我给编码 Agent 装上“品味”：从我的音乐偏好推荐餐厅

作者构建了 qloo-taste-mcp，一个把 Qloo Taste API 封装为 MCP 服务器的项目，向任意 agent 提供四个工具：qloo_search 搜索品味图谱实体、qloo_recommend 基于实体 ID 生成电影/餐厅/品牌推荐、qloo_trending 查询当前趋势、qloo_tags 检索标签分类。核心演示是跨域迁移：以 Taylor Swift 和 Wes Anderson 电影为种子，推荐洛杉矶餐厅。作者称 Qloo 覆盖 2.5 亿以上文化实体并构建品味关联图，但未给出效果评测。

AI推荐理由 作者把 Qloo Taste API 封装成 qloo-taste-mcp，向任意 agent 暴露搜索、推荐、趋势、标签四个工具，并演示了从音乐/电影偏好跨域推荐餐厅的用法。这是 MCP 工具化与跨域推荐结合的具体实现，对 agent 工具生态有参考价值；但正文为个人项目自述，未提供效果评测或可验证数据，Qloo 的 250M+ 实体规模来自作者转述。