告别点餐 App:我把麦当劳接入 AI 助手,一句话搞定外卖

想象一个场景：周末在家想吃麦当劳，但实在懒得打开 App 去跳过开屏广告、翻找菜单、计算怎么用券最划算。如果这时候能直接对 AI 说一句：“帮我点一份热量不超过 500 大卡的早餐，把能领的券都领了，送到家里”，然后直接拿到一个支付链接，是不是省事很多？ 

这其实已经不是设想了。最近（2026年2月13日），麦当劳中国官方发布了 MCP Server v1.0.2 版本，正式加入了外送点餐和积分兑换功能。接入麦当劳的 MCP Server 后，你的 AI 客户端就能直接读取菜单、领券甚至下单。

今天就来聊聊，用 AI 点麦当劳到底是个噱头，还是真的好用。 

1.前置准备：申请 MCP Token 

要让 AI 帮你点餐，首先需要获取官方的授权凭证，也就是 MCP Token。整个流程比较简单： 

首先访问麦当劳开放平台文档页（https://open.mcd.cn/mcp/doc）。 点击右上角的“登录”按钮，使用手机号验证码完成登录。  

登录后，右上角的按钮会变成“控制台”，点击进入。在弹出的窗口中点击“激活”按钮，同意服务协议。 

激活成功后，页面会显示一串字符，这就是你的 MCP Token，点击复制即可。  

这里需要特别提醒：Token 相当于你的账户钥匙，务必妥善保管，不要截图发到公开平台或代码仓库里。一旦泄露，别人可能会盗用你的积分或恶意下单。 

2.接入配置实测 

拿到 Token 后，需要把它配置到支持 MCP 的 AI 客户端中。这次测试我使用的是 Kiro 客户端。

打开 Kiro，进入“设置”，找到“Tools & MCP”选项。 点击“Add Custom MCP”，在弹出的配置框中填入以下 JSON 代码。注意要把 YOUR_MCP_TOKEN 替换成你刚刚复制的真实 Token：

{   "mcpServers": {     "mcd-mcp": {       "type": "streamablehttp",       "url": "https://mcp.mcd.cn",       "headers": {         "Authorization": "Bearer YOUR_MCP_TOKEN"       }     }   } } 

保存后，检查服务状态。如果显示“已连接”，并且下方加载出了 18 个 Tools，就说明配置成功了。 

这 18 个工具基本覆盖了查营养、领券、看日历、查积分、算价格和下单等核心功能。接下来我们进入实际测试环节。 

3.核心功能实测 

为了测试实际体验，我模拟了几个日常最常用的场景。 

3.1 营养查询测试 以前查快餐热量通常需要去第三方平台搜索。这次我直接在对话框输入：“我正在减脂，帮我查一下腿堡的热量和蛋白质。”

AI 迅速调用了 list-nutrition-foods 工具，返回了所有菜品中包含腿堡的具体数据，在其中找到自己想要的：

评价： 数据返回非常精准。官方为了节省 Token 消耗采用了紧凑格式，但 AI 能够自动将其转化为易读的排版。对于需要控制热量摄入的人来说，这个功能非常实用。 

3.2 优惠券测试 麦当劳的优惠券种类繁多，手动领取比较繁琐。 我输入的指令是：“帮我把现在能领的麦当劳优惠券全领了，然后告诉我有哪些可以用。”

AI 先后调用了 available-coupons（查询可用优惠券）、auto-bind-coupons（一键领券）和 query-my-coupons（查询我的优惠券）工具。随后回复我成功领取了 5 张优惠券，并列出了当前可用的券，比如“9.9元薯你最甜”，还附带了有效期。

评价：体验很顺畅。一句话就能完成批量领券和资产盘点，省去了在 App 里到处找入口的麻烦。 

3.3 麦麦日历测试 我询问：“麦当劳最近有什么新活动吗？”

