Sf Beverage Skus

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

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

已驗證Streamable HTTP可網頁執行Data & Analytics Business & Commerce

概覽

AI 產生的概覽

查詢舊金山咖啡、抹茶與印度奶茶的唯讀目錄，涵蓋 13 個商家的 439 個 SKU，價格以整數美分表示。

功能: 提供舊金山飲品菜單的遠端目錄 API，涵蓋 13 個商家的 439 個 SKU，價格以美分表示。底層資料集包含商家、地點、品項、SKU、選項群組、選項、範本以及僅可附加的價格觀察記錄，並使用確定性的階層式 slug ID。價格以 SKU 價格加上所選選項價格增量的總和計算。
適用情境: 當助理需要結構化的舊金山飲品菜單或價格資料時很實用，例如比較飲品價格、查詢 SKU 與自訂選項，或建構面向代理的餐飲商務實驗。這是試行資料集，較適合探索，不宜當作權威定價依據。
執行需求: 遠端 streamable HTTP 端點；未宣告任何套件、環境變數、標頭或身分驗證。需要能連線至該端點的網路。

安裝前請注意

資料為唯讀，不涉及下單、登入或付款。價格來自多種聚合來源，可能與到店價格不同；部分地點記錄尚未進行地理編碼，部分價格觀察記錄在比對不可靠時 sku_id 為空。

安裝

在 SourceWeft 中

開啟儀表板中的 Sf Beverage Skus，將其新增到工作區。
為需要使用其工具的對話啟用該服務。

Web executable，透過 Streamable HTTP。遠端服務在工作區中設定後即可從網頁執行環境執行。

其他 MCP 客戶端

把它新增到你客戶端的 mcpServers 設定中。

{
  "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.

來源：README.md，提交 d9a1a8a

工具

工具後設資料尚未被收錄。

版本歷史

v0.3.0最新Oct 2, 2026