OpenWeather MCP Server

Cosa fa il server “OpenWeather” MCP?

L’OpenWeather MCP Server è un servizio Model Context Protocol (MCP) leggero che collega gli assistenti AI ai dati meteo in tempo reale tramite l’API gratuita OpenWeatherMap. Consente di migliorare i flussi di sviluppo permettendo ai client AI di recuperare condizioni meteo attuali e previsioni a 5 giorni per qualsiasi città, con opzioni per unità configurabili (Celsius, Fahrenheit, Kelvin) e supporto multilingue. Esponendo i dati meteo come risorse e strumenti strutturati, OpenWeather MCP Server semplifica attività come il recupero di informazioni meteo, risposte AI contestuali e integrazione in pipeline di automazione. Questo server è ideale per progetti che richiedono contesto meteo aggiornato, rendendo più semplice la creazione di applicazioni AI che interagiscono con fonti dati esterne tramite MCP.

Elenco dei Prompt

Nessun template di prompt esplicitamente menzionato nel repository.

Elenco delle Risorse

• Dati Meteo Attuali: Fornisce le condizioni meteo attuali di una città specificata, inclusi temperatura, pressione, umidità, vento, alba/tramonto e altro.
• Previsioni Meteo a 5 Giorni: Restituisce una previsione dettagliata ogni 3 ore fino a 5 giorni.
• Configurazione delle Unità: Permette ai client di scegliere tra Celsius, Fahrenheit o Kelvin per le unità di temperatura.
• Supporto Multilingue: Offre dati meteo in varie lingue, come previsto dall’API OpenWeatherMap.

Elenco degli Strumenti

• weather: Lo strumento principale esposto dal server OpenWeather MCP. Accetta parametri come city (obbligatorio), units (opzionale: c|f|k) e lang (opzionale: en|de|fr|…). Recupera dati meteo attuali e previsioni per la città specificata.

Casi d’Uso di questo MCP Server

• Chatbot Meteo AI: Integra dati meteo in tempo reale negli assistenti conversazionali AI, permettendo agli utenti di chiedere condizioni o previsioni per qualsiasi città.
• Pianificazione Viaggi ed Eventi: Inserisce controlli meteo nelle automazioni dei flussi di lavoro per fornire suggerimenti o avvisi per viaggi/eventi in base alle previsioni.
• Risposte AI Contestuali: Migliora la consapevolezza contestuale degli agenti AI fornendo loro meteo locale aggiornato per migliori raccomandazioni e decisioni.
• Integrazione Smart Home e IoT: Usa i dati meteo per attivare routine smart home, come regolare riscaldamento/climatizzazione o inviare notifiche in base ai cambiamenti climatici.
• Applicazioni Educative: Crea strumenti di apprendimento interattivi che usano dati meteo reali per insegnare concetti di scienze, geografia o lingue.

Come configurarlo

Windsurf

1. Assicurati che Go 1.20+ sia installato.
2. Ottieni la tua chiave API OpenWeatherMap.
3. Costruisci il server:

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

4. Configura Windsurf per includere il server:

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

5. Salva le modifiche e riavvia Windsurf. Verifica la configurazione effettuando richieste meteo.

Claude

1. Installa tramite Smithery:

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

2. Imposta la tua chiave API OpenWeatherMap:

   export OWM_API_KEY="your_api_key_here"
   

3. Aggiungi alla configurazione di Claude:

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

4. Salva e riavvia Claude. Prova richiedendo dati meteo.

Cursor

1. Costruisci il server come sopra e assicurati che la tua chiave API sia impostata.
2. Modifica il file di configurazione MCP di Cursor:

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

3. Salva e riavvia Cursor. Conferma la configurazione eseguendo richieste meteo.

Cline

1. Costruisci e configura il server OpenWeather MCP come descritto sopra.
2. Aggiungi la configurazione del server a Cline:

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

3. Salva la configurazione e riavvia Cline.
4. Valida la configurazione effettuando una richiesta meteo.

Protezione delle Chiavi API

Utilizza sempre variabili d’ambiente per le chiavi API. Esempio di configurazione JSON:

{
  "mcpServers": {
    "mcp-openweather": {
      "command": "/path/to/mcp-weather",
      "env": {
        "OWM_API_KEY": "${OWM_API_KEY}"  // Usa la variabile d'ambiente
      }
    }
  }
}

Come usare questo MCP nei flussi

Utilizzo di MCP in FlowHunt

Per integrare i server MCP nel tuo workflow FlowHunt, inizia aggiungendo il componente MCP al flusso e collegandolo al tuo agente AI:

Clicca sul componente MCP per aprire il pannello di configurazione. Nella sezione di configurazione MCP di sistema, inserisci i dettagli del tuo server MCP usando questo formato JSON:

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

Una volta configurato, l’agente AI potrà utilizzare questo MCP come strumento con accesso a tutte le sue funzioni e capacità. Ricorda di cambiare “mcp-openweather” con il nome effettivo del tuo server MCP e di sostituire l’URL con quello del tuo server MCP.

Panoramica

In base alle informazioni disponibili, l’OpenWeather MCP Server offre strumenti e risorse meteo chiari, ma manca di template di prompt e supporto sampling. Il supporto roots non è menzionato.

Il progetto è essenziale ma funzionale allo scopo, con istruzioni di configurazione chiare e tutte le funzionalità critiche per l’esposizione dei dati meteo.

La nostra opinione

OpenWeather MCP Server è semplice, rapido da configurare e perfetto per aggiungere dati meteo ai workflow AI. Manca di alcune funzionalità MCP avanzate come template di prompt e sampling, ma per il recupero di dati meteo è solido e facile da usare.

Valutazione: 7/10

MCP Score