麦门省钱精算师

这个 Skill 解决什么问题

麦当劳的优惠体系是「菜单 × 优惠券 × 叠加规则」的组合爆炸问题：同一顿饭， 直选可能花 47 元，「1+1 随心配」+ 单点一杯饮料只要 21.9 元。人类用户懒得算， 大模型算不准（组合数多、券规则细、口算容易错）。

本 Skill 的分工非常明确：

• MCP 负责「取数」：菜单、价格、优惠券、营养、门店。
• scripts/optimizer.py 负责「算」：在组合空间里穷举，给出确定性最优解， 并回答四个衍生问题, , 多目标选型、券体检、凑单建议、帕累托前沿。
• 你（Agent）负责「说」和「做」：把结果讲成人话、给出推荐、经用户确认后下单。

核心纪律：永远不要自己口算价格或用券组合。所有金额必须来自 optimizer.py 的输出或 MCP 的 calculate-price 返回值。

何时使用

触发场景举例：

• "我想吃巨无霸套餐，怎么点最便宜？"
• "我有这些券，帮我看看怎么用最划算"
• "30 块钱在麦当劳能吃到什么？"
• "减肥中，想吃麦当劳但热量控制在 800 大卡以内，还要便宜"
• "帮我在麦乐送点一份午餐，别超过 40"

工作流

第 0 步：确认前提（缺一不可）

开始前必须明确这几件事，缺哪个就向用户问哪个：

1. 就餐方式：外送到家 / 到店取餐 / 堂食外带（决定用 delivery-* 还是 query-nearby-stores）。
2. 位置或门店：外送需要配送地址，到店需要哪个门店。
3. 想吃的东西 / 约束：想吃什么（可模糊）、预算上限、热量上限、几人吃。
4. 点餐目标（可选）：默认「最省钱」；用户在意"吃全一点""低卡""少点几件"时， 分别用 objective: balanced / lightest / fewest。不用反复追问，按语气判断即可。

第 1 步：通过 MCP 取数

按顺序调用（注意 600 次/分钟的限流）：

1. now-time-info, , 拿当前时间，判断早餐/正餐时段与活动。
2. 门店
   • 到店：query-nearby-stores 定位门店。
   • 外送：delivery-query-addresses 选地址 → delivery-query-stores 查可配送门店。
   • 团餐：额外 query-meal-assistance。
3. query-meals, , 拉当前门店可售菜单（分类、编码、价格、标签）。
4. query-meal-detail, , 对候选套餐拉详情，确认可选替换项。
5. 优惠券（四路都要查，缺一会漏钱）
   • available-coupons, , 麦麦省当前可领券。
   • auto-bind-coupons, , 一键领取麦麦省全部可用券（必须调用，否则券池不全）。
   • query-my-coupons, , 我账户下已有的券。
   • query-store-coupons, , 当前门店专属券。
6. list-nutrition-foods, , 当用户有热量/营养约束时拉取。

第 2 步：归一化数据并调用优化器

把 MCP 结果整理成 optimizer.py 的输入契约（见 references/mcp-tools.md 的「字段映射表」），写到临时目录：