🧠 MCP服务器-配置文件分析器工具
该项目是一个基于FastAPI构建的云托管、兼容MCP的微服务。它暴露了一个端点，可以根据用户的饮食情况分析食品，非常适合与以下工具一起使用 n8n聊天机器人或健康应用程序。
______________________________________________________________________
🚀 这有什么作用
此服务公开一个端点：
POST /mcp/profile_analyzer它接收一个结构化的JSON正文，其中包含：
- 用户的饮食概况（过敏、饮食、健康目标、不喜欢）
- 成分ID列表
- 每100克的营养价值
它返回：
- A.
score(0–100) flags表示问题（例如“含有花生”、“高糖”）- 总结和解释
- 智能建议和产品替代方案
______________________________________________________________________
🛠️ 使用的工具
| 工具 | 目的 |
|---|---|
| 快速 API | Web API框架 |
| 乌维科恩 | ASGI服务器运行FastAPI |
| 派丹蒂克 | 输入/输出数据验证 |
| GitHub | 源代码管理 |
| 铁路 | 云托管平台 |
| 船员工具 *（可选）* | 用于未来的多代理扩展 |
______________________________________________________________________
🔗 实时网址
| 目的 | URL |
|---|---|
| ✅ Swagger UI（文档/测试界面） | https://mcp-food-analyzer-production.up.railway.app/docs |
| 📬 API端点 | https://mcp-food-analyzer-production.up.railway.app/mcp/profile_analyzer |
______________________________________________________________________
🔄 示例请求
POST /mcp/profile_analyzer
Content-Type: application/json{
"user_profile": {
"allergies": ["peanut"],
"diet": ["vegan"],
"dislikes": [],
"health_goals": ["reduce sugar"]
},
"ingredients": [
{ "id": "peanut" },
{ "id": "cocoa" }
],
"nutrition_per_100g": {
"sugars": 18.0
}
}______________________________________________________________________
🧠 为什么使用MCP？
使用MCP（模型控制协议）结构使我们能够：
- 将人工智能工具模块化为可调用的API
- 跨工作流和平台重用相同的逻辑
- 无需前端更改即可交换模型或提示
- 稍后扩展到更高级的工具（如GPT-4 Vision或CrewAI代理）
______________________________________________________________________
📁 项目结构
/main.py # Starts the FastAPI app
/tools/
└── profile_analyzer.py # Core analysis logic
/requirements.txt # Python dependencies______________________________________________________________________
📝 后续步骤
- 添加更多工具（例如。，
/mcp/label_reader) - 将此API连接到n8n工作流
- 为基于GPT的工具添加OpenAI集成
- 如果需要，使用API密钥保护端点
______________________________________________________________________