mcpField
T
tabedata-mcp

tabedata-mcp

本地服务
github.com/mrslbt健康医疗213 周前更新

关于 tabedata-mcp

tabedata-mcp 是面向日本食品营养数据的双语 MCP 服务,覆盖便利店、连锁餐厅和品牌商品。它提供带来源信息的营养查询及饮食分析,数据由 AI 汇编,数值未经人工逐项核实。

主要功能

  1. 01日英双语食品模糊搜索
  2. 02查询便利店及餐厅营养信息
  3. 03分析餐食并汇总宏量营养素
  4. 04按蛋白质、热量或钠筛选替代品
  5. 05根据目标计算每日摄入建议

适用场景

  1. 01记录日本饮食的宏量营养素和钠
  2. 02查询日文菜单中的过敏原
  3. 03比较不同连锁店的餐食选择
  4. 04为营养或餐食应用查询日本商品数据

MCP 相关

作为 MCP 服务,向客户端提供食品搜索、餐食分析、目标计算等工具,以及规划每日饮食的提示词。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"mrslbt-tabedata": {
"command": "npx",
"args": [
"-y",
"tabedata-mcp"
]
}
}
}
启动命令npx -y tabedata-mcp

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
npmtabedata-mcp1.5.0

工具

6

收录的工具列表 · 更新于 2 周前

参数类型必填说明
querystring是Search term (English or Japanese), e.g. 'salad chicken' or 'サラダチキン'. 検索語(英語または日本語)。
categoryenum否按类别筛选。不填写则搜索全部类别。konbini | restaurant | generic | supplement | drink
languageenum否匹配英文名称、日文名称或两者。默认匹配两者。en | jp | both
max_resultsinteger否结果数量上限(1–50,默认 10)。

详细介绍

tabedata-mcp

CI npm version npm downloads License: MIT

用于查询日本食品营养数据的 Model Context Protocol 服务。支持对便利店、连锁餐厅和杂货品牌进行日英双语查询。为在日本使用的任何 AI 助手提供宏量营养素、过敏原、钠含量和菜单导航信息。

共收录 21 个连锁品牌的 460 种商品。其中 42 种数据来自日本 MEXT 食品成分数据库(36 种通用主食和 6 种饮料);其余数据转录自制造商官方标签和餐厅营养 PDF,官方数据不可用时,约 10% 的条目会标记为估算值。每个提供份量规格的餐厅连锁品牌均收录了不同规格(并盛/大盛/特盛)。

适用人群

  • 追踪日本饮食中的宏量营养素、钠或碳水化合物
  • 查询看不懂的菜单上的过敏原
  • 使用 AI 助手探索日本餐厅和便利店的旅行者
  • 比较不同连锁品牌的选项(“哪家连锁店的鸡肉脂肪最低?”)
  • 构建需要真实日本商品数据的营养或膳食应用

安装

npm install -g tabedata-mcp

或者使用 npx -y tabedata-mcp 按需运行。

配置

无需 API 密钥。软件包附带经过整理的数据库。

变量必需描述
MCP_TRANSPORT否stdio(默认)或 http。
MCP_AUTH_TOKEN仅限 httpBearer 令牌。未提供此令牌时,HTTP 传输不会启动。
MCP_HTTP_PORT否默认值为 8787。
MCP_HTTP_HOST否默认值为 127.0.0.1。
MCP_HTTP_ALLOWED_ORIGINS否HTTP 传输的 CORS 允许来源列表,以逗号分隔。
Claude Desktop

编辑 claude_desktop_config.json:

{
  "mcpServers": {
    "tabedata": {
      "command": "npx",
      "args": ["-y", "tabedata-mcp"]
    }
  }
}
Claude Code
claude mcp add tabedata -- npx -y tabedata-mcp
Cursor / Windsurf

将配置添加到 ~/.cursor/mcp.json,格式与 Claude Desktop 相同。

工具

工具描述
search_food在数据集中进行日英双语模糊搜索。接受日文或英文查询(例如 salad chicken 或 サラダチキン)。
konbini_item按连锁品牌查询 7-Eleven、Lawson、FamilyMart、Ministop。尽可能提供过敏原和配料列表。
restaurant_meal按连锁品牌查询餐食,提供不同份量规格(并盛/大盛/特盛)和过敏原标签。
analyze_meal自然语言膳食分析器。可识别数量、重量(200g rice)、分数(half avocado)和餐厅规格名称(Nakau large oyakodon)。返回宏量营养素总量,并可选择与个性化目标进行比较。
find_alternatives按所选指标(更高蛋白质、更低热量、更低钠)替换某项食物。返回每个替代选项及其改善之处和权衡。
daily_targets根据 Mifflin-St Jeor 基础代谢率 × 活动系数 × 目标导向的热量缺口/盈余进行计算。糖尿病风险会影响宏量营养素比例。高血压会显示钠摄入指导说明。

