点麦当劳别再傻傻原价买了!这个开源AI助手帮你省钱

你有没有过这样的经历？

中午打开麦当劳 App，准备点个汉堡套餐。原价 35 元，感觉有点贵。

翻了翻优惠券，发现有一张满减券；再看看麦麦省，好像还有其他优惠。突然想起美团、抖音里可能也囤过团购券。

折腾了半天，还是不知道到底怎么点最划算。

更扎心的是，刚下完单，朋友发来一张优惠截图：「你怎么不买这个套餐？便宜好几块呢！」

那一刻，真的很想问一句：我只是想吃个汉堡，为什么还得先修一门优惠券计算学？

最近发现一个挺有意思的 GitHub 开源项目：麦麦省钱助手（McD Money Saver）。

它尝试把 AI、麦当劳 MCP 和优惠计算结合起来，帮助你在下单之前整理优惠券、比较价格、计算餐品组合，让点餐这件事少一点纠结。

简单来说，你可以把它理解为一个专门研究「麦当劳怎么点更划算」的 AI 助手。

它不是普通的聊天机器人，也不是一个单纯展示优惠信息的网页。

项目通过麦当劳 MCP 接入相关工具，让支持 MCP 的 AI 客户端能够查询门店、优惠券、菜单和价格等信息，再根据你的要求计算点餐方案。

比如，你可以提出这样的需求：

传统方式下，你可能需要自己切换 App、查券、算价格，再比较套餐。而这个项目希望把其中不少步骤交给 AI 协助完成。

重点不是让 AI 陪你聊天，而是让它参与实际的省钱决策。

当然，具体能查询和执行哪些操作，取决于 MCP 接入情况、账号权限、工具返回结果以及客户端支持。

1. 智能领券：先看看有没有优惠，再决定怎么买

很多人点外卖有个习惯：打开 App，直接找想吃的东西，然后付款。

但对于经常吃麦当劳的人来说，下单前先看看有没有能用的优惠券，可能更划算。

麦麦省钱助手将领券放进了点餐流程。

按照项目 README 的介绍，它可以调用相关工具查询可用优惠券，并支持通过 auto-bind-coupons 尝试领取符合条件的优惠。

这意味着，AI 不只是根据你输入的文字给建议，还可以借助接入的工具处理实际的优惠券操作。

想象一下，你只需要提出需求：「帮我检查一下目前可以领取的麦麦省优惠券。」AI 就可以根据实际接入的能力查询相关信息。

不过，能否成功领取、优惠券是否适用于你的门店和订单，仍然要以官方工具的实际返回结果为准。

2. 优惠组合计算：别只看哪张券面额最大

假设你准备点一份汉堡套餐。手里有一张满减券，另外还有几张不同餐品的优惠券。

你可能会想，当然是优惠金额最大的那张最划算。

但事实不一定如此。

一张满减券可能需要达到指定金额才能使用；另一张券虽然优惠金额较小，却可能更适合你原本就准备购买的套餐。

如果为了满足满减门槛，额外买了一份并不需要的食品，最后花的钱反而更多。

麦麦省钱助手的核心功能之一，就是根据优惠券和餐品组合计算不同方案。它会尝试比较不同的餐品组合和优惠方式，帮助你寻找更符合当前需求的方案。

真正值得关注的地方是：不是单纯追求优惠金额最大，而是尽量让最终实付款更合理。

毕竟，我们的目标是省钱吃饭，而不是为了用一张优惠券，额外花钱买一堆自己不需要的东西。

3. 预算点餐：30 元，到底能吃些什么？

这个功能，我觉得对于学生党和打工人尤其有吸引力。有时候不是不想吃得好一点，而是每天的餐饮预算就那么多。

例如，你告诉 AI：「今天预算 30 元，帮我看看麦当劳怎么点比较划算。」

项目 README 给出的示例，是让 AI 根据门店、优惠券和餐品价格，计算符合预算的点餐方案。

在实际使用中，具体推荐什么餐品、价格是多少，需要根据当时可查询的菜单和优惠信息计算，不能把示例价格当作固定售价。

你也可以把需求说得更具体：「预算不超过 30 元，优先考虑套餐，不要为了凑满减增加不需要的餐品。」

这样一来，AI 就可以围绕你的预算和偏好进行分析。

对于经常在外面吃饭的人来说，这类工具的价值不一定是每次省下几十元，而是减少每次点餐都要反复比较的麻烦。

4. 热量搭配：想吃汉堡，也想控制热量

还有一类人，点餐时不仅看价格，也关心热量。

比如，想吃一顿麦当劳，但希望控制在一定的热量范围内。

项目提供了热量搭配相关能力，可以尝试结合餐品营养信息和优惠条件进行方案比较。

