Servidor OpenWeather MCP

¿Qué hace el Servidor “OpenWeather” MCP?

El Servidor OpenWeather MCP es un servicio ligero del Protocolo de Contexto de Modelo (MCP) que conecta asistentes de IA con datos meteorológicos en tiempo real mediante la API gratuita de OpenWeatherMap. Permite mejorar los flujos de desarrollo al permitir que los clientes de IA obtengan condiciones meteorológicas actuales y pronósticos de 5 días para cualquier ciudad, con opciones para unidades configurables (Celsius, Fahrenheit, Kelvin) y soporte multilingüe. Al exponer los datos meteorológicos como recursos y herramientas estructuradas, el Servidor OpenWeather MCP simplifica tareas como la obtención de información meteorológica, respuestas contextuales de IA e integración en cadenas de automatización. Este servidor es ideal para proyectos que requieren contexto meteorológico actualizado, facilitando la creación de aplicaciones de IA que interactúan con fuentes de datos externas mediante MCP.

Lista de Prompts

No se mencionan plantillas de prompt explícitas en el repositorio.

Lista de Recursos

• Datos Meteorológicos Actuales: Proporciona las condiciones meteorológicas actuales para una ciudad especificada, incluyendo temperatura, presión, humedad, viento, salida/puesta de sol y más.
• Pronóstico Meteorológico de 5 Días: Ofrece un pronóstico con datos meteorológicos detallados a intervalos de 3 horas durante hasta 5 días.
• Configuración de Unidades: Permite a los clientes elegir entre Celsius, Fahrenheit o Kelvin para las unidades de temperatura.
• Soporte Multilingüe: Ofrece datos meteorológicos en varios idiomas, según lo soportado por la API de OpenWeatherMap.

Lista de Herramientas

• weather: La herramienta principal expuesta por el servidor OpenWeather MCP. Acepta parámetros como city (requerido), units (opcional: c|f|k) y lang (opcional: en|de|fr|…). Recupera el clima actual y los datos de pronóstico para la ciudad especificada.

Casos de uso de este Servidor MCP

• Chatbots de Clima impulsados por IA: Integra datos meteorológicos en tiempo real en asistentes conversacionales de IA, permitiendo a los usuarios consultar condiciones actuales o pronósticos para cualquier ciudad.
• Planificación de Viajes y Eventos: Incorpora verificaciones meteorológicas en automatizaciones de flujos de trabajo para proporcionar sugerencias o alertas para próximos viajes o eventos basados en datos de pronóstico.
• Respuestas Contextuales de IA: Mejora la conciencia contextual de los agentes de IA proporcionándoles clima local actualizado para mejores recomendaciones y toma de decisiones.
• Integración con Hogar Inteligente e IoT: Usa datos meteorológicos para activar rutinas de hogar inteligente, como ajustar calefacción/refrigeración o enviar notificaciones según cambios en el clima.
• Aplicaciones Educativas: Crea herramientas interactivas de aprendizaje que utilizan datos meteorológicos reales para enseñar conceptos de ciencia, geografía o idiomas.

Cómo configurarlo

Windsurf

1. Asegúrate de tener Go 1.20+ instalado.
2. Obtén tu clave de API de OpenWeatherMap.
3. Compila el servidor:

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

4. Configura Windsurf para incluir el servidor:

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

5. Guarda los cambios y reinicia Windsurf. Verifica realizando consultas meteorológicas.

Claude

1. Instala vía Smithery:

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

2. Configura tu clave de API de OpenWeatherMap:

   export OWM_API_KEY="your_api_key_here"
   

3. Añade a la configuración de Claude:

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

4. Guarda y reinicia Claude. Prueba solicitando datos meteorológicos.

Cursor

1. Compila el servidor como arriba y asegúrate de configurar tu clave de API.
2. Edita el archivo de configuración MCP de Cursor:

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

3. Guarda y reinicia Cursor. Confirma la configuración realizando consultas meteorológicas.

Cline

1. Compila y configura el servidor OpenWeather MCP como se describió previamente.
2. Añade la configuración del servidor a Cline:

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

3. Guarda la configuración y reinicia Cline.
4. Valida emitiendo una petición meteorológica.

Protección de Claves de API

Utiliza siempre variables de entorno para las claves de API. Ejemplo de configuración JSON:

{
  "mcpServers": {
    "mcp-openweather": {
      "command": "/path/to/mcp-weather",
      "env": {
        "OWM_API_KEY": "${OWM_API_KEY}"  // Usa tu variable de entorno
      }
    }
  }
}

Cómo usar este MCP en flujos

Uso de MCP en FlowHunt

Para integrar servidores MCP en tu flujo de trabajo de FlowHunt, comienza añadiendo el componente MCP a tu flujo y conectándolo a tu agente de IA:

Haz clic en el componente MCP para abrir el panel de configuración. En la sección de configuración MCP del sistema, inserta los detalles de tu servidor MCP usando este formato JSON:

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

Una vez configurado, el agente de IA podrá usar este MCP como herramienta con acceso a todas sus funciones y capacidades. Recuerda cambiar “mcp-openweather” por el nombre real de tu servidor MCP y sustituir la URL por la de tu propio servidor MCP.

Resumen

Según la información disponible, el Servidor OpenWeather MCP proporciona herramientas y recursos meteorológicos claros, pero carece de plantillas de prompt y soporte de muestreo. El soporte de raíces no se menciona.

El proyecto es básico pero funcional para su propósito, con instrucciones sólidas de configuración y todas las características críticas para exponer datos meteorológicos.

Nuestra opinión

El Servidor OpenWeather MCP es sencillo, fácil de configurar y adecuado para añadir datos meteorológicos a flujos de trabajo de IA. Carece de funciones MCP avanzadas como plantillas de prompt y muestreo, pero para la obtención de datos meteorológicos es robusto y fácil de usar.

Calificación: 7/10

Puntuación MCP