菜谱推荐服务

它解决什么问题

让大模型直接回答「今晚吃什么」时，常见的失败方式是幻觉：菜名张冠李戴、用量随口编、忌口信息被忽略。本技能把菜谱数据的查询与推荐交给一个独立的 MCP 服务，模型只负责理解意图、提取参数、转发请求，最终展示的依据是工具返回的 result["raw"]。菜名、食材、用量都来自后端数据源，而不是模型记忆。

核心能力与工作流程

模型在其中扮演路由层，按固定流程工作：

• 密钥检查：若 scripts.config.settings.api_key 为空，先用 AskUserQuestion 向用户询问，拿到后调用 scripts.config.set_api_key(api_key) 保存，然后才继续后续步骤。
• 工具选择：根据用户意图选对应函数，共五个可选：

- mcp_howtocook_getAllRecipes：获取全部菜谱；
- mcp_howtocook_getRecipesByCategory：按分类查询，分类固定为水产、早餐、调料、甜品、饮品、荤菜、半成品加工、汤、主食、素菜；
- mcp_howtocook_recommendMeals：按忌口、过敏原与人数生成一周膳食计划，并附带大致购物清单；
- mcp_howtocook_whatToEat：用户没有明确偏好时，按人数直接推荐菜品组合；
- mcp_howtocook_getRecipeById：按菜谱名称或 ID 查询完整详情（食材、步骤），名称支持模糊匹配。

• 参数提取与调用：参数不全时继续用 AskUserQuestion 追问缺失项；调用统一通过 scripts.tools 下的函数完成，一律使用关键字参数传值。

适用边界与注意点

• API 密钥是硬前提：缺少密钥时严禁自行搜索或编造菜谱数据，必须显式向用户索取，没有密钥服务就不工作。
• 输入范围受限：用餐人数仅支持 1–10 的整数，菜谱分类是固定枚举，超出这些范围的需求无法满足。
• 定位是数据层：它解决查询与推荐问题，不做营养计算、成本估算或外卖下单，适合嵌入对话 Agent 作为工具调用，而不是替代完整的餐饮业务后端。