mcd-memory-can
麦当劳 MCP 订单可视化 · WorkBuddy 开发的九幕长卷生成器 —— 调用麦当劳中国官方 MCP 只读接口 order-list,把历史订单做成《重庆森林》质感的九幕图文长卷(1080×1440 竖图 / 长图 / PDF)
Install / Use
claude mcp add MarkWang90 -- npx -y github:MarkWang90/mcd-memory-canIf the server publishes to npm under a different name, use that package instead — check the repo README.
MCP Server
Model Context Protocol server
Quality Score
Category
Development & EngineeringSupported Platforms
Our assessment of mcd-memory-can
mcd-memory-can scores 77/100 on our quality scale, 3666th of 4,602 Development & Engineering skills we index.
Its MCP Server is 4.4 KB long, well organised into 13 sections with 6 code examples: a solid amount of guidance for an agent.
It has 10 GitHub stars, so there is little community track record yet; judge it on its content.
Maintenance, license and trust
- The repository was last updated 2 days ago, so mcd-memory-can is actively maintained.
- It is released under the MIT license, a permissive license that allows use, modification and commercial use with attribution.
- Its trust signals score 97/100, with no cautions. These come from repository metadata, not a code audit — read the skill file before letting an agent act on it.
mcd-memory-can compared with similar skills
All 4 of these similar skills score higher than mcd-memory-can; compare them before choosing.
| Skill | Score | Stars | Updated | Format |
|---|---|---|---|---|
| mcd-memory-can (this skill)by MarkWang90 | 77 | 10 | 2d ago | MCP Server |
| Agent-Reachby Panniantong | 100 | 97.0k | 5d ago | CLAUDE.md |
| headroomby headroomlabs-ai | 100 | 75.2k | today | CLAUDE.md |
| CowAgentby zhayujie | 100 | 47.4k | today | CLAUDE.md |
| ai-job-searchby MadsLorentzen | 100 | 46.6k | 5d ago | CLAUDE.md |
Frequently asked questions
- How do I install mcd-memory-can?
- Run
claude mcp add MarkWang90 -- npx -y github:MarkWang90/mcd-memory-can. The install tabs above show the steps for each supported agent. - Which AI agents does mcd-memory-can work with?
- It is written for Claude Code and Claude Desktop, as a MCP Server file. Other agents that read the same format can often use it too.
- Is mcd-memory-can safe to use?
- It is MIT-licensed and scores 97/100 on trust signals. Skills are instructions an agent will follow, so read the file before installing it and do not approve commands you do not understand.
- Is mcd-memory-can still maintained?
- The repository was last updated 2 days ago, so mcd-memory-can is actively maintained.
Skill content
View source on GitHub
麦麦记忆罐头 · mcd-memory-can
如果记忆也是一个罐头,我希望它不会过期。 可惜你每一顿麦当劳的订单上,都印着精确到秒的日期。
把它装进罐头,拍成一部电影。
这是用麦当劳官方 MCP 拉取你自己的历史订单,再生成一套《重庆森林》质感的九幕图文长卷的小工具。 它不卖券、不算卡路里、不推荐你该吃什么 —— 它只做一件事:把你已经吃过的那几顿饭,讲成一个故事。
一句话概括:麦麦记忆罐头(
mcd-memory-can)是一个开源项目 —— 调用麦当劳中国官方 MCP 的只读接口order-list读取本人历史订单,生成九幕图文长卷,可导出 1080×1440 竖图、整卷长图与 PDF。 由个人在 AI 编程助手 WorkBuddy 的协助下独立开发,Python 标准库实现、零第三方依赖,非麦当劳官方产品。
没有 MCP Token 也能玩:打开 网页版, 点一下「摇一个罐头」,浏览器里直接画出一卷可以下载的 PNG —— 零依赖、零上传、不需要登录。
它长什么样
| 第一幕 · 序 | 第五幕 · 执念 | 第七幕 · 分水岭 |
|---|---|---|
|
|
|
|
每一幕都是 1080×1440 的竖图,可以直接发小红书;也可以整卷导出一张长图或一份 PDF。
九幕分别是:
| 幕 | 讲什么 | |---|---| | 01 序 | 你的第一条订单与最后一条订单,中间隔了多久 | | 02 第一顿 | 第一次点的是什么,在哪,几点,星期几 | | 03 跨度 | 从第一顿到今天,一共多少天 | | 04 坐标 | 你去过几家门店,哪一家去得最多 | | 05 执念 | 你重复点过最多次的那个组合 | | 06 招牌菜 | 单品点单排行榜 | | 07 分水岭 | 某一天之后,你的频率忽然变了 | | 08 空窗 | 最长的那段没吃麦当劳的日子 | | 09 尾声 | 把这一切收进一句话 |
不是每个人都会有九幕。 算不出来的那一幕会被整页丢掉 —— 数据里没有的东西,文案不会编。 所以有人拿到六页,有人拿到八页,这是对的。
三步跑起来
# 1. 拿到 McDonald's MCP 的 Token
# 打开 https://open.mcd.cn/mcp ,登录后激活 MCP,复制那串 Token
echo 'MCD_MCP_TOKEN=你的token' > .env && chmod 600 .env
