OpenWeather MCP Server

Was macht der “OpenWeather” MCP Server?

Der OpenWeather MCP Server ist ein schlanker Model Context Protocol (MCP) Dienst, der KI-Assistenten über die kostenlose OpenWeatherMap API mit Echtzeit-Wetterdaten verbindet. Er ermöglicht verbesserte Entwicklungsworkflows, indem KI-Clients aktuelle Wetterbedingungen und 5-Tage-Vorhersagen für beliebige Städte abrufen können – mit wählbaren Einheiten (Celsius, Fahrenheit, Kelvin) sowie Mehrsprachigkeit. Indem Wetterdaten als strukturierte Ressourcen und Tools bereitgestellt werden, vereinfacht der OpenWeather MCP Server Aufgaben wie Wetterabfrage, kontextuelle KI-Antworten und die Integration in Automatisierungspipelines. Dieser Server eignet sich ideal für Projekte, die aktuelle Wetterkontexte benötigen, und erleichtert den Bau KI-gesteuerter Anwendungen, die über MCP mit externen Datenquellen interagieren.

Liste der Prompts

Im Repository werden keine expliziten Prompt-Vorlagen erwähnt.

Liste der Ressourcen

• Aktuelle Wetterdaten: Liefert aktuelle Wetterbedingungen für eine angegebene Stadt, darunter Temperatur, Luftdruck, Luftfeuchtigkeit, Wind, Sonnenauf-/-untergang und mehr.
• 5-Tage-Wettervorhersage: Gibt eine Vorhersage mit detaillierten Wetterdaten im 3-Stunden-Takt für bis zu 5 Tage aus.
• Einheiten-Konfiguration: Ermöglicht die Auswahl zwischen Celsius, Fahrenheit oder Kelvin als Temperatureinheit.
• Mehrsprachige Unterstützung: Bietet Wetterdaten in verschiedenen Sprachen, wie von der OpenWeatherMap API unterstützt.

Liste der Tools

• weather: Das Haupt-Tool, das vom OpenWeather MCP Server bereitgestellt wird. Es akzeptiert Parameter wie city (erforderlich), units (optional: c|f|k) und lang (optional: de|en|fr|…). Es ruft aktuelle Wetterdaten und Vorhersagen für die angegebene Stadt ab.

Anwendungsfälle dieses MCP Servers

• KI-gestützte Wetter-Chatbots: Integrieren Sie Echtzeit-Wetterdaten in Konversations-KI-Assistenten, sodass Nutzer aktuelle Bedingungen oder Prognosen für beliebige Städte abfragen können.
• Reise- und Veranstaltungsplanung: Integrieren Sie Wetterabfragen in Ihre Workflow-Automatisierungen, um Vorschläge oder Warnungen für bevorstehende Reisen oder Events auf Basis der Vorhersage zu geben.
• Kontextuelle KI-Antworten: Verbessern Sie die Kontextwahrnehmung Ihrer KI-Agenten, indem Sie sie mit aktuellen lokalen Wetterdaten für bessere Empfehlungen und Entscheidungen versorgen.
• Smart Home und IoT-Integration: Nutzen Sie Wetterdaten, um Smart-Home-Routinen auszulösen, z.B. Heizung/Kühlung anzupassen oder Benachrichtigungen bei Wetteränderungen zu senden.
• Bildungsanwendungen: Entwickeln Sie interaktive Lernwerkzeuge, die echte Wetterdaten verwenden, um Konzepte in Naturwissenschaften, Geografie oder Sprachunterricht zu vermitteln.

So richten Sie es ein

Windsurf

1. Stellen Sie sicher, dass Go 1.20+ installiert ist.
2. Besorgen Sie sich Ihren OpenWeatherMap API-Schlüssel.
3. Bauen Sie den Server:

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

4. Konfigurieren Sie Windsurf so, dass der Server eingebunden wird:

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

5. Änderungen speichern und Windsurf neu starten. Überprüfen Sie das Setup mit einer Wetter-Anfrage.

Claude

1. Installation über Smithery:

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

2. Setzen Sie Ihren OpenWeatherMap API-Schlüssel:

   export OWM_API_KEY="your_api_key_here"
   

3. Zu Claudes Konfiguration hinzufügen:

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

4. Speichern und Claude neu starten. Testen Sie durch eine Wetterabfrage.

Cursor

1. Bauen Sie den Server wie oben und stellen Sie sicher, dass Ihr API-Schlüssel gesetzt ist.
2. Bearbeiten Sie die MCP-Konfigurationsdatei von Cursor:

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

3. Speichern und Cursor neu starten. Überprüfen Sie das Setup mit einer Wetterabfrage.

Cline

1. Bauen und richten Sie den OpenWeather MCP Server wie zuvor beschrieben ein.
2. Fügen Sie die Serverkonfiguration zu Cline hinzu:

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

3. Konfiguration speichern und Cline neu starten.
4. Überprüfen Sie die Einrichtung durch eine Wetteranfrage.

API-Schlüssel absichern

Nutzen Sie immer Umgebungsvariablen für API-Schlüssel. Beispiel-JSON-Konfiguration:

{
  "mcpServers": {
    "mcp-openweather": {
      "command": "/path/to/mcp-weather",
      "env": {
        "OWM_API_KEY": "${OWM_API_KEY}"  // Verwenden Sie Ihre Umgebungsvariable
      }
    }
  }
}

Wie nutzt man diesen MCP in Flows

MCP in FlowHunt verwenden

Um MCP-Server in Ihren FlowHunt-Workflow zu integrieren, fügen Sie zunächst die MCP-Komponente zu Ihrem Flow hinzu und verbinden sie mit Ihrem KI-Agenten:

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Im Bereich System-MCP-Konfiguration tragen Sie Ihre MCP-Serverdetails in folgendem JSON-Format ein:

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

Nach der Konfiguration kann der KI-Agent diesen MCP als Tool verwenden und auf alle Funktionen zugreifen. Denken Sie daran, “mcp-openweather” ggf. durch den tatsächlichen Namen Ihres MCP-Servers zu ersetzen und die URL entsprechend anzupassen.

Übersicht

Nach den verfügbaren Informationen stellt der OpenWeather MCP Server klar definierte Wetterdaten-Tools und Ressourcen bereit, bietet jedoch keine Prompt-Vorlagen oder Sampling-Unterstützung. Roots-Support ist nicht erwähnt.

Das Projekt ist grundlegend, aber funktional für seinen Zweck, mit soliden Setup-Anleitungen und allen kritischen Funktionen für Wetterdatenbereitstellung.

Unsere Meinung

Der OpenWeather MCP Server ist unkompliziert, einfach einzurichten und bestens geeignet, um Wetterdaten in KI-Workflows einzubinden. Fortgeschrittene MCP-Features wie Prompt-Vorlagen und Sampling fehlen zwar, aber für die Wetterdatenabfrage ist er robust und benutzerfreundlich.

Bewertung: 7/10

MCP Score