你可以提出类似的要求：「帮我找一个预算合理、热量不超过指定范围的点餐方案。」

这类需求比简单地问「哪个汉堡最便宜」复杂得多。因为价格最低，不一定符合你的饮食目标；热量合适，也不代表最终价格最优。

把预算、优惠和热量放在一起考虑，正是这个项目值得尝试的地方。

如果只是把一句「帮我找最便宜的麦当劳套餐」写进提示词，其实很容易实现。

但这个项目的设计思路更进一步：让 AI 通过 MCP 调用实际工具。

什么是 MCP？你可以简单理解为一种让 AI 连接外部工具和服务的方式。

普通聊天时，AI 主要依靠已有知识和你提供的信息回答问题。接入工具后，AI 就有机会查询实际数据，并根据工具返回的结果继续处理任务。

在这个项目中，整体流程可以概括为：

例如，AI 可以先查询相关门店和优惠信息，再结合菜单数据计算方案，而不是凭印象猜测某个套餐的价格。

这也是我认为这个项目比较有意思的地方：它展示了一种很实用的 AI 应用思路——不一定要做一个庞大的 AI 产品，也可以针对一个具体生活场景，把现有工具组织起来，解决一个足够明确的问题。

当然，工具接入并不意味着所有信息都必然实时、完整或准确。最终价格、优惠适用范围和餐品供应情况，仍然需要以麦当劳官方渠道的实际结果为准。

先说明一点：这个项目并不是一个下载安装后就能直接使用的独立手机 App。

它主要面向支持 MCP 和 Skill 的 AI 客户端，项目 README 推荐使用 WorkBuddy，并提供了相关接入说明。

如果你想自己体验，可以按照下面的步骤操作。

下面是脱敏后的结构示例：

其中 YOUR_MCP_TOKEN 需要替换为你自己的有效凭证。请根据所使用客户端的配置规范进行调整。

实际结果取决于客户端是否正确加载 Skill、MCP 是否连接成功，以及相关服务提供的权限和数据。

如果你平时不接触这些配置，也不用着急。可以先收藏项目，等有需要时再研究安装。

我觉得，下面几类人可以重点关注。

1. 经常吃麦当劳的学生党和天选人：如果你经常点麦当劳，又不想每次都手动翻找优惠券，这个工具的思路值得尝试。

2. 喜欢研究优惠券的人：如果你平时就会比较不同套餐、研究满减规则、计算优惠组合，那么让 AI 帮你完成部分计算，可能会更方便。

3. 关注热量和饮食预算的人：如果你既希望控制餐饮支出，又在意热量，可以尝试将这些条件一起交给 AI 分析。

4. 对 AI Agent 和 MCP 感兴趣的开发者：如果你想学习如何把 AI、外部工具和具体生活场景结合起来，这个项目也是一个值得研究的案例。

它的应用场景很具体，没有试图解决所有问题，而是专注于一件小事：帮助用户做出更合适的麦当劳点餐决策。

这几年，我们看到了很多令人惊艳的 AI 应用。有人用 AI 写代码，有人用 AI 生成图片，也有人用 AI 写小说。

但我一直觉得，AI 真正融入日常生活，不一定非要有多么宏大的场景。

有时候，它能帮你少花一点钱、少做几次重复计算，就已经很实用了。

麦麦省钱助手就是这样一个例子。

它没有试图重新发明点餐，而是把优惠券、菜单、预算和价格计算组织到一个工作流中，让 AI 帮忙处理那些琐碎却真实存在的问题。

当然，它不是万能的，也不是麦当劳官方产品。实际优惠、价格和可用功能都需要以官方服务的返回结果为准。

但如果你经常吃麦当劳，或者对 AI 工具感兴趣，不妨花几分钟看看这个开源项目。说不定下一次点餐前，你就能少纠结一会儿。

感兴趣的话，可以点进仓库查看完整 README、安装步骤和示例配置。

如果觉得这个项目有意思，也欢迎给开发者点一个 Star，支持开源项目持续改进。

最后想问大家一个问题：你平时点麦当劳，最头疼的是找优惠券、算满减，还是不知道怎么搭配最划算？欢迎在留言区分享你的省钱经验。

说明：本文根据项目公开 README 改写，用于开源项目介绍与推广。麦麦省钱助手为独立开发的参赛作品，非麦当劳官方产品；具体功能、价格、优惠和服务权限以相关官方渠道及项目最新说明为准。

既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。

THANKS FOR READING