AI 调用了 campaign-calendar 工具，列出了当月的营销活动，比如近期的汉堡回归和周边发售信息，并且直接在对话框里渲染出了活动的宣传海报。

评价：信息同步很及时，图文展示效果也不错，适合用来快速浏览近期活动。

3.4 积分商城测试 我接着问：“查查我还有多少积分，能换杯咖啡吗？” 

AI 首先查询了我的账户余额（query-my-account），显示有 790 积分，还有640分本月过期。接着它检索了积分商城（mall-points-products），告诉我可以用 500 积分兑换的菜品，并询问是否需要帮我执行兑换。

评价：逻辑闭环做得很好，从查余额到匹配商品，AI 能够自主完成多步操作。 

3.5 点餐全流程测试 这是本次更新的核心功能，也是我最关注的部分。 我给出的指令是：“我饿了，给我查询一下包含麦辣鸡腿堡的套餐，告诉我可以使用的优惠券和积分，让我选择一下，然后送到我家”。 

在这个过程中，AI 在后台首先通过 delivery-query-addresses 获取我的默认地址和门店编码； 然后通过 query-store-coupons确认门店可用的优惠券和包含麦辣鸡腿堡的套餐； 接着使用 query-my-account查询积分余额。然后提供可选套餐。

选择套餐后，AI开始调用calculate-price工具计算外卖价格，最终 AI 回复我订单已创建，并附上了一个支付链接。点击链接后，直接跳转到了官方的 H5 支付页面。 

评价：整个流程的自动化程度超出了我的预期。只需要一句自然语言指令，AI 就能准确处理地址匹配、库存确认、价格计算和下单，没有出现逻辑错误。 

 4.推荐模型测试

工具的实际表现很大程度上取决于底层大模型的能力。我本次使用的是DeepSeek-V3.2，工具调用的准确率很高，测试中没有出现幻觉。 官方还提供了其他的LLM，不同模型的表现如下：

Kimi (k2.5) 与 Zhipu (GLM-5)：在长文本和多轮对话中表现较好，适合需要反复修改订单或搭配套餐的场景。 

Doubao (Doubao-Seed-1.6) 与 Gemini (gemini-3-flash-preview)：响应速度快，用来做简单的查券或查热量任务比较合适。

Qwen (qwen-plus / qwen3-max)：对中文指令的理解非常到位，处理多步点餐逻辑时表现稳定。  

6.优缺点总结

经过完整的测试，麦当劳 MCP Server 的优缺点比较明显。

优点： 

• 交互效率高：不需要打开 App，通过自然语言就能完成查询、领券和点餐。 

• 数据透明：营养成分数据直接开放，方便有健康管理需求的用户。 

• 操作整合：一键领券等功能将原本分散的操作集中在了一起，降低了使用门槛。

局限性： 

• 受限于agent，界面不够直观，头回使用，看着满屏的字不是太适应

• 版本限制：目前仅支持 MCP Version 2025-06-18 及之前的版本，配置客户端时需要注意。 

• 频率限制：每个 Token 每分钟限流 600 次，不过对于个人日常使用来说完全足够。 

• 场景受限：目前仅支持外送，还不支持到店自取。 

• 定制化不足：当前 v1.0.2 版本暂不支持更换套餐内的默认饮品或小食，官方文档表示该功能会在后续版本中提供。

7.适合谁用？

这个工具比较适合以下几类人群： 

• 习惯使用 AI 助手处理日常事务的效率工具用户； 

• 需要严格计算卡路里摄入的健康关注者； 

• 不喜欢在手机里安装太多商业 App 的极简主义者； 

• 对 MCP 生态感兴趣的技术爱好者。

结语

整体体验下来，麦当劳 MCP Server 提供了一个非常实用的应用场景示范。它把 AI 从单纯的“聊天机器人”变成了能够实际执行商业交易的“智能代理”。如果你平时经常点麦当劳，同时也是 AI 工具的重度用户，花几分钟配置一下这个服务，确实能带来不错的体验提升。

你最希望 AI 帮你完成哪些日常点餐操作？欢迎在评论区分享你的看法。