Лича · MCP-сервер для заказа через Qimai. Позволяет ИИ находить магазины, просматривать меню, собирать заказ и рассчитывать цену в диалоге; после включения возможности заказа может также оформить реальный заказ для клиента, при этом оплата всегда выполняется самим клиентом в мини-программе «Лича».
Установка по умолчанию = только чтение: без переключателя всё полностью идентично первой версии — никаких заказов, никаких денег, никакого доступа к операционным данным.
Скажите вашему ИИ:
Я хочу заказать «Лича», загрузи с GitHub: lichadecha/licha-order-mcp
После установки просто спросите «Какие есть молочные чаи?» или «Какой магазин ближе?». Сейчас поддерживается только посещение магазина (в зале / на вынос).
Не знаете, что выбрать в первый раз? Просто спросите «Что порекомендуете?». Чтобы ИИ помог рассчитать, какой магазин ближе, можно дополнительно установить MCP-сервер Amap (опционально).
Related MCP server: @striderlabs/mcp-chipotle
Объедините следующий фрагмент с вашей конфигурацией MCP (mcpServers):
"licha-order-mcp": {
"command": "npx",
"args": ["-y", "github:lichadecha/licha-order-mcp#v0.5.1"]
}Установите файл SKILL.md из корня этого репозитория в ваш каталог навыков/инструкций (если клиент поддерживает skills).
Перезапустите или перезагрузите MCP в соответствии с требованиями вашего клиента.
Сообщите пользователю, что установка завершена, и начните обслуживание по правилам из SKILL.md (первой фразой укажите: только посещение магазина — в зале / на вынос).
Требуется Node ≥ 18; при первом запуске выполняется автоматическая сборка (prepare → tsc). Если npx не находит пакет, используйте абсолютный путь из каталога установки Node.
Инструмент | Назначение |
find_store | Поиск магазина по названию/ТЦ/городу, возвращает storeId, статус работы, часы работы |
get_menu | Просмотр меню: без keyword — категории, с keyword — список товаров |
get_item_detail | Карточка товара: спецификации, параметры (температура/сладость), добавки, наличие |
preview_order | Сборка заказа и расчёт ориентировочной суммы (локальное суммирование, фактическая сумма — по кассе магазина/заказу) |
После установки переменной окружения LICHA_ENABLE_ORDERING=1 дополнительно регистрируются 5 инструментов, связанных с заказом (bind_member / prepare_order / place_order / get_order_status / my_orders), ограничения безопасности — см. раздел «Границы безопасности» ниже.
Конфигурация mcpServers:
{
"mcpServers": {
"licha-order-mcp": {
"command": "npx",
"args": ["-y", "github:lichadecha/licha-order-mcp#v0.5.1"]
}
}
}Команда установки жёстко привязана к тегу версии (#v0.5.1) и не отслеживает последние коммиты; при обновлении ориентируйтесь на тег, указанный в новой версии README.
Требуется Node не ниже 18; при первой установке выполняется автоматическая сборка (хук prepare запускает tsc).
Сервис считывает учётные данные открытой платформы Qimai с локальной машины; учётные данные не попадают в этот репозиторий, конфигурацию и логи:
Связка ключей macOS: openKey записи qmai-cli (автоматическая распаковка)
~/.config/qmai/config.yaml: openId / grantCode активного профиля
Также можно переопределить через переменные окружения: QMAI_OPEN_KEY / QMAI_OPEN_ID / QMAI_GRANT_CODE. При отсутствии учётных данных вызовы инструментов возвращают ошибку «неполные учётные данные», сам сервис запускается нормально.
По умолчанию не регистрируется ни один инструмент записи (регистрируются только при LICHA_ENABLE_ORDERING=1); без включения в tools/list только 4 инструмента только для чтения, канал записи физически недоступен.
После включения белый список записи жёстко закодирован и содержит только 1 операцию (создание заказа); всё, что вне белого списка, физически отключено.
Оформление заказа обязательно проходит двухэтапное подтверждение: ИИ сначала зачитывает клиенту заказ, ожидающий подтверждения → клиент подтверждает → только затем отправка; параметры заказа собираются и регистрируются на серверной стороне, у ИИ есть только одноразовый токен на 5 минут, изменить содержимое заказа невозможно.
Жёсткие ограничения: один заказ ≤¥100, ≤5 заказов на клиента в день / ≤10 заказов глобально; оплата никогда не выполняется за клиента — оплата всегда производится клиентом в мини-программе «Лича».
Три отдельных журнала аудита (чтение/запись/доступ), идентификационные значения хранятся только с последними цифрами.
Выходные параметры проецируют только публичные поля (название магазина/адрес/статус работы/цены товаров), не выводятся контакты управляющего, себестоимость и другие операционные поля.
npm install
npm run smoke:mcp
npm run smokeСерия smoke также включает smoke:store / smoke:menu / smoke:detail / smoke:order. Смоук-тесты используют реальные интерфейсы только для чтения (базовый тариф 0,1 юаня за 100 вызовов, в пределах бесплатного лимита 100 000 вызовов в месяц, одна повторная проверка — не более 30 вызовов).
Кодовая часть (src/, scripts/, test/, файлы конфигурации) — Apache-2.0; текстовая часть (SKILL.md, README и другие документы) — CC BY-ND 4.0. Название и логотип «李茶的茶» принадлежат владельцу бренда и не входят в объём действия ни одной лицензии. Подробнее см. LICENSE.
