Sf Beverage Skus

io.github.pratikgajjarv0.3.0更新于 Oct 2, 2026

SF coffee, matcha, and chai catalog API: 439 SKUs across 13 merchants, prices in cents.

已验证Streamable HTTP可网页运行Data & Analytics Business & Commerce

概览

AI 生成的概览

查询旧金山咖啡、抹茶和印度奶茶的只读目录，涵盖 13 个商家的 439 个 SKU，价格以整数美分表示。

功能: 提供旧金山饮品菜单的远程目录 API，涵盖 13 个商家的 439 个 SKU，价格以美分表示。底层数据集包括商家、地点、商品、SKU、选项组、选项、模板以及仅追加的价格观察记录，并使用确定性的层级式 slug ID。价格按 SKU 价格加上所选选项价格增量之和计算。
适用场景: 当助手需要结构化的旧金山饮品菜单或价格数据时很有用，例如比较饮品价格、查询 SKU 和自定义选项，或构建面向智能体的餐饮商务实验。这是试点数据集，更适合探索而非作为权威定价依据。
运行要求: 远程 streamable HTTP 端点；未声明任何软件包、环境变量、请求头或身份验证。需要能访问该端点的网络。

安装前请注意

数据为只读，不涉及下单、登录或支付。价格来自多种聚合来源，可能与到店价格不同；部分地点记录未进行地理编码，部分价格观察记录在匹配不可靠时 sku_id 为空。

安装

在 SourceWeft 中

打开控制台中的 Sf Beverage Skus，将其添加到工作区。
为需要使用其工具的对话启用该服务。

Web executable，通过 Streamable HTTP。远程服务在工作区中配置后即可从网页运行时运行。

其他 MCP 客户端

把它添加到你客户端的 mcpServers 配置中。

{
  "mcpServers": {
    "sf-beverage-skus": {
      "type": "http",
      "url": "https://sf-beverage-skus.luff.workers.dev/mcp"
    }
  }
}

README

sf-beverage-skus

SKU-level coffee, matcha, and chai catalog for San Francisco. CC0-1.0. Pilot dataset for agent-native restaurant commerce. Schema: v2 (see SCHEMA.md).

The price formula

Money is integer cents everywhere. Divide by 100 for dollars.

Quick start (DuckDB)

sql

SELECT m.name AS merchant, i.name AS item, s.size_name,       s.price_cents/100.0 AS priceFROM read_parquet('parquet/skus.parquet') sJOIN read_parquet('parquet/items.parquet') i USING (item_id)JOIN read_parquet('parquet/merchants.parquet') m USING (merchant_id)WHERE i.category = 'matcha' AND i.name ILIKE '%latte%'ORDER BY s.price_cents LIMIT 10;

SELECT m.name AS merchant, i.name AS item, s.size_name,       s.price_cents/100.0 AS priceFROM read_parquet('parquet/skus.parquet') sJOIN read_parquet('parquet/items.parquet') i USING (item_id)JOIN read_parquet('parquet/merchants.parquet') m USING (merchant_id)WHERE i.category = 'matcha' AND i.name ILIKE '%latte%'ORDER BY s.price_cents LIMIT 10;

Tables

Table	Rows	Contents
`merchants`	13	merchants (stable slug IDs)
`locations`	26	storefronts: address + lat/lon (11/26 geocoded)
`items`	658	beverages (coffee 474, matcha 134, chai 50)
`skus`	1222	the sellable unit: item x size, price in cents
`option_groups`	542	customization groups with min/max/required
`options`	2476	choices with `price_delta_cents` added to the SKU price
`templates`	28	reusable option-group bundles
`price_observations`	342	append-only price history per refresh

IDs are deterministic hierarchical slugs (starbucks--caffe-latte--tall, ...--tall--milk--oat).

Provenance

Mixed sources, all read-only (no orders, sign-ins, or payments): DoorDash, Square, Toast storefronts. price_observations.parquet records checked_at and source_url per observation; sku_id is null when the match was not confident. Aggregator prices may differ from walk-in prices.

Write paths

ingest.py — item/template records in, idempotent upsert on deterministic IDs.
update_prices.py — price-refresh records in; appends history, updates skus.price_cents only on confident matches.
geocode.py, query.py — location backfill; geo + item search.

来源：README.md，提交 d9a1a8a

工具

工具元数据尚未被收录。

版本历史

v0.3.0最新Oct 2, 2026