M餐搭子 ٹیوٹوریل: ریئل ٹائم مینو، بجٹ اور غذائی اہداف سے میک ڈونلڈز کے تین کھانوں کے منصوبے بنائیں

M کھانے کا ساتھی کیا ہے

M کھانے کا ساتھی میک ڈونلڈز کے MCP ڈیٹا پر مبنی ایک ذہین کھانا منتخب کرنے والا Skill ہے۔ آپ صرف شہر، نشانِ منزل، بجٹ، زیادہ سے زیادہ کیلوریز اور پروٹین کا ہدف درج کریں؛ یہ قریبی خود وصولی والی دکانیں تلاش کرے گا، موجودہ مینو کو غذائی ڈیٹا کے ساتھ ملائے گا، اور قابلِ عمل کھانے کے امتزاج کے تین منصوبے دے گا۔

صرف ایک پراڈکٹ تجویز کرنے والے ٹولز کے برعکس، M کھانے کا ساتھی ہر امتزاج کی قیمت، کیلوریز، پروٹین، بجٹ کے استعمال، باقی کیلوریز اور تجویز کی وجہ دکھاتا ہے۔ صارفین MCP کال چین کو بھی کھول کر ہر Tool کی حالت اور دورانیہ دیکھ سکتے ہیں۔

یہ منصوبہ 2026 میک ڈونلڈز پروگرامر تخلیقی ترقی کے مقابلے میں شامل ہے، لیکن یہ میک ڈونلڈز کی سرکاری پراڈکٹ نہیں ہے۔ کھانے کی دستیابی، قیمت اور مہمات کے لیے میک ڈونلڈز کے سرکاری چینلز پر موجود اصل معلومات کو حتمی سمجھا جائے، اور نتائج طبی یا غذائی ماہرین کا پیشہ ورانہ مشورہ نہیں ہیں۔

یہ منصوبہ کون سا مسئلہ حل کرتا ہے

کھانا منتخب کرنا عموماً اختیارات کی کمی کی وجہ سے مشکل نہیں ہوتا، بلکہ اس لیے کہ مینو، غذائی معلومات، رعایتیں اور ذاتی اہداف مختلف جگہوں پر بٹے ہوتے ہیں۔ صارف کو بجٹ اور کیلوریز قابو میں رکھنے کے ساتھ پروٹین بڑھانے کی خواہش بھی ہو سکتی ہے، اور آخر میں یہ فیصلہ کرنا ہوتا ہے کہ امتزاج مکمل ہے یا نہیں۔

M کھانے کے ساتھی کا طریقہ یہ ہے کہ پہلے صارف کو اس کھانے کی حدود متعین کرنے دی جائیں، پھر حقیقی مینو سے نتیجہ اخذ کیا جائے، بجائے اس کے کہ صارف پہلے ہی مخصوص پراڈکٹس منتخب کرے۔ یہ مینو کی قیمت، غذائی ڈیٹا اور رعایتی معلومات کو ایک ہی ورک بینچ میں یکجا کرتا ہے، جس سے تجویز کا عمل سمجھنا اور جانچنا آسان ہو جاتا ہے۔