提示词

提示词功能
plan_my_day根据目标(例如“减到 70kg,摄入 150g 蛋白质”),将 daily_targets → 膳食建议 → analyze_meal → find_alternatives 串联为一个引导式工作流。

数据覆盖范围

便利店(122 种商品)
连锁品牌商品数
7-Eleven46
Lawson34
FamilyMart29
Ministop13
餐厅连锁品牌(272 种商品)

日本连锁品牌:Nakau、Sukiya、Yoshinoya、Matsuya、CoCo Ichibanya、Marugame Seimen、Tenya、MOS Burger、Yayoiken、Ootoya、Ichiran。

西方和全球连锁品牌:McDonald's Japan、KFC Japan、Subway Japan、Lotteria、Freshness Burger、Doutor。

通用食品、饮品和品牌产品(66 项)
  • 42 项来自日本文部科学省的 食品成分标准表(文部科学省 食品成分表)——36 种通用主食(米饭、鸡蛋、纳豆、豆腐……)和 6 种基本饮品(牛奶、茶、咖啡)。文部科学省的标准表是日本营养研究和临床实践中采用的权威参考资料。
  • 24 款品牌产品:Oikos、SAVAS Milk Protein 系列、明治 R-1 / Bulgaria / LG21 / TANPACT、Glico、Calbee、伊藤园、Asahi、Kirin、Suntory、Fuji Pan、雪印、森永 inZeri。

示例查询

How many calories are in a Big Mac in Japan?
日本のビッグマックは何キロカロリー?

I just had a Sukiya gyudon. Track it.
今日すき家の牛丼食べた。記録して

Compare a 7-Eleven salmon onigiri to a Lawson one
セブンとローソンの鮭おにぎり、どっちがいい?

Analyze my lunch: 1 oikos plain, 2 boiled eggs, 200g rice
ランチ記録して: オイコス1個、ゆで卵2個、白米200g

What sizes does Sukiya's gyudon come in?
すき家の牛丼のサイズ展開は?

Calculate daily targets: 80kg, 175cm, 30, male, moderate, cutting

数据来源

此数据集由 AI 汇编:AI 助手(Claude)读取引用来源并收集每项数值,随后由脚本检查数据架构。**这些数据未经人工逐项核实。**请将每个数值视为尽力整理的参考信息,并在依赖这些数据前,通过该项目的 source.url 进行确认。

每个项目均包含:

  1. 引用来源——官方制造商或餐厅营养标签、官方 PDF、日本文部科学省 食品成分标准表 中的条目,或官方数据不可用时标记为估算值的条目(source.type: "estimated")。
  2. 双语名称——必须包含 name_en 和 name_jp。
  3. 来源信息字段——source.url、source.type、compiled_at(ISO 日期)、compiled_by 和 confidence 级别。

运行 npm run verify-data 可验证数据结构,包括必填字段、ID 唯一性,以及每个 source.url 是否仍可访问。此操作仅确认链接有效且记录格式正确,不会验证营养数值是否准确。超过 365 天的项目会被标记为过时。

完整的汇编方法请参阅 DATA_SOURCES.md。

免责声明

这是一个非官方、由社区构建的 MCP 服务,与所列餐厅、便利店连锁店或产品制造商均无关联,亦未获得其认可或赞助;其名称和商标归各自所有者所有。**营养数值由助手读取公开发布的来源(制造商、餐厅和文部科学省政府网页)后通过 AI 汇编,未经人工逐项核实。**公布的数据可能会变更,AI 汇编也可能引入错误,因此请将每项数值视为参考,而非保证,并在据此采取行动前对照官方来源进行确认。作者对基于此数据作出的决定不承担任何责任。

贡献

请参阅 CONTRIBUTING.md。欢迎通过拉取请求提交新项目——每项请附上 source.url、source.type、双语名称和 confidence 级别。

许可证

MIT

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。