Scraps Kitchen MCP-Server

Das Kochgehirn Ihres KI-Assistenten. Scraps Kitchen verleiht jedem KI-Agenten eine dauerhafte, haushaltsbewusste Küchenintelligenz – Vorratsverfolgung, Ernährungssicherheit, Rezeptverwaltung, Einkaufslisten und mehr.

Im Gegensatz zum allgemeinen Chatbot-Gedächtnis verwaltet Scraps strukturierte Kochdaten: was in Ihrem Kühlschrank ist, für wen Sie kochen, deren Allergien und Vorlieben, Ihre Rezept-Historie mit Kochnotizen und Ihre Küchenausstattung. Jeder MCP-kompatible Agent kann darauf zugreifen, um wirklich personalisierte Kochgespräche zu führen.

Live-Server: https://api.scraps.kitchen/mcp (Streamable HTTP) Web-App: scraps.kitchen

Schnelleinstieg

Claude Desktop

Fügen Sie dies zu Ihrer claude_desktop_config.json hinzu:

{
  "mcpServers": {
    "scraps-kitchen": {
      "type": "streamable-http",
      "url": "https://api.scraps.kitchen/mcp"
    }
  }
}

VS Code / Cursor

Fügen Sie dies zu Ihren MCP-Einstellungen hinzu:

{
  "servers": {
    "scraps-kitchen": {
      "type": "streamable-http",
      "url": "https://api.scraps.kitchen/mcp"
    }
  }
}

Bei der ersten Verwendung werden Sie aufgefordert, sich über OAuth zu authentifizieren. Sie können direkt im OAuth-Prozess ein Konto erstellen – ein Einmalcode wird zur Verifizierung an Ihre E-Mail-Adresse gesendet. Sie müssen scraps.kitchen nicht separat besuchen.

Tools (27)

Mahlzeitenvorschläge

Vorratskammer (6 Tools)

Einkaufsliste (5 Tools)

Haushalt (4 Tools)

Ausstattung (4 Tools)

Rezepte (6 Tools)

Authentifizierung

Alle Tools erfordern eine Authentifizierung. Scraps verwendet OAuth 2.1 mit PKCE – die meisten MCP-Clients handhaben dies automatisch. Sie sehen bei der ersten Verbindung eine Anmeldeaufforderung, bei der Sie sich anmelden oder ein neues Konto mit E-Mail-OTP-Verifizierung erstellen können.

Bereiche (Scopes):

Discovery: https://api.scraps.kitchen/.well-known/mcp.json

Wie Agenten Scraps nutzen

Scraps ist eine Datenschicht, keine Reasoning-Engine. Es speichert strukturierte Küchenintelligenz, die jeden KI-Assistenten besser in Kochgesprächen macht:

1. Küchenkontext lesen — get_pantry, get_household, get_equipment, get_recipes

2. Eigene LLM nutzen, um zu überlegen, was gekocht werden soll, unter Berücksichtigung von Allergien, Vorlieben und verfügbaren Zutaten

3. Ergebnisse zurückschreiben — mark_ingredients_used, add_recipe_note, rate_recipe_for_diner

Jede Interaktion macht die Daten reichhaltiger. Mehr Kochhistorie, mehr Feedback, genauere Vorräte – was das nächste Gespräch verbessert.

Beispiel-Workflows

"Was soll ich heute Abend kochen?"

1. get_pantry → verfügbare Zutaten sehen

2. get_household → Ernährungseinschränkungen und Allergien prüfen

3. get_equipment → wissen, welche Werkzeuge verfügbar sind

4. get_recipes(status: "cooked") → sehen, was früher funktioniert hat

5. Agent überlegt sich einen Mahlzeitenvorschlag unter Verwendung dieses gesamten Kontexts

Nach dem Kochen:

1. mark_ingredients_used(["Hähnchenschenkel", "Ingwer", "Sojasauce"]) → Vorrat aktualisieren

2. add_recipe_note(recipe_id, "Extra Knoblauch hinzugefügt, 2 Min. länger angebraten") → Kochhistorie aufbauen

3. rate_recipe_for_diner(recipe_id, diner_id, { loved_it: true }) → Vorlieben verfolgen

Einkaufsplanung:

1. get_pantry(stale_only: true) → Artikel, deren Frischefenster abgelaufen ist

2. get_shopping_list → bestehende Liste

3. add_shopping_list_item("Eier") → hinzufügen, was benötigt wird

4. Nach dem Einkauf: add_pantry_items([...]) → auffüllen, clear_checked_shopping_items → Liste bereinigen

Links

• Web-App: scraps.kitchen

• MCP-Endpunkt: https://api.scraps.kitchen/mcp

• Discovery: https://api.scraps.kitchen/.well-known/mcp.json

• Offizielles MCP-Register: registry.modelcontextprotocol.io

Lizenz

MIT