بنیادی صلاحیتیں

• ریئل ٹائم دکانوں کی تلاش: query-nearby-stores کے ذریعے شہر اور نشانِ منزل کے مطابق قریبی خود وصولی والی دکانیں تلاش کرتا ہے۔
• ریئل ٹائم مینو پڑھنا: query-meals کے ذریعے موجودہ دکان کی قیمت، اصل قیمت، پراڈکٹ کی تصاویر اور ٹیگز حاصل کرتا ہے۔
• غذائی مطابقت: list-nutrition-foods استعمال کرکے مینو پراڈکٹس کو کیلوری اور پروٹین کے ڈیٹا کے ساتھ ملاتا ہے۔
• کھانے کے تین امتزاج: بالترتیب “متوازن انتخاب”، “اضافی پروٹین” اور “آسان امتزاج” فراہم کرتا ہے، تاکہ صرف ایک بلیک باکس جواب نہ دیا جائے۔
• قابلِ وضاحت اشاریے: فی یوآن پروٹین، بجٹ کا استعمال، باقی کیلوریز اور رعایت کا فرق دکھاتا ہے۔
• رعایتیں اور مہمات: available-coupons اور campaign-calendar کو کال کرکے قابلِ حصول کوپن اور حالیہ مہمات ایک جگہ دکھاتا ہے۔
• قابلِ سراغ کالز: صارفین MCP Tool کی کال کی حالت اور دورانیہ دیکھ سکتے ہیں۔
• محفوظ متبادل موڈ: Token موجود نہ ہو یا Tool عارضی طور پر دستیاب نہ ہو تو نظام واضح طور پر نشان زدہ، غیر حساس ڈیمو اسنیپ شاٹ استعمال کرتا ہے۔

چلانے سے پہلے تیاری

ریئل ٹائم MCP ورژن کے لیے ریپوزٹری میں موجود Node سروس مقامی طور پر چلانا ضروری ہے۔ شروع کرنے سے پہلے درج ذیل ماحول تیار کریں:

• Node.js 20 یا اس سے جدید ورژن
• npm 10 یا اس سے جدید ورژن
• ایک میک ڈونلڈز MCP Token؛ اگر صرف ڈیمو ڈیٹا آزمانا ہو تو یہ فراہم کرنا ضروری نہیں

اگر فی الحال انسٹال نہیں کرنا چاہتے تو GitHub Pages آن لائن ڈیمو ملاحظہ کریں۔ یہ ورژن خالص فرنٹ اینڈ ڈیمو ہے، شرائط کی مکمل تبدیلی اور کھانے کے امتزاج کا حساب سپورٹ کرتا ہے، لیکن ریئل ٹائم MCP ڈیٹا کے بجائے غیر حساس مینو اسنیپ شاٹ استعمال کرتا ہے۔

انسٹالیشن اور ترتیب

پہلا مرحلہ: کلون اور انحصارات انسٹال کریں

ٹرمینل میں درج ذیل کمانڈز چلائیں۔ ریپوزٹری ایڈریس کے placeholder کو اصل ایڈریس سے تبدیل کریں:

git clone <your-repository-url>
cd mcd-meal-mate
npm install
cp .env.example .env

دوسرا مرحلہ: ماحولیاتی متغیرات ترتیب دیں

پروجیکٹ کی روٹ ڈائریکٹری میں موجود .env فائل کھولیں اور MCP Token اور سروس پورٹ درج کریں:

MCD_MCP_TOKEN=YOUR_MCD_MCP_TOKEN
PORT=8787

• MCD_MCP_TOKEN لازمی متغیر نہیں ہے۔ ترتیب دینے کے بعد ریئل ٹائم MCP فعال ہو جاتا ہے؛ ترتیب نہ دینے پر ڈیمو ڈیٹا استعمال ہوتا ہے۔
• PORT لازمی متغیر نہیں ہے؛ پہلے سے طے شدہ قدر 8787 ہے۔

MCP Token صرف سرور کے ماحولیاتی متغیرات میں رکھیں، اسے فرنٹ اینڈ کوڈ میں شامل نہ کریں اور عوامی ریپوزٹری میں commit نہ کریں۔

تیسرا مرحلہ: ترقیاتی ماحول شروع کریں

npm run dev

شروع ہونے کے بعد براؤزر میں http://localhost:5173 کھولیں۔ ترقیاتی کمانڈ Express API چلاتی ہے اور Vite hot reload فعال کرتی ہے، جو انٹرفیس اور سرور منطق کی debugging کے لیے موزوں ہے۔

Token کے بغیر ڈیمو موڈ

اگر میک ڈونلڈز MCP Token موجود نہ ہو تو production ورژن build اور start کیا جا سکتا ہے:

npm install
npm run build
npm start

پھر http://localhost:8787 کھولیں۔ اس وقت صفحہ واضح طور پر “ڈیمو ڈیٹا” دکھائے گا، جبکہ مینو، قیمت اور مہمات غیر حساس اسنیپ شاٹ سے لی جائیں گی۔