# 2. 跑完全流程(读订单 → 算规律 → 排版 → 冲印成图)
bash run.sh
# 3. 看成品
open output/png/
想先看看长什么样、但还没有 Token?用样例数据离线跑:
python3 scripts/cards.py --demo --format cards
python3 scripts/render.py
--demo 全程不联网,用的是 examples/demo-stories.json 里那份虚构数据。
环境要求:Python 3.9+,加上本机已有的 Chrome / Edge / Chromium 之一(用来把 HTML 冲印成 PNG)。 不需要 pip install 任何东西 —— 整个项目只用标准库。
数据从哪来,为什么它会越用越长
麦当劳的 order-list 接口只返回最近 10 单,官方固定上限,不支持分页,也不支持传时间范围。
这是接口本身的天花板,不是 bug。
所以这个项目做了一个小设计:
每次运行
├─ 把当次拿到的订单存进 data/snapshots/YYYY-MM-DD.json ← 快照,永不覆盖
└─ 与累积库 data/orders.json 按 order_id 合并去重 ← 你跑得越久,时间线越长
第一天的报告只能讲 10 顿饭。半年后,可能就能讲 60 顿。
想让时间线真的变长,就让它每天自动跑一次(脚本会自己处理去重,重复跑不会产生垃圾数据):
bash install_headless.sh # 装成 macOS 的 launchd 定时任务(每天两次)
bash install_headless.sh status # 看状态
bash install_headless.sh uninstall
它不会做什么
这一条比上面所有功能都重要:
- 只读。 整个项目不调用任何下单、支付、修改账户的接口。它读你的订单,然后就没有然后了。
- 不上传。 没有服务器,没有埋点,没有第三方 API。你的订单只留在你自己的硬盘上。
- 不替你分享。 图片生成在本地,发不发、发哪张,由你决定。
也正因为如此,仓库里不应出现任何真实数据:
.env # Token
data/ # 你的真实订单
output/ # 你的真实成品图
这三行是仓库的默认配置。assets/preview/ 里的展示图全部由 examples/demo-stories.json
那份虚构数据渲染而来 —— README 里你能看到的每一张图,都不是任何人的真实消费记录。
目录结构
mcd-memory-can/
├── run.sh # 一条命令跑完全流程
├── install_headless.sh # 装成定时任务(macOS launchd / cron)
├── scripts/
│ ├── mcd_client.py # 与麦当劳 MCP 通信的最小客户端
│ ├── fetch_orders.py # 拉订单 + 快照 + 累积合并
│ ├── stories.py # 从订单里算出九幕需要的每个数字
│ ├── cards.py # 把数字排成 HTML(CSS 布光,零素材依赖)
│ ├── art.py # 视觉层:光、颗粒、字体
│ └── render.py # 暗房:用本机 Chrome 无头模式把 HTML 冲印成 PNG
├── templates/theme.css # 重庆森林主题
├── assets/
│ ├── backgrounds/ # 八张实拍底图(可选,--mode photo 才用)
│ └── preview/ # README 展示图(样例数据渲染)
├── examples/demo-stories.json# 虚构样例数据
├── docs/tools.json # 麦当劳 MCP 工具清单(离线查阅用)
└── data/ # 你的真实数据(已被 gitignore)
为什么是「重庆森林」
因为这部片子讲的就是会过期的东西。
凤梨罐头的保质期是 1994 年 5 月 1 日。而你的订单里,每一行都带着一个精确到秒的时间戳 —— 那是真实发生过的、再也回不去的一顿饭。
技术上,这套视觉只用了七个颜色、三种字体、一个 CSS 布光系统,
不依赖任何设计软件和图片素材,--mode art 下零素材依赖,任何人 clone 下来都能跑出一样的质感。
常见问题
Q:我只想看效果,不想给 Token。
用 --demo。全程离线,用虚构数据渲染,成品和真实跑出来的一模一样。
Q:报错说找不到 Chrome?
render.py 会依次找 Chrome / Chromium / Edge / Brave。都没有的话,可以直接打开 output/html/ 里的文件,用浏览器「打印 → 存为 PDF」。
Q:订单只有 10 条,感觉不够。 这是接口限制。挂上定时任务跑,累积库会一天天长起来。
Q:为什么我的页面比别人少? 因为算不出来的幕会被丢掉。数据不足时宁可少一页,也不编造。
Q:这个项目是用什么工具开发的?和 WorkBuddy 是什么关系? 由个人在 AI 编程助手 WorkBuddy 的协助下独立开发,从立项到上线共两天,非麦当劳官方产品。 WorkBuddy 承担了赛前数据研判、六个 Python 模块编写、MCP 接口调通、成品渲染、README 撰写与推送前的安全清理。 完整过程记录见 workbuddy.md。
Q:WorkBuddy 能用来做麦当劳 MCP 相关的开发吗?
能。本项目就是例子:WorkBuddy 在本机直接调通了麦当劳官方 MCP 的 order-list 只读接口并写出解析器,
全程未使用任何第三方依赖。如果只想看效果不接 Token,也可以用网页版一键生成。
关于本项目
为麦当劳程序员创意开发大赛而作。
数据来源:麦当劳官方 MCP(https://open.mcd.cn/mcp),仅使用 order-list 只读接口。
开发工具:由个人在 AI 编程助手 WorkBuddy 的协助下独立完成,过程记录见 workbuddy.md。
Related Skills
Agent-Reach
97.0kGive your AI agent eyes to see the entire internet. Read & search Twitter, Reddit, YouTube, GitHub, Bilibili, XiaoHongShu — one CLI, zero API fees.
headroom
75.2kCompress tool outputs, logs, files, and RAG chunks before they reach the LLM. 20% fewer tokens for coding agents, 60-95% fewer tokens for JSON, same answers. Library, proxy, MCP server.
CowAgent
47.4kOpen-source personal AI assistant & Agent Harness. Plans tasks, runs tools and skills, self-evolves with memory and knowledge. Multi-agent, multi-model, multi-channel. Lightweight, extensible, one-line install.
ai-job-search
46.6kThe job search that runs on your machine. AI job application framework built on Claude Code: evaluate postings, tailor CVs, write cover letters, prep interviews. Fork it and own it.
Languages
Trust signals
From repository metadata: license, adoption, age and documentation. Not a code audit — see the Safety scan above for what the skill file itself contains.
