🥗 NutriAI

App experimental de análise nutricional com OpenAI Apps SDK---

🤖 Integração com ChatGPT Apps SDK

O NutriAI implementa o protocolo MCP (Model Context Protocol) e está pronto para ser usado como um conector personalizado no ChatGPT!

Como conectar ao ChatGPT:

Acesse: ChatGPT Settings → Connectors
Clique em: "New Connector"
Configure:
- Name: NutriAI
- Description: Analisa alimentos descritos em texto e retorna tabela nutricional completa
- MCP Server URL: https://nutriai-mcp-server.onrender.com
- Authentication: No authentication
Marque: "I trust this application" ✓
Clique: "Create"

Como usar no ChatGPT:

Após conectar, você pode usar comandos como:

"Analise uma banana prata de 86g"
"Quantas calorias tem uma tapioca com queijo?"
"Me dê informações nutricionais de um pão francês com manteiga"

O ChatGPT automaticamente descobrirá e usará sua ferramenta NutriAI! 🎉

🧠 Como funciona

Fluxo de funcionamento:

ChatGPT Apps SDK → Detecta intenção nutricional do usuário
Protocolo MCP → Chama a tool analyze_food via JSON-RPC 2.0
NutriAI Server → Processa descrição do alimento
OpenAI API → Gera estimativa nutricional usando GPT-4o-mini
ChatGPT → Exibe resultado formatado com insights personalizados

Arquitetura técnica:

Frontend: React com Vite (para desenvolvimento local)
Backend: FastAPI com protocolo MCP + rate limiting + monitoramento de custos
IA: OpenAI GPT-4o-mini com JSON mode para consistência
Deploy: Render.com com HTTPS automático
Segurança: CORS restrito + API keys opcionais + rate limitingenAI Apps SDK](https://img.shields.io/badge/OpenAI-Apps%20SDK-412991)](https://developers.openai.com/apps-sdk)

🌱 Visão geral

O NutriAI é um aplicativo educacional que analisa descrições de alimentos e retorna estimativas nutricionais (calorias, macronutrientes e insights simples).
Ele segue as Design Guidelines do OpenAI Apps SDK e usa um MCP Server em Python para orquestrar chamadas à API da OpenAI.

⚠️ Este projeto é experimental e não substitui orientação médica ou nutricional.

🧩 Arquitetura

NutriAI/ ├── app-ui/ # Front-end React (Apps SDK) │ └── layout/ │ └── NutritionTable.tsx ├── mcp-server/ # Servidor MCP em Python/FastAPI │ └── analyze_food/ │ └── schema.json └── docs/ ├── Design-Guidelines.md └── privacy.md

⚙️ Instalação e execução local

1️⃣ Clonar o repositório

git clone https://github.com/frotoadriano/NutriAI.git cd NutriAI 2️⃣ Backend (MCP Server em Python) cd mcp-server python3 -m venv venv source venv/bin/activate # Windows: venv\Scripts\activate pip install -r requirements.txt # Crie um arquivo .env com: # OPENAI_API_KEY=seu_token_aqui uvicorn main:app --reload 3️⃣ Frontend (React App) cd app-ui npm install npm run dev ## 🛠️ Problema de compatibilidade: OpenAI SDK & httpx Se você encontrar o erro:

TypeError: Client.init() got an unexpected keyword argument 'proxies'

ao rodar o backend, isso ocorre por incompatibilidade entre versões do pacote `httpx` e o SDK oficial da OpenAI (`openai`). **Solução:** Certifique-se de usar a versão exata `httpx==0.27.2` no arquivo `requirements.txt`. Essa versão garante compatibilidade total com o SDK OpenAI (testado com `openai>=1.50.0`). **Referência:** O NutriAI utiliza o [OpenAI Python SDK](https://github.com/openai/openai-python) para integração com a API OpenAI. Sempre confira as versões recomendadas na documentação oficial. ```txt # Exemplo de trecho do requirements.txt openai==1.51.2 httpx==0.27.2

Se precisar atualizar dependências, sempre rode:

pip install --upgrade pip pip install -r requirements.txt

🧠 Como funciona

O usuário descreve um alimento (ex.: “tapioca com queijo”).

O MCP Server envia a descrição para a API da OpenAI.

O modelo gera uma tabela nutricional e insights.

O front-end exibe os dados no formato nativo do ChatGPT Apps SDK.

🎨 Design e UX

Interface leve e responsiva.

Tons neutros e leitura fácil.

Frases curtas e empáticas (“Aqui está a estimativa para sua tapioca.”).

Mensagens de erro claras e educativas.

Mais detalhes em docs/Design-Guidelines.md .

🔒 Privacidade

O NutriAI não coleta informações pessoais. Veja a política de privacidade completa .

�️ Proteções e Monitoramento

Segurança implementada:

✅ Rate Limiting: 5 req/min para MCP tools, 10 req/min para API REST
✅ CORS restrito: Apenas ChatGPT e origens autorizadas
✅ API Keys opcionais: Configure via variáveis de ambiente no Render
✅ Monitoramento de custos: Logs mostram gasto por requisição (~$0.0003 por análise)
✅ Health checks: Endpoint /health para monitoramento

Configuração no Render.com:

# Variáveis de ambiente recomendadas OPENAI_API_KEY=sua_chave_openai API_KEYS=chave_secreta_1,chave_secreta_2 # Opcional mas recomendado ALLOWED_ORIGINS=https://chat.openai.com,https://chatgpt.com

�📚 Roadmap

✅ Design Guidelines
✅ Schema JSON (MCP Server)
✅ Protocolo MCP compatível com ChatGPT Apps SDK
✅ Integração OpenAI API
✅ Deploy em produção (Render.com)
✅ Rate limiting e proteções de segurança
🔄 Validação por imagem (versão futura)
🔄 Comparação entre alimentos
🔄 Histórico pessoal de análises
🔄 Integração com bases de dados nutricionais (USDA)

🤝 Contribuição

Contribuições são bem-vindas!

Faça um fork.

Crie um branch: git checkout -b feature/nova-funcionalidade.

Commit → Push → Pull Request.

🪪 Licença

Distribuído sob licença MIT. Veja o arquivo LICENSE para mais informações.

🧑‍💻 Autor

Adriano Frota – LinkedIn | GitHub

Como testar end-to-end

Backend cd mcp-server python -m venv venv venv\Scripts\activate.bat python.exe -m pip install --upgrade pip

pip install -r requirements.txt cp .env.example .env # coloque sua OPENAI_API_KEY uvicorn main:app --reload

Frontend cd app-ui cp .env.example .env # VITE_API_BASE=http://localhost:8000 npm i npm run dev

abra http://localhost:5173

NutriAI MCP Server

🥗 NutriAI

🤖 Integração com ChatGPT Apps SDK

Como conectar ao ChatGPT:

Como usar no ChatGPT:

🧠 Como funciona

🌱 Visão geral

🧩 Arquitetura

⚙️ Instalação e execução local

1️⃣ Clonar o repositório

�️ Proteções e Monitoramento

Segurança implementada:

Configuração no Render.com:

�📚 Roadmap

abra http://localhost:5173

Related Resources

New MCP Servers

MCP directory API