ڈیمو موڈ interaction flow، input constraints اور کھانے کے تین امتزاج جانچنے کے لیے موزوں ہے، لیکن یہ موجودہ دکان کی حقیقی دستیابی، قیمت یا مہمات کی نمائندگی نہیں کرتا۔ حقیقی استعمال میں ہدف دکان سے موصول ہونے والے ڈیٹا کو حتمی سمجھا جائے۔

بنیادی استعمال: کھانے کے تین منصوبے تیار کریں

پہلا مرحلہ: ترجیح منتخب کریں

ورک بینچ میں داخل ہونے کے بعد پہلے “متوازن” جیسی ترجیح منتخب کی جا سکتی ہے۔ ترجیح امتزاج کی درجہ بندی میں شامل ہوگی، لیکن نتیجہ پھر بھی بجٹ، کیلوری اور پروٹین کے اہداف کی پابندیوں سے متاثر ہوگا۔

دوسرا مرحلہ: کھانے کی شرائط درج کریں

آپ درج ذیل مثالی شرائط سے آغاز کر سکتے ہیں:

شہر: شنگھائی
تجارتی علاقہ / نشانِ منزل: پیپلز اسکوائر
بجٹ: 35 یوآن
زیادہ سے زیادہ کیلوریز: 700 kcal
پروٹین کا ہدف: 35 g

تیسرا مرحلہ: حساب کا نتیجہ دیکھیں

سرور قریبی دکانیں تلاش کرے گا، مینو اور غذائی ڈیٹا پڑھے گا، پھر تین اقسام کے منصوبے واپس کرے گا:

1. منصوبہ A: متوازن انتخاب۔ بجٹ اور کیلوری کی حدود میں بنیادی کھانے کے ساتھ ہلکی غذا یا مشروب فراہم کرتا ہے، اور پروٹین، فی یوآن پروٹین اور تجویز کی وجہ دکھاتا ہے۔
2. منصوبہ B: اضافی پروٹین۔ بجٹ اور کیلوری کی حدود کو حتی الامکان برقرار رکھتے ہوئے پروٹین بڑھانے کو ترجیح دیتا ہے۔
3. منصوبہ C: آسان امتزاج۔ کم قیمت مگر مکمل امتزاج فراہم کرتا ہے، جو لاگت اور انتخاب کی کارکردگی کو زیادہ اہمیت دینے والے حالات کے لیے موزوں ہے۔

منصوبوں کا موازنہ کرتے وقت صرف کل پروٹین نہ دیکھیں۔ فی یوآن پروٹین، باقی بجٹ، باقی کیلوریز اور رعایت کے فرق کو بھی مدنظر رکھ کر فیصلہ کریں کہ کون سا نتیجہ موجودہ ضرورت کے زیادہ مطابق ہے۔

چوتھا مرحلہ: MCP کال چین چیک کریں

“MCP کال چین” کھولنے پر دکان، مینو، غذائیت، رعایت اور مہمات جیسے Tool کی حالت اور دورانیہ دیکھا جا سکتا ہے۔ اس سے معلوم کرنے میں مدد ملتی ہے کہ تجویز ریئل ٹائم واپس آنے والے ڈیٹا پر مبنی ہے یا Token کی کمی یا Tool کی عدم دستیابی کے باعث ڈیمو اسنیپ شاٹ پر منتقل ہوئی ہے۔

عام ترقیاتی کمانڈز

• npm run dev：Express API اور Vite hot reload شروع کرتا ہے۔
• npm run build：فرنٹ اینڈ build اور سرور compile کرتا ہے۔
• npm start：production سروس شروع کرتا ہے۔
• npm test：امتزاج منطق اور غذائی parsing کے ٹیسٹ چلاتا ہے۔
• npm run check：ترتیب وار type checking، server compile checking اور ٹیسٹ چلاتا ہے۔

