🥗 NutriAI

App experimental de análise nutricional com OpenAI Apps SDK---

🤖 Integração com ChatGPT Apps SDK

O NutriAI implementa o protocolo MCP (Model Context Protocol) e está pronto para ser usado como um conector personalizado no ChatGPT!

Como conectar ao ChatGPT:

1. Acesse: ChatGPT Settings → Connectors
2. Clique em: "New Connector"
3. Configure:
   • Name: NutriAI
   • Description: Analisa alimentos descritos em texto e retorna tabela nutricional completa
   • MCP Server URL: https://nutriai-mcp-server.onrender.com
   • Authentication: No authentication
4. Marque: "I trust this application" ✓
5. Clique: "Create"

Como usar no ChatGPT:

Após conectar, você pode usar comandos como:

• "Analise uma banana prata de 86g"
• "Quantas calorias tem uma tapioca com queijo?"
• "Me dê informações nutricionais de um pão francês com manteiga"

O ChatGPT automaticamente descobrirá e usará sua ferramenta NutriAI! 🎉

---

🧠 Como funciona

Fluxo de funcionamento:

1. ChatGPT Apps SDK → Detecta intenção nutricional do usuário
2. Protocolo MCP → Chama a tool analyze_food via JSON-RPC 2.0
3. NutriAI Server → Processa descrição do alimento
4. OpenAI API → Gera estimativa nutricional usando GPT-4o-mini
5. ChatGPT → Exibe resultado formatado com insights personalizados

Arquitetura técnica:

• Frontend: React com Vite (para desenvolvimento local)
• Backend: FastAPI com protocolo MCP + rate limiting + monitoramento de custos
• IA: OpenAI GPT-4o-mini com JSON mode para consistência
• Deploy: Render.com com HTTPS automático
• Segurança: CORS restrito + API keys opcionais + rate limitingenAI Apps SDK](https://img.shields.io/badge/OpenAI-Apps%20SDK-412991)](https://developers.openai.com/apps-sdk)
  
  
  

---

🌱 Visão geral

O NutriAI é um aplicativo educacional que analisa descrições de alimentos e retorna estimativas nutricionais (calorias, macronutrientes e insights simples).
Ele segue as Design Guidelines do OpenAI Apps SDK e usa um MCP Server em Python para orquestrar chamadas à API da OpenAI.

⚠️ Este projeto é experimental e não substitui orientação médica ou nutricional.

---

🧩 Arquitetura

NutriAI/ ├── app-ui/ # Front-end React (Apps SDK) │ └── layout/ │ └── NutritionTable.tsx ├── mcp-server/ # Servidor MCP em Python/FastAPI │ └── analyze_food/ │ └── schema.json └── docs/ ├── Design-Guidelines.md └── privacy.md

---

⚙️ Instalação e execução local

1️⃣ Clonar o repositório

git clone https://github.com/frotoadriano/NutriAI.git
cd NutriAI

2️⃣ Backend (MCP Server em Python)
cd mcp-server
python3 -m venv venv
source venv/bin/activate      # Windows: venv\Scripts\activate
pip install -r requirements.txt
# Crie um arquivo .env com:
# OPENAI_API_KEY=seu_token_aqui
uvicorn main:app --reload

3️⃣ Frontend (React App)
cd app-ui
npm install
npm run dev

## 🛠️ Problema de compatibilidade: OpenAI SDK & httpx

Se você encontrar o erro:

TypeError: Client.init() got an unexpected keyword argument 'proxies'

ao rodar o backend, isso ocorre por incompatibilidade entre versões do pacote `httpx` e o SDK oficial da OpenAI (`openai`).

**Solução:**
Certifique-se de usar a versão exata `httpx==0.27.2` no arquivo `requirements.txt`. Essa versão garante compatibilidade total com o SDK OpenAI (testado com `openai>=1.50.0`).

**Referência:**
O NutriAI utiliza o [OpenAI Python SDK](https://github.com/openai/openai-python) para integração com a API OpenAI. Sempre confira as versões recomendadas na documentação oficial.

```txt
# Exemplo de trecho do requirements.txt
openai==1.51.2
httpx==0.27.2

Se precisar atualizar dependências, sempre rode:

pip install --upgrade pip
pip install -r requirements.txt

🧠 Como funciona

O usuário descreve um alimento (ex.: “tapioca com queijo”).

O MCP Server envia a descrição para a API da OpenAI.

O modelo gera uma tabela nutricional e insights.

O front-end exibe os dados no formato nativo do ChatGPT Apps SDK.

🎨 Design e UX

Interface leve e responsiva.

Tons neutros e leitura fácil.

Frases curtas e empáticas (“Aqui está a estimativa para sua tapioca.”).

Mensagens de erro claras e educativas.

Mais detalhes em docs/Design-Guidelines.md .

🔒 Privacidade

O NutriAI não coleta informações pessoais. Veja a política de privacidade completa .

---

�️ Proteções e Monitoramento

Segurança implementada:

• ✅ Rate Limiting: 5 req/min para MCP tools, 10 req/min para API REST
• ✅ CORS restrito: Apenas ChatGPT e origens autorizadas
• ✅ API Keys opcionais: Configure via variáveis de ambiente no Render
• ✅ Monitoramento de custos: Logs mostram gasto por requisição (~$0.0003 por análise)
• ✅ Health checks: Endpoint /health para monitoramento

Configuração no Render.com:

# Variáveis de ambiente recomendadas
OPENAI_API_KEY=sua_chave_openai
API_KEYS=chave_secreta_1,chave_secreta_2  # Opcional mas recomendado  
ALLOWED_ORIGINS=https://chat.openai.com,https://chatgpt.com

---

�📚 Roadmap

• ✅ Design Guidelines
• ✅ Schema JSON (MCP Server)
• ✅ Protocolo MCP compatível com ChatGPT Apps SDK
• ✅ Integração OpenAI API
• ✅ Deploy em produção (Render.com)
• ✅ Rate limiting e proteções de segurança
• 🔄 Validação por imagem (versão futura)
• 🔄 Comparação entre alimentos
• 🔄 Histórico pessoal de análises
• 🔄 Integração com bases de dados nutricionais (USDA)

🤝 Contribuição

Contribuições são bem-vindas!

Faça um fork.

Crie um branch: git checkout -b feature/nova-funcionalidade.

Commit → Push → Pull Request.

🪪 Licença

Distribuído sob licença MIT. Veja o arquivo LICENSE para mais informações.

🧑‍💻 Autor

Adriano Frota – LinkedIn | GitHub

---

Como testar end-to-end

Backend cd mcp-server python -m venv venv venv\Scripts\activate.bat python.exe -m pip install --upgrade pip

pip install -r requirements.txt cp .env.example .env # coloque sua OPENAI_API_KEY uvicorn main:app --reload

Frontend cd app-ui cp .env.example .env # VITE_API_BASE=http://localhost:8000 npm i npm run dev

abra http://localhost:5173