按店名、商场名或城市找李茶的茶门店，返回 storeId（看菜单/点单都要用）、营业状态；唯一命中时附营业时间。点单第一步先找店。
| Name | Required | Description | Default |
|---|---|---|---|
| query | Yes | 店名/商场/城市，如「深圳湾」「太古里」「北京」 |
Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?
With no annotations, the description bears full burden. It clearly describes the tool's behavior: queries by name/mall/city, returns storeId and status, and optionally business hours. No side effects are mentioned but none are implied.
Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.
Is the description appropriately sized, front-loaded, and free of redundancy?
Two concise sentences with no wasted words. First sentence covers functionality and return values; second sentence provides critical contextual guidance ('first step of ordering').
Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.
Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?
Given the tool's simplicity (one parameter, no output schema, no annotations), the description is adequately complete. It covers the input, output, and usage context. Could be slightly more specific about multiple matches, but the '唯一命中' condition implies this.
Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.
Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?
Schema has 100% description coverage for the query parameter. The description adds value by providing concrete examples ('深圳湾', '太古里', '北京') and clarifying that the query can be a store name, mall, or city.
Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.
Does the description clearly state what the tool does and how it differs from similar tools?
Clearly states the tool finds stores by name, mall, or city, and returns storeId and status, with business hours on unique match. Distinct from siblings (get_menu, get_item_detail, preview_order) which serve later ordering steps.
Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.
Does the description explain when to use this tool, when not to, or what alternatives exist?
Explicitly says '点单第一步先找店' (first step of ordering is to find the store), establishing the tool as the entry point. Could more explicitly state when not to use, but the context and sibling list make the guidance clear.
Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.
看商品点单详情：规格（SKU）、做法（温度/糖度等）、加料、是否估清。goodsId 从 get_menu 结果里取。
| Name | Required | Description | Default |
|---|---|---|---|
| goodsId | Yes | 商品 ID（get_menu 返回的 goodsId） | |
| storeId | Yes | 门店 ID（先用 find_store 查；如深圳湾万象城=503542） |
Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?
No annotations; description lists data fields but does not mention side effects, read-only nature, authentication needs, or rate limits. Assumed safe read but not stated.
Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.
Is the description appropriately sized, front-loaded, and free of redundancy?
Single sentence packs key information efficiently. Front-loaded with purpose and details, no redundancy.
Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.
Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?
Adequate for a simple retrieval tool with good parameter descriptions, but lacks output format and any limitations or prerequisites beyond sibling hint.
Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.
Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?
Schema covers 100% of parameters with descriptions. Description does not add new semantic meaning beyond what schema provides, so baseline 3 is appropriate.
Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.
Does the description clearly state what the tool does and how it differs from similar tools?
Description clearly states it retrieves order details (specifications, preparation, add-ons, sold-out status) and links to get_menu via goodsId. Distinguishes from siblings like get_menu and preview_order.
Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.
Does the description explain when to use this tool, when not to, or what alternatives exist?
Implied usage from mentioning goodsId from get_menu, but no explicit when-to-use or when-not-to-use compared to alternative tools.
Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.
组单算预估总价（本地累加；实际金额以门店收银台/订单为准）。同组做法（如温度）只能选一个，估清商品会拦截。
| Name | Required | Description | Default |
|---|---|---|---|
| items | Yes | ||
| storeId | Yes | 门店 ID（先用 find_store 查；如深圳湾万象城=503542） |
Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?
The description discloses important behaviors: local accumulation (not final), actual amounts may differ, constraints on practices, and blocking of sold-out items. Since no annotations are provided, the description carries full burden and does so adequately.
Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.
Is the description appropriately sized, front-loaded, and free of redundancy?
The description is two sentences, front-loads the core purpose, and each sentence adds value without redundancy.
Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.
Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?
For a tool with two parameters and no output schema, the description covers purpose, constraints, and estimation nature. It is complete enough for an agent to understand usage and limitations.
Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.
Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?
Schema description coverage is 50%, and the description adds some context (e.g., practices constraint) but does not significantly expand on the schema's parameter descriptions. Baseline 3 is appropriate.
Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.
Does the description clearly state what the tool does and how it differs from similar tools?
The description clearly states the tool calculates an estimated total price for an order ('算预估总价'), specifies local accumulation, and distinguishes from siblings by focusing on price calculation rather than store or item lookups.
Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.
Does the description explain when to use this tool, when not to, or what alternatives exist?
The description implicitly indicates when to use (for total preview) and provides constraints (same group practices only one, sold-out items block). However, it does not explicitly state when not to use or list alternative tools.
Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.
Each tool has a clearly distinct purpose: finding stores, getting menu, item details, and order preview. No overlap.
All tool names follow a consistent verb_noun pattern in snake_case (find_store, get_menu, get_item_detail, preview_order).
4 tools is well-scoped for a tea ordering server, covering the core workflow without unnecessary complexity.
The tools cover the full user journey from finding a store to previewing an order with item details, leaving no dead ends for its stated purpose.
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
MCP server for AI dialogue using various LLM models via AceDataCloud
Hosted MCP server for live public-data APIs and Skills for AI agents.
Hosted MCP for e-commerce: live product catalog, stock, and pricing for AI agents.
MCP server providing access to the Scorecard API to evaluate and optimize LLM systems.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/lichadecha/licha-order-mcp'
If you have feedback or need assistance with the MCP directory API, please join our Discord server