غذائی parsing، مینو mapping یا کھانے کے امتزاج کے قواعد میں ترمیم کے بعد کم از کم درج ذیل کمانڈز چلانے کی سفارش کی جاتی ہے:

npm test
npm run check

اس طرح type errors، compile مسائل اور امتزاج کی پابندیوں یا غذائی parsing سے متعلق regressions جلد دریافت کیے جا سکتے ہیں۔

Docker کے ذریعے تعیناتی

یہ منصوبہ Docker build کی سہولت فراہم کرتا ہے۔ پہلے image بنائیں:

docker build -t mcd-meal-mate .

پھر مقامی مشین کا 8787 پورٹ container سے map کریں اور environment variable کے ذریعے Token فراہم کریں:

docker run --rm -p 8787:8787 \
  -e MCD_MCP_TOKEN="YOUR_MCD_MCP_TOKEN" \
  mcd-meal-mate

Container شروع ہونے کے بعد http://localhost:8787 کھولا جا سکتا ہے۔ اگر MCD_MCP_TOKEN چھوڑ دیا جائے تو application ڈیمو ڈیٹا استعمال کرے گی۔

پروجیکٹ کی ساخت سمجھیں

پروجیکٹ React فرنٹ اینڈ، Express سروس، MCP کالز، غذائی parsing اور امتزاج planning کو مختلف modules میں تقسیم کرتا ہے:

src/
  App.tsx          React ورک بینچ اور responsive interaction
  styles.css       ادارتی مینو × رسید کا visual system
server/
  index.ts         Express API، input validation اور static resources
  mcp.ts           MCP JSON-RPC client، Tool orchestration اور fallback
  nutrition.ts     غذائی متن parsing، مینو mapping اور پراڈکٹ کردار کی شناخت
  planner.ts       امتزاج constraints، ترجیح scoring اور تین منصوبوں کا انتخاب
  demo-data.ts     غیر حساس ڈیمو اسنیپ شاٹ
  planner.test.ts  غذائیت اور امتزاج کے ٹیسٹ
shared/
  types.ts         فرنٹ اینڈ اور بیک اینڈ کے مشترکہ types

server/mcp.ts MCP JSON-RPC communication، Tool orchestration اور failure fallback سنبھالتا ہے؛ server/nutrition.ts غذائی متن اور مینو پراڈکٹس کی mapping کرتا ہے؛ server/planner.ts امتزاج constraints، ترجیح scoring اور تین منصوبوں کا انتخاب انجام دیتا ہے۔ فرنٹ اینڈ اور بیک اینڈ کے عمومی data structures shared/types.ts میں موجود ہیں۔

بیک اینڈ مقامی fetch استعمال کرکے میک ڈونلڈز کے MCP Streamable HTTP Server سے رابطہ کرتا ہے۔ production build میں ایک ہی Express process API اور static pages فراہم کرتا ہے، اور مینو و غذائی نتائج کو memory میں cache کرتا ہے۔

اعلیٰ استعمال اور ترقیاتی تجاویز

نتائج کی جانچ پہلے constraints سے کریں

اگر متوقع امتزاج نہ ملے تو پہلے دیکھیں کہ بجٹ، زیادہ سے زیادہ کیلوریز اور پروٹین کا ہدف بہت سخت تو نہیں۔ کھانے کا امتزاج تیار کرنے والے نظام کو بیک وقت متعدد حدود پوری کرنا ہوتی ہیں، اس لیے اہداف میں تضاد پیدا ہو سکتا ہے۔ بجٹ کچھ بڑھانے، زیادہ سے زیادہ کیلوریز بڑھانے یا پروٹین کا ہدف کم کرنے سے قابلِ عمل امتزاج کی تعداد بڑھ سکتی ہے۔

