OpenWeather MCP Server

Hvad gør “OpenWeather” MCP Server?

OpenWeather MCP Server er en letvægts Model Context Protocol (MCP) tjeneste, der forbinder AI-assistenter med realtids vejrdata ved at integrere med den gratis OpenWeatherMap API. Den muliggør forbedrede udviklingsworkflows ved at lade AI-klienter hente aktuelle vejrforhold og 5-dages prognoser for enhver by, med mulighed for konfigurerbare enheder (Celsius, Fahrenheit, Kelvin) og flersproget understøttelse. Ved at eksponere vejrdata som strukturerede ressourcer og værktøjer, forenkler OpenWeather MCP Server opgaver som hentning af vejrinformation, kontekstuelle AI-svar og integration i automatiserings-pipelines. Denne server er ideel til projekter, der kræver opdateret vejrkontekst, hvilket gør det lettere at bygge AI-drevne applikationer, der interagerer med eksterne datakilder via MCP.

Liste over Prompts

Ingen eksplicitte promptskabeloner nævnes i repositoryet.

Liste over Ressourcer

• Aktuelle vejrdata: Leverer aktuelle vejrforhold for en angivet by, inklusive temperatur, tryk, luftfugtighed, vind, solopgang/solnedgang og mere.
• 5-dages vejrudsigt: Giver en prognose med detaljerede vejrdata i 3-timers intervaller i op til 5 dage.
• Enhedskonfiguration: Gør det muligt for klienter at vælge mellem Celsius, Fahrenheit eller Kelvin som temperaturenheder.
• Flersproget understøttelse: Tilbyder vejrdata på forskellige sprog, som understøttes af OpenWeatherMap API.

Liste over Værktøjer

• weather: Hovedværktøjet eksponeret af OpenWeather MCP Server. Det accepterer parametre som city (påkrævet), units (valgfri: c|f|k), og lang (valgfri: en|de|fr|…). Det henter aktuelle vejr- og prognosedata for den angivne by.

Anvendelsestilfælde for denne MCP Server

• AI-drevne vejrchatbots: Integrer realtids vejrdata i konversations-AI-assistenter, så brugere kan forespørge aktuelle forhold eller prognoser for enhver by.
• Rejse- og begivenhedsplanlægning: Indsæt vejrcheck i workflow-automatisering for at give forslag eller advarsler om kommende ture eller events baseret på prognosedata.
• Kontekstuelle AI-svar: Forbedr AI-agenters kontekstforståelse ved at give dem opdateret lokalt vejr for bedre anbefalinger og beslutningstagning.
• Integration i smarte hjem og IoT: Brug vejrdata til at udløse rutiner i smarte hjem, fx justering af opvarmning/nedkøling eller udsendelse af notifikationer baseret på vejrskift.
• Undervisningsapplikationer: Byg interaktive læringsværktøjer, der anvender rigtige vejrdata til at undervise i emner som naturvidenskab, geografi eller sprog.

Sådan sætter du det op

Windsurf

1. Sørg for at Go 1.20+ er installeret.
2. Få din OpenWeatherMap API-nøgle.
3. Byg serveren:

   git clone https://github.com/mschneider82/mcp-openweather.git
   cd mcp-openweather
   go build -o mcp-weather
   

4. Konfigurer Windsurf til at inkludere serveren:

   {
     "mcpServers": {
       "mcp-openweather": {
         "command": "/path/to/mcp-weather",
         "env": {
           "OWM_API_KEY": "PUT_API_KEY_HERE"
         }
       }
     }
   }
   

5. Gem ændringer og genstart Windsurf. Verificér ved at teste vejrforspørgsler.

Claude

1. Installer via Smithery:

   npx -y @smithery/cli install @mschneider82/mcp-openweather --client claude
   

2. Indstil din OpenWeatherMap API-nøgle:

   export OWM_API_KEY="your_api_key_here"
   

3. Tilføj til Claudes konfiguration:

   {
     "mcpServers": {
       "mcp-openweather": {
         "command": "/path/to/mcp-weather",
         "env": {
           "OWM_API_KEY": "PUT_API_KEY_HERE"
         }
       }
     }
   }
   

4. Gem og genstart Claude. Test ved at anmode om vejrdata.

Cursor

1. Byg serveren som ovenfor og sørg for, at din API-nøgle er sat.
2. Redigér Cursors MCP-konfigurationsfil:

   {
     "mcpServers": {
       "mcp-openweather": {
         "command": "/path/to/mcp-weather",
         "env": {
           "OWM_API_KEY": "PUT_API_KEY_HERE"
         }
       }
     }
   }
   

3. Gem og genstart Cursor. Bekræft opsætningen ved at køre vejrforspørgsler.

Cline

1. Byg og opsæt OpenWeather MCP Server som tidligere beskrevet.
2. Tilføj serverkonfigurationen til Cline:

   {
     "mcpServers": {
       "mcp-openweather": {
         "command": "/path/to/mcp-weather",
         "env": {
           "OWM_API_KEY": "PUT_API_KEY_HERE"
         }
       }
     }
   }
   

3. Gem konfigurationen og genstart Cline.
4. Valider ved at lave en vejranmodning.

Sikring af API-nøgler

Brug altid miljøvariabler til API-nøgler. Eksempel på JSON-konfiguration:

{
  "mcpServers": {
    "mcp-openweather": {
      "command": "/path/to/mcp-weather",
      "env": {
        "OWM_API_KEY": "${OWM_API_KEY}"  // Brug din miljøvariabel
      }
    }
  }
}

Sådan bruger du denne MCP i flows

Brug af MCP i FlowHunt

For at integrere MCP-servere i dit FlowHunt workflow, start med at tilføje MCP-komponenten til dit flow og forbinde den til din AI-agent:

Klik på MCP-komponenten for at åbne konfigurationspanelet. I systemets MCP-konfigurationssektion indsættes dine MCP-serverdetaljer i dette JSON-format:

{
  "mcp-openweather": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Når den er konfigureret, kan AI-agenten nu bruge denne MCP som et værktøj med adgang til alle dens funktioner og muligheder. Husk at ændre “mcp-openweather” til det faktiske navn på din MCP-server og erstatte URL’en med din egen MCP-server URL.

Oversigt

Baseret på de tilgængelige oplysninger giver OpenWeather MCP Server tydelige værktøjer og ressourcer for vejrdata, men mangler promptskabeloner og sampling-understøttelse. Roots-understøttelse er ikke nævnt.

Projektet er simpelt, men funktionelt til formålet, med solide opsætningsinstruktioner og alle nødvendige funktioner for eksponering af vejrdata.

Vores mening

OpenWeather MCP Server er ligetil, nem at sætte op og velegnet til at tilføje vejrdata til AI-workflows. Den mangler nogle avancerede MCP-funktioner som promptskabeloner og sampling, men til vejrdatahentning er den robust og brugervenlig.

Bedømmelse: 7/10

MCP-score