Combo Engine MCP Server
MCP server for calculating profitable food combos from delivery chains in Voronezh. Provides menu parsing, best combo selection, price comparison, and health checks across multiple restaurant networks.
README
Combo Engine MCP Server
Расчёт выгодных комбо по сетям доставки Воронежа. MCP-сервер + библиотека парсеров.
Всё изолировано в venv: зависимости и браузер Playwright лежат внутри .venv\ (система не затрагивается).
Структура
├── combo_mcp\ # пакет MCP-сервера
│ ├── server.py # точка входа (stdio)
│ ├── config.py # конфиг сетей (config\chains_config.json)
│ ├── cache.py # дисковый кэш + stale-if-error
│ ├── http_client.py # requests-обёртка (UA, ретраи, куки)
│ ├── playwright_client.py # ленивый браузер (фолбэк dodo)
│ ├── weights.py # справочник расчётных весов (config\estimated_weights.json)
│ ├── engines\ # dp.py (комбо), taste.py (вкусность), drinks.py (напитки)
│ ├── chains\ # 1 файл = 1 сеть (@chain("id"))
│ └── tools\ # 1 файл = 1 инструмент MCP
├── scripts\ # selftest.py, autotest.py, smoke_test.py, gen_expected.py
├── tests\expected.json # эталоны для autotest
├── config\chains_config.json
├── config\estimated_weights.json # веса позиций без веса на сайте (с источником)
├── cache\ # создаётся автоматически
└── archive\ # старые файлы + референсы разведки (recon\)
Запуск
# MCP-сервер (регистрируется opencode через opencode.json)
.\.venv\Scripts\python.exe combo_mcp\server.py
# Selftest: все сети + эталоны Ла Пиццы (3000₽ → 4400/2950, 4850/3000, 5100/2800)
.\.venv\Scripts\python.exe scripts\selftest.py
# Автотесты: эталоны комбо + инварианты + контрольные блюда + health_check
.\.venv\Scripts\python.exe scripts\autotest.py
# Smoke-тест реального MCP-протокола (10 инструментов)
.\.venv\Scripts\python.exe scripts\smoke_test.py
# Очистка кэша
.\.venv\Scripts\python.exe scripts\clear_cache.py
CI (GitHub Actions)
.github\workflows\ci.yml— на каждый push: компиляция + быстрый smoke без сети (сервер стартует, 13 инструментов зарегистрированы, JSON-ответы). Запуск вручную:scripts\ci_smoke.py..github\workflows\nightly.yml— ежедневно в 06:00 UTC: живой парсинг всех сетей (health_check refresh=true) + полный автотест (16 блоков). Это мониторинг парсеров: упавшая сеть или регрессия → красный статус + артефакт с отчётом (cache/).
Инструменты MCP (13)
-
list_chains(refresh=)— сети: id, название, город, available (есть данные в кэше), описание -
parse_menu(chain_id, category=, min_weight=, sort_by=, limit=, refresh=)— меню -
best_combo(chain_id, budget, persons=1, variations=3, refresh=, categories=, promos=)— варианты комбо:- ровно
personsнапитков в каждой вариации (по 1 на персону) categories=— фильтр по категориям: «пицца», «pizza», «напитки», «роллы»... (группы: pizza/rolls/sushi/sets/noodles/snacks/desserts/drinks/sauces/other; напитки добавляются, только если группа drinks в списке)promos=— применить промо-скидки к цене:order(скидки на заказ),pickup(скидки при самовывозе),all. Правила —config\promos.json(рукописные, из акций chain_info); в ответе у каждой вариацииpromo_price/promo_savedи список применённых акций вpromos_applied(кешбэк не меняет цену)
- ровно
-
compare(budget, persons=1, categories=)— все сети по выгодности (₽/100г) -
status()— конфиг, возраст кэша, ошибки -
verify_chain(chain_id)— качество данных (веса, дубликаты, аномалии) -
check_price(chain_id, item_name, expected_price=)— сверка цены позиции -
diff_menu(chain_id)— изменения меню с прошлой загрузки -
check_config()— валидация конфига и доступность ссылок -
health_check(refresh=False)— HTTP + парсинг + кол-во позиций по всем сетям -
chain_info(chain_id, refresh=)— доставка, акции, лояльность сети -
help(action=, command=)— команда /help: список всех команд с описаниями, пагинация 10 на страницу (/help next,/help back), детали одной команды (/help best_combo) -
favorites(action=, chain_id=, label=, items=, query=)— избранное: сохранить понравившееся комбо (action="add", items — JSON-массив позиций), показать список (action="list", пагинация черезquery="next"/"back"), удалить (action="remove",query— id или подстрока), очистить (action="clear"). Хранение:cache/favorites.json. (refresh=true — реальный прогон, иначе быстрый ответ по кэшу)
Автотесты
tests\expected.json — фиксированные эталоны (комбо по сетям/бюджетам, контрольные блюда).
Без record-режима: scripts\autotest.py сверяет фактический результат с эталоном,
расхождение → FAIL + дифф. Эталон обновляется только осознанным коммитом.
Конфиг сетей
config\chains_config.json — per-chain: url, enabled, ttl_minutes, headers, cookies.
Смена URL/куки не требует правки кода.
Добавление новой сети
- Скопировать
combo_mcp\chains\_template.py→combo_mcp\chains\my_chain.py(или проще:python scripts\new_chain.py my_chain "Моя Сеть" https://example.com) - Реализовать метод
parse()(возвращает список позиций:{name, weight_g, price_rub, is_from_price, description, category, product_url, in_stock, extra}) - Заполнить
category_map— маппинг категорий меню → группы комбо (pizza/rolls/sushi/sets/noodles/snacks/desserts/drinks/sauces/other) - Указать
urlвchains_config.json(генератор делает это сам)
Больше ничего: парсеры регистрируются автоматически (pkgutil), метаданные сети
(id/name/city/url/description) берутся из класса парсера, категории — из его
category_map. По желанию: parse_extra() (доставка/акции), веса в
config\estimated_weights.json, переводы в config\translations.json.
Добавление нового инструмента
Положить файл с функцией-хендлером в combo_mcp\tools\ и зарегистрировать декоратором
(см. существующие инструменты) — server.py не трогается.
Правила данных
- Вес позиции: с сайта/API (weight_source
site), из названия размера (size_name, pizza_kuba), из справочникаconfig\estimated_weights.json(reference, полеsource— откуда взят вес) или отсутствует (none). - Позиции без веса исключаются из расчёта комбо (мерч, палочки — намеренно).
- Недоступные сети честно помечаются в
list_chains/compareс причиной.
Recommended Servers
playwright-mcp
A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.
Magic Component Platform (MCP)
An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.
Audiense Insights MCP Server
Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.
VeyraX MCP
Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.
graphlit-mcp-server
The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.
Kagi MCP Server
An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.
E2B
Using MCP to run code via e2b.
Neon Database
MCP server for interacting with Neon Management API and databases
Exa Search
A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.
Qdrant Server
This repository is an example of how to create a MCP server for Qdrant, a vector search engine.