Kitchen MCP

厨房MCP

Kitchen MCP是一个后端服务器，旨在将Gemini Pro等大型语言模型连接到厨房助手应用程序的“真相来源”。它使用 FastMCP 该框架公开了一组工具，允许人工智能与包含食谱、配料和成本信息的Supabase数据库进行交互。

这座桥使对话式人工智能能够准确回答问题，管理厨房库存，计算配方成本，并根据结构化的实时数据扩展生产计划。

特性

服务器公开了以下工具供AI使用：

• check_connection：验证与Supabase数据库的连接。
• add_ingredient：将新配料添加到厨房目录中。
• update_ingredient_price：更新现有成分的成本。
• create_full_recipe：使用配料列表创建新配方。
• scale_recipe：计算多份食谱的总成分和成本。
• calculate_recipe_cost：计算单个配方的总生产成本。

设置

按照以下步骤使服务器在本地运行。

1.先决条件

• Python 3.13 或更新。
• 紫外线：此项目使用 uv 用于包管理。您可以使用安装 pip install uv.
• Supabase凭据：您必须有权访问Supabase项目。服务器需要 SUPABASE_URL 和一个 SUPABASE_SERVICE_ROLE_KEY。请咨询您的项目管理员以获取这些信息。

2.安装

首先，将存储库克隆到本地计算机：

git clone https://github.com/javieroc/kitchen-mcp.git
cd kitchen-mcp

创建虚拟环境并安装依赖项：

uv sync
source .venv/bin/activate

3.配置

服务器是使用环境变量配置的。创建一个 .env 项目根目录中的文件：

touch .env

将您的Supabase凭据添加到此文件。 不要将此文件提交到版本控制。

# .env
SUPABASE_URL="your-supabase-project-url"
SUPABASE_SERVICE_ROLE_KEY="your-supabase-service-role-key"

运行服务器

此存储库现在有两个运行时：

1. MCP服务器(mcp_server/main.py)这暴露了Supabase工具。
2. FastAPI服务器(app/main.py)只有一个经过身份验证的 POST /chat 终点。

在单独的端口上运行它们：

# Terminal 1
uv run python mcp_server/main.py

# Terminal 2
PORT=8001 uv run uvicorn app.main:app --host 0.0.0.0 --port 8001

所需的环境变量：

SUPABASE_URL="..."
SUPABASE_SERVICE_ROLE_KEY="..."   # MCP server
SUPABASE_ANON_KEY="..."           # FastAPI auth validation (preferred)
MCP_SERVER_URL="http://127.0.0.1:8000/mcp"
LLM_MODEL="gemini/gemini-2.5-flash"  # default, provider/model via LiteLLM format
LLM_TEMPERATURE="0.2"                # optional
GEMINI_API_KEY="..."                 # for Gemini models
OPENAI_API_KEY="..."                 # for OpenAI models
ANTHROPIC_API_KEY="..."              # for Anthropic models

健康终点：

• FastAPI： GET /health
• MCP服务器： GET /health

对话端点（已验证）：

• POST /chats 创建新的聊天线程
• GET /chats 列出用户的聊天线程
• GET /chats/{chat_id} 获取一个线程+完整的消息历史记录
• POST /chats/{chat_id}/messages 添加用户消息，生成代理回复，并保持两者

铁路部署（2项服务）

从同一存储库部署两个Railway服务：

1. fastapi-api （公众）
2. mcp-server （私人/内部）

服务1： mcp-server （仅限私人）

• 启动命令：

uv run fastmcp run mcp_server/main.py:mcp --transport http --host 0.0.0.0 --port $PORT --path /mcp

• 必需的环境变量：

- SUPABASE_URL - SUPABASE_SERVICE_ROLE_KEY

• 不要为此服务公开公共域。

服务2： fastapi-api （公众）

• 启动命令：

uv run uvicorn app.main:app --host 0.0.0.0 --port $PORT

• 必需的环境变量：

- SUPABASE_URL - SUPABASE_ANON_KEY - MCP_SERVER_URL 设置为MCP私有URL（例如 http://:/mcp) - LLM_MODEL 和提供程序API密钥： GEMINI_API_KEY 或 OPENAI_API_KEY 或 ANTHROPIC_API_KEY - 可选： LLM_TEMPERATURE

网络

• FastAPI通过铁路专用网络调用MCP。
• 保持FastAPI公开，保持MCP私有。

4.VS代码集成

要在GitHub Copilot Chat或VS Code中的Gemini扩展中直接使用这些工具：

确保MCP服务器正在运行(uv run python mcp_server/main.py).

在项目根目录中，创建一个名为.vscode的目录（如果它不存在）。

在.vcode文件夹中创建一个名为mcp.json的文件：

{
	"servers": {
		"kitchen-orchestator": {
			"url": "http://127.0.0.1:8000/mcp ",
			"type": "http"
		}
	},
	"inputs": []
}

打开副驾驶聊天面板。

单击工具（扳手图标），确保厨房编排器已启用。

你现在可以问这样的问题：“做一个玛格丽塔披萨要花多少钱？”