OpenWeather MCP Server

Hva gjør “OpenWeather” MCP Server?

OpenWeather MCP Server er en lettvekts Model Context Protocol (MCP)-tjeneste som kobler AI-assistenter til sanntids værdata ved å kommunisere med det gratis OpenWeatherMap API-et. Den gir forbedrede utviklingsarbeidsflyter ved å la AI-klienter hente gjeldende værforhold og 5-dagers værmeldinger for enhver by, med mulighet for å velge enheter (Celsius, Fahrenheit, Kelvin) og flerspråklig støtte. Ved å eksponere værdata som strukturerte ressurser og verktøy, forenkler OpenWeather MCP Server oppgaver som innhenting av værinformasjon, kontekstuelle AI-svar og integrasjon i automasjonsrørledninger. Denne serveren er ideell for prosjekter som krever oppdatert værkