Serveur MCP OpenWeather

Que fait le serveur MCP “OpenWeather” ?

Le serveur MCP OpenWeather est un service léger Model Context Protocol (MCP) qui connecte les assistants IA à des données météo en temps réel en interfaçant avec l’API gratuite OpenWeatherMap. Il permet d’améliorer les workflows de développement en autorisant les clients IA à récupérer les conditions météo actuelles et des prévisions sur 5 jours pour n’importe quelle ville, avec des unités configurables (Celsius, Fahrenheit, Kelvin) et la prise en charge de plusieurs langues. En exposant les données météo sous forme de ressources et d’outils structurés, le serveur MCP OpenWeather simplifie des tâches telles que la récupération d’informations météo, les réponses contextuelles de l’IA et l’intégration dans les chaînes d’automatisation. Ce serveur est idéal pour les projets nécessitant un contexte météo actualisé, facilitant la création d’applications IA qui interagissent avec des sources de données externes via MCP.

Liste des invites

Aucun modèle d’invite explicite n’est mentionné dans le dépôt.

Liste des ressources

• Données météo actuelles : Fournit les conditions météo actuelles pour une ville donnée, incluant température, pression, humidité, vent, lever/coucher du soleil, etc.
• Prévision météo sur 5 jours : Offre des prévisions détaillées toutes les 3 heures jusqu’à 5 jours.
• Configuration des unités : Permet aux clients de choisir entre Celsius, Fahrenheit ou Kelvin pour les unités de température.
• Support multilingue : Propose des données météo dans différentes langues, selon ce que prend en charge l’API OpenWeatherMap.

Liste des outils

• weather : Outil principal exposé par le serveur MCP OpenWeather. Il accepte les paramètres city (requis), units (optionnel : c|f|k), et lang (optionnel : en|de|fr|…). Il récupère la météo actuelle et les prévisions pour la ville spécifiée.

Cas d’utilisation de ce serveur MCP

• Chatbots météo IA : Intégrez des données météo en temps réel dans des assistants conversationnels IA, permettant aux utilisateurs de demander les conditions ou prévisions pour n’importe quelle ville.
• Planification de voyages et événements : Intégrez des vérifications météo dans des automatisations pour suggérer ou alerter sur des déplacements ou événements à venir selon la prévision.
• Réponses contextuelles IA : Améliorez la contextualisation des agents IA avec la météo locale la plus récente pour des recommandations et décisions plus pertinentes.
• Intégration maison intelligente et IoT : Exploitez les données météo pour déclencher des routines domotiques, comme ajuster le chauffage/climatisation ou envoyer des notifications selon l’évolution du temps.
• Applications pédagogiques : Créez des outils d’apprentissage interactifs utilisant de vraies données météo pour enseigner des concepts en sciences, géographie ou langues.

Comment l’installer

Windsurf

1. Assurez-vous que Go 1.20+ est installé.
2. Obtenez votre clé API OpenWeatherMap.
3. Construisez le serveur :

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

4. Configurez Windsurf pour inclure le serveur :

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

5. Enregistrez les modifications et redémarrez Windsurf. Vérifiez en lançant des requêtes météo.

Claude

1. Installez via Smithery :

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

2. Indiquez votre clé API OpenWeatherMap :

   export OWM_API_KEY="your_api_key_here"
   

3. Ajoutez à la configuration de Claude :

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

4. Enregistrez et redémarrez Claude. Testez en demandant des données météo.

Cursor

1. Construisez le serveur comme ci-dessus et vérifiez que votre clé API est bien définie.
2. Modifiez le fichier de configuration MCP de Cursor :

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

3. Enregistrez et redémarrez Cursor. Confirmez la configuration en lançant des requêtes météo.

Cline

1. Construisez et configurez le serveur MCP OpenWeather comme précédemment.
2. Ajoutez la configuration serveur dans Cline :

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

3. Enregistrez la configuration et redémarrez Cline.
4. Validez en effectuant une demande météo.

Sécurisation des clés API

Utilisez toujours des variables d’environnement pour vos clés API. Exemple de configuration JSON :

{
  "mcpServers": {
    "mcp-openweather": {
      "command": "/path/to/mcp-weather",
      "env": {
        "OWM_API_KEY": "${OWM_API_KEY}"  // Utilisez votre variable d’environnement
      }
    }
  }
}

Comment utiliser ce MCP dans les flows

Utilisation du MCP dans FlowHunt

Pour intégrer des serveurs MCP dans vos workflows FlowHunt, commencez par ajouter le composant MCP à votre flow et connectez-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 dans ce format JSON :

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

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

Aperçu

D’après les informations disponibles, le serveur MCP OpenWeather fournit des outils et ressources météo clairs, mais ne propose ni modèles d’invite ni de support sampling. Le support roots n’est pas évoqué.

Le projet reste basique mais fonctionnel pour son usage, avec des instructions claires et toutes les fonctions critiques pour exposer des données météo.

Notre avis

Le serveur MCP OpenWeather est simple, facile à installer et parfaitement adapté à l’ajout de données météo dans des workflows IA. Il manque certaines fonctions MCP avancées comme des modèles d’invite et du sampling, mais il est robuste et convivial pour la récupération de données météo.

Note : 7/10

Score MCP