ریئل ٹائم ڈیٹا اور ڈیمو اسنیپ شاٹ میں فرق کریں

Debugging کے دوران تصدیق کریں کہ صفحہ “ڈیمو ڈیٹا” دکھا رہا ہے یا نہیں، اور MCP کال چین دیکھیں۔ Token نہ ہونے، Tool کے عارضی طور پر دستیاب نہ ہونے یا خالص فرنٹ اینڈ GitHub Pages ورژن چلانے کی صورت میں نتائج غیر حساس اسنیپ شاٹ سے آ سکتے ہیں۔

سرور کے credentials محفوظ رکھیں

Token کو browser side میں inject نہ کریں۔ پروجیکٹ پہلے ہی Express سروس کے ذریعے environment variable پڑھتا اور server side سے MCP کال کرتا ہے، جس سے architecture کی سطح پر Token کو فرنٹ اینڈ کے سامنے آنے سے روکا جاتا ہے۔ سرور یا container پر deploy کرتے وقت بھی credentials کو محفوظ environment variable management کے ذریعے فراہم کریں۔

Planning logic میں ترمیم کے بعد مکمل check چلائیں

اگر planner.ts، nutrition.ts یا shared types میں تبدیلی کی گئی ہو تو type، compile اور test checks کے لیے npm run check استعمال کریں۔ پروجیکٹ میں امتزاج اور غذائی parsing کے ٹیسٹ موجود ہیں، جو یہ جانچنے میں مدد دیتے ہیں کہ تبدیلی سے موجودہ behavior متاثر ہوا ہے یا نہیں۔

Integration documentation دیکھیں

ریپوزٹری میں موجود MCP_INTEGRATION.md مکمل Tool، کال flow، کاروباری قدر اور security boundaries درج کرتا ہے؛ mcp-config.example.json غیر حساس configuration example فراہم کرتا ہے؛ workbuddy.md WorkBuddy linkage context اور reproducible commands پر مشتمل ہے۔ دیگر Agent یا Skill شامل کرتے وقت پہلے ان فائلوں سے رجوع کیا جا سکتا ہے۔

سیکیورٹی کی حدود

• ریپوزٹری میں حقیقی Token، پاس ورڈ یا اکاؤنٹ credentials شامل نہیں ہیں۔
• MCP Token صرف server side environment variable سے پڑھا جاتا ہے۔
• پروجیکٹ ordering، payment، lottery یا points redemption Tool کو کال نہیں کرتا۔
• سرور صارف کا input محفوظ نہیں کرتا اور نہ ہی user profile بناتا ہے۔
• کھانے کی دستیابی، قیمت اور مہمات کے لیے میک ڈونلڈز کے سرکاری چینلز کو حتمی سمجھا جائے۔
• تجویز کردہ نتائج طبی، غذائی یا کسی دیگر پیشہ ورانہ مشورے کا متبادل نہیں ہیں۔

خلاصہ

M餐搭子 اسٹور کی تلاش، ریئل ٹائم مینو، غذائی مطابقت، رعایتی معلومات اور کومبو پلاننگ کو ایک قابلِ وضاحت کھانے کے امتزاج کے عمل میں یکجا کرتا ہے۔ MCP Token کنفیگر کرنے کے بعد یہ موجودہ اسٹور کا ڈیٹا استعمال کر سکتا ہے؛ Token نہ ہونے کی صورت میں بھی آپ ڈی شناخت شدہ اسنیپ شاٹ کے ذریعے مکمل انٹرایکشن آزما سکتے ہیں۔

انسٹالیشن مکمل ہونے کے بعد، پہلے مثال کی شرائط کے ذریعے تین منصوبوں کی تصدیق کریں، پھر MCP کال چین کے ذریعے ڈیٹا کے ماخذ کی جانچ کریں۔ ڈویلپرز mcp.ts، nutrition.ts اور planner.ts سے آغاز کر کے ریئل ٹائم ڈیٹا آرکیسٹریشن، غذائی میپنگ اور پابندیوں کے حساب کے نفاذ کو سمجھ سکتے ہیں۔