McCourt 麦门法庭

吃什么吵不明白？交给麦门大法官。

McCourt 是一个移动端优先的互动 Web 产品，把多人点餐争论变成 AI 法庭审判。用户录入 1–4 位参与者的预算与诉求，系统调用麦当劳中国官方 MCP 的只读工具，按确定性推荐规则生成逐人餐品建议和趣味判决书。

在线体验：mccourt.vercel.app

安装和使用 Agent Skill

McCourt 也可以作为 Agent Skill 使用，让支持 Agent Skills 的客户端根据预算、口味和位置生成点餐建议。通过 Skills CLI 安装，需要 Node.js 22.20 或更高版本：

# 安装到当前项目，按提示选择 Agent
npx skills add aircrushin/mccourt --skill mccourt

# 安装到用户目录，供多个项目使用
npx skills add aircrushin/mccourt --skill mccourt -g

# 直接安装到 Codex 的用户目录
npx skills add aircrushin/mccourt --skill mccourt -g -a codex

安装后，可以对 Agent 说：

用 mccourt 帮两个人点麦当劳，每人预算 30 元，一个想多吃鸡肉，一个必须有薯条，地点是北京朝阳大悦城。

Skill 默认请求 https://mccourt.vercel.app。实时推荐需要提供每人的预算和位置，并使用所选服务端配置的 MCP 账户。想先体验固定案例，可以要求 Agent 使用 Demo 模式；Demo 中的餐品和价格不代表实时数据。

也可以指定自己的 McCourt 服务地址，或在调用方环境设置 MCCOURT_BASE_URL=http://127.0.0.1:3000。安装 Skill 只提供操作指引和接口文档；自行运行服务时，按 本地运行步骤 安装网站依赖，Live 模式还需在服务端配置 MCD_MCP_TOKEN。调用者无需向推荐接口提交 Token。

# 查看更新，并按提示更新已安装的 Skill
npx skills check
npx skills update

更多说明见 Skill 入口 和 HTTP API 示例。Skill 文件托管在本仓库；skills.sh 的收录由 CLI 的安装统计驱动，安装可用与目录展示是两个独立过程。

目标用户

适合需要协调多人点餐的朋友、同事和家庭，也适合独自面对预算、口味和饮食目标取舍的用户。无需登录，由一人录入整桌诉求即可使用。

使用示例

1. 点击「立即开庭」，创建饭局并添加参与者。
2. 例如给小王设置预算 20 元、诉求「越便宜越好」；给小李设置预算 35 元、诉求「想补充蛋白质」；给小张设置预算 30 元、诉求「想控制热量，但必须吃薯条」。
3. 点击「咚！开庭！」，服务端查询麦当劳 MCP，生成逐人推荐和趣味判决。可获取的价格、营养及来源会随推荐展示；缺失字段保留为空或说明暂未获取。
4. 每位参与者可以直接采用备选、服判或提出上诉；太贵时换成更便宜的组合，不够饱时尝试增加食物，无法满足时解释原因并保留原方案。全部确认后让判决生效。实时判决生效后，可以按最近的营业门店重新计价，确认取餐方式后前往支付。

「体验示例案件」使用固定案例资料，仅用于流程体验，不代表实时餐品、价格或营养。Live 模式失败时会说明原因，不会静默切换为固定案例。

已实现

• 首页品牌与原创汉堡法官
• 首页「我的优惠券」入口：查看服务端当前绑定账户的券面、有效时段和渠道限制，支持分页与刷新；所有访客看到同一账户的券包，不代表当前订单可用
• 1–4 人饭局创建、预算、标签、饥饿程度和自由诉求
• 开庭动画、可跳过、减少动画适配
• Live MCP：门店、菜单价格、营养数据真实调用
• 体验案例：明确标注固定资料及非实时性质
• 预算内组合推荐：主食 + 小食 + 饮品；较高饥饿程度可增加第二份主食
• 每人组合总价、预算余额、完整营养合计、最多两个可采用的备选、全桌合计
• 硬约束优先的推荐引擎与逐项来源字段
• 判决书、逐人服判、最多三轮上诉、最终生效、复制/分享
• 实时判决生效后，按定位选择最近营业门店，确认取餐方式并打开支付页
• /api/recommend、/api/appeal、/api/mcd/status、/api/health
• skills/mccourt/SKILL.md 与比赛材料

开发

npm install
cp .env.example .env.local
npm run dev

验证：

npm run typecheck
npm test
npm run build

部署

项目已部署到 Vercel，并绑定 GitHub 仓库 的 main 分支，推送后自动部署。

自行部署时，在 Vercel 环境变量中设置 MCD_MCP_TOKEN。如需 AI 法官文案，再设置 OPENROUTER_API_KEY；默认模型为 qwen/qwen3.7-flash:nitro。模型密钥未配置或调用失败时使用规则化判词。不要上传 .env.local 或真实凭证。

mcp-config.example.json 使用 ${MCD_MCP_TOKEN} 环境变量占位符；导入 MCP 客户端时，需按客户端支持的方式注入凭证，不要将填入真实 Token 的配置提交到仓库。

本项目使用 Codex 开发。比赛报名需另行在官方活动仓库发布报名 Issue，作品部署不等于报名成功。

文档

• MCP_INTEGRATION.md
• docs/DEMO_SCRIPT.md
• docs/SUBMISSION_CHECKLIST.md
• docs/TEST_REPORT.md

组合推荐规则

每人的组合总价分别遵守其预算，不挪用他人预算。系统枚举最多两份不同主食、一份小食和一份饮品，以已知价格的分为单位核算。饥饿程度影响食物类别搭配的评分；这是粗略偏好，不是科学饱腹预测。预算不足时允许少配品类，并说明缺口。

价格缺失、周边、酱料和内容不明的任选条目不进入组合。官方套餐作为整份候选保留，不拆分或推测内部餐品。营养只按名称精确匹配；所有组成项的营养值都可验证时才计算该项总量。组合价为单品现价相加，不代表官方优惠套餐价。