Serveur MCP Météo

À quoi sert le serveur MCP “Météo” ?

Le serveur MCP Météo est un serveur Model Context Protocol (MCP) qui connecte les assistants IA à des données météorologiques en temps réel et historiques en s’interfaçant avec l’API Open-Meteo. Conçu pour améliorer les workflows de développement pilotés par l’IA, il permet aux agents IA d’interroger la météo actuelle, de récupérer des informations météorologiques sur des plages de dates précises, et d’obtenir l’heure actuelle dans n’importe quel fuseau horaire. En exposant ces capacités comme des outils, le serveur MCP Météo permet une intégration fluide de données météo externes dans les interactions avec des modèles de langage (LLM), soutenant des cas d’usage tels que la planification de voyages, les assistants contextuels et l’automatisation basée sur les données—le tout sans nécessiter de clé API ni d’identifiants.

Liste des prompts

Aucun modèle de prompt n’est répertorié ou mentionné dans le dépôt.

Liste des ressources

Aucune ressource MCP explicite n’est documentée dans le dépôt.

Liste des outils

• get_weather
  Récupère les informations météorologiques actuelles pour une ville spécifiée. Nécessite le nom de la ville en entrée.

• get_weather_by_datetime_range
  Récupère les données météo pour une ville donnée entre une date de début et une date de fin (au format AAAA-MM-JJ).

• get_current_datetime
  Retourne l’heure actuelle dans un fuseau horaire IANA spécifié (ex : “America/New_York”). Par défaut : UTC si non précisé.

Cas d’usage de ce serveur MCP

• Assistants de planification de voyage
  Utilisez des données météo en temps réel et prévisionnelles pour aider les utilisateurs à planifier leurs voyages, suggérer les meilleures dates de départ ou préparer leur valise.

• Planification d’événements
  Intégrez les prévisions météo pour recommander des dates ou des lieux adaptés pour des événements, réunions ou activités en extérieur.

• Conversations IA contextuelles
  Permettez aux chatbots ou assistants virtuels de fournir des réponses adaptées au contexte, basées sur la météo actuelle ou historique à l’emplacement de l’utilisateur.

• Analyse et visualisation de données
  Récupérez des données météo historiques pour des outils d’analyse ou des tableaux de bord afin de dégager des tendances ou d’éclairer des décisions métier.

• Automatisation de la maison intelligente
  Déclenchez des actions (ex : ajuster le thermostat, fermer les fenêtres) en fonction des conditions météo actuelles ou à venir fournies par le serveur.

Comment l’installer

Windsurf

1. Assurez-vous d’avoir Python et pip installés.

2. Installez le serveur MCP Météo :
   pip install mcp_weather_server

3. Localisez votre fichier de configuration Windsurf MCP (généralement windsurf_mcp_settings.json).

4. Ajoutez la configuration du serveur MCP Météo :

   {
     "mcpServers": {
       "weather": {
         "command": "python",
         "args": [
           "-m",
           "mcp_weather_server"
         ],
         "disabled": false,
         "autoApprove": []
       }
     }
   }
   

5. Enregistrez le fichier et redémarrez Windsurf.

6. Vérifiez que le serveur “weather” apparaît dans la liste des serveurs MCP.

Claude

1. Installez Python et pip si ce n’est pas déjà fait.

2. Lancez pip install mcp_weather_server.

3. Modifiez votre fichier de paramètres Claude MCP (ex : claude_mcp_settings.json).

4. Insérez ce qui suit sous la clé mcpServers :

   {
     "mcpServers": {
       "weather": {
         "command": "python",
         "args": [
           "-m",
           "mcp_weather_server"
         ],
         "disabled": false,
         "autoApprove": []
       }
     }
   }
   

5. Enregistrez les modifications et redémarrez Claude.

6. Vérifiez que le serveur MCP Météo est disponible.

Cursor

1. Assurez-vous que Python et pip sont disponibles.

2. Exécutez pip install mcp_weather_server.

3. Ouvrez votre fichier de configuration Cursor (cursor_mcp_settings.json).

4. Ajoutez l’entrée du serveur MCP Météo :

   {
     "mcpServers": {
       "weather": {
         "command": "python",
         "args": [
           "-m",
           "mcp_weather_server"
         ],
         "disabled": false,
         "autoApprove": []
       }
     }
   }
   

5. Enregistrez et redémarrez Cursor.

6. Confirmez que le serveur fonctionne dans le panneau d’intégrations MCP.

Cline

1. Assurez-vous que Python et pip sont installés.

2. Installez le serveur en utilisant :
   pip install mcp_weather_server

3. Localisez votre fichier de configuration cline_mcp_settings.json.

4. Ajoutez le bloc suivant :

   {
     "mcpServers": {
       "weather": {
         "command": "python",
         "args": [
           "-m",
           "mcp_weather_server"
         ],
         "disabled": false,
         "autoApprove": []
       }
     }
   }
   

5. Enregistrez le fichier de configuration.

6. Redémarrez Cline et vérifiez que le serveur MCP Météo est actif.

Sécurisation des clés API

Ce serveur ne nécessite pas de clé API, car il utilise l’API Open-Meteo gratuite et open-source. Si une clé API devenait nécessaire, vous pourriez utiliser des variables d’environnement dans votre configuration comme ceci :

{
  "mcpServers": {
    "weather": {
      "env": {
        "API_KEY": "<VOTRE_CLÉ>"
      },
      "inputs": {
        "api_key": "<VOTRE_CLÉ>"
      }
    }
  }
}

Comment utiliser ce MCP dans vos flux

Utilisation du MCP dans FlowHunt

Pour intégrer des serveurs MCP dans vos workflows FlowHunt, commencez par ajouter le composant MCP à votre flux et reliez-le à votre agent IA :

Cliquez sur le composant MCP pour ouvrir le panneau de configuration. Dans la section de configuration système MCP, insérez les détails de votre serveur MCP au format JSON suivant :

{
  "weather": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Une fois configuré, l’agent IA peut utiliser ce MCP comme outil avec accès à toutes ses fonctions et capacités. N’oubliez pas de remplacer “weather” par le nom réel de votre serveur MCP et de mettre l’URL de votre propre serveur MCP.

Aperçu

Sur cette base, le serveur MCP Météo offre des fonctionnalités essentielles solides (outils), une configuration claire, et il est open source, mais il lui manque des fonctions MCP avancées comme les ressources, les modèles de prompt ou l’échantillonnage. Son utilité est simple et facile à utiliser. J’attribuerais à ce serveur MCP une note de 6/10 pour l’intégration généraliste—excellent pour la météo, mais limité en extensibilité MCP.

Score MCP