{
  "mcpServers": {
    "lovtrip": {
      "command": "npx",
      "args": ["-y", "lovtrip@latest", "mcp"],
      "env": {
        "AMAP_API_KEY": "your-amap-api-key"
      }
    }
  }
}

完整工作流（6 步）

第 1 步：解析时间 + 匹配兴趣

收集每位成员的时间和兴趣，找到共同窗口。

parse_schedule({ text: "周六下午" }) → 结构化时间段
match_interests({ members: [{ name: "Alice", interests: ["咖啡","桌游"] }, ...] }) → 共同兴趣 + 推荐活动

第 2 步：计算中点 + 推荐地点

快捷方式（推荐）: 直接用 amap_find_optimal_venue 一步完成中点计算 + 地点搜索 + 评分排序。

amap_find_optimal_venue({
  members: [
    { name: "Alice", location: "北京市海淀区中关村" },
    { name: "Bob", location: "北京市朝阳区国贸" }
  ],
  activity_type: "咖啡馆",
  city: "北京"
})

分步操作（需要更细粒度控制时）:

amap_calculate_midpoint({ members: [...], city: "北京" }) → 地理中心点
amap_search_nearby({ lng, lat, keywords: "咖啡馆" }) → 周边地点

第 3 步：检查天气和路况（可选）

check_weather({ location: { lng, lat }, city: "北京" }) → 天气预报 + 活动建议
check_traffic({ location: { lng, lat }, city: "北京" }) → 实时交通态势

第 4 步：推荐时间段

suggest_time_slots({ venue_business_hours: "09:00-22:00", duration_minutes: 120, member_count: 4 })

第 5 步：生成完整方案

generate_plan({
  time_slot: { start: "2026-03-08T14:00:00", end: "2026-03-08T18:00:00" },
  venue: { name: "星巴克中关村店", address: "...", location: { lng, lat } },
  activities: ["咖啡", "桌游"],
  members: ["Alice", "Bob"]
})

第 6 步：导出与分享

generate_map_links({ venue: {...}, members: [...] }) → 各平台地图/导航链接
export_calendar({ title: "周六聚会", start_time: "...", end_time: "...", location: "..." }) → iCal 文件
generate_backup_plans({ primary_plan: {...}, reason: "weather", city: "北京" }) → 备选方案

工具列表 (10 Tools)

工具	说明
`amap_calculate_midpoint`	计算多人地理中心点
`amap_find_optimal_venue`	核心: 综合推荐最优聚会地点
`parse_schedule`	解析自然语言时间（"周六下午"、"明天3点后"）
`match_interests`	分析多人共同兴趣，推荐活动
`suggest_time_slots`	基于营业时间、高峰期推荐最佳时间段
`generate_plan`	生成完整行程方案（时间线 + 地点 + 活动）
`generate_backup_plans`	天气/交通/客满时的备选方案
`export_calendar`	导出 iCal (.ics) 日历文件
`check_weather`	天气预报 + 活动建议
`check_traffic`	实时交通态势

评分算法

amap_find_optimal_venue 使用加权评分：

总分 = 距离分 × 0.3 + 评分分 × 0.4 + 公平性分 × 0.2 + 惩罚分 × 0.1

距离分 = 1.0 - (平均距离 / 最大搜索半径)
评分分 = 商户评分 / 5.0
公平性分 = 1.0 - (通勤时间标准差 / 最大标准差)
惩罚分 = 1.0 - (最远成员距离 / 最大搜索半径 × 2)

使用示例

用户: "我在中关村，朋友在国贸，周六下午想找个咖啡馆聊天"

→ parse_schedule({ text: "周六下午" })
→ amap_find_optimal_venue({
    members: [{ name: "我", location: "中关村" }, { name: "朋友", location: "国贸" }],
    activity_type: "咖啡馆",
    city: "北京"
  })
→ generate_plan({ time_slot: {...}, venue: {...}, activities: ["咖啡"] })
→ generate_map_links({ venue: {...}, members: [...] })

重要限制

仅限中国大陆: 坐标范围 73.5–135.0°E, 18.0–53.5°N
务必传 city 参数: 大幅提高准确性
members 数组至少 2 人
优先使用 amap_find_optimal_venue 一步到位，避免分步调用导致工具调用过多

在线体验

LovTrip 聚会规划 — Web 端多人聚会地点推荐
AI 行程规划器 — 智能生成旅行行程
旅行攻略 — 精选目的地深度攻略
开发者文档 — MCP + CLI + API 完整文档

lovtrip-meetup

聚会规划助手 / Multi-Person Meetup Planner

Setup / 配置