu.json 与 knowledge_base/ 各索引文件

发布到他人（仓库 owner 视角）

作为 Plugin 分享

1. git push 到 GitHub（本仓库已就绪：spyyps/recommend-dish）
2. 仓库内 .claude-plugin/marketplace.json 已配置好，列出所有可装插件
3. 在 README 贴出一行安装命令，分享仓库链接即可

作为 MCP 分享

仓库内 mcp-server/ 目录已实现 MCP server（Python，复用同一 recommender.py），暴露 recommend_dishes 与 list_keywords 两个工具。发布方式：

• PyPI（推荐）：

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

  用户 uvx menus-mcp 或 pip install menus-mcp 即可。
• 社区目录：发布完成后，提 PR 到 github.com/modelcontextprotocol/servers 把 menus-mcp 加进列表。
• MCPB 单文件（Claude Desktop 专用）：npx @anthropic-ai/mcpb pack → GitHub Release → 用户拖入 Claude Desktop 即装。

详见 mcp-server/README.md。

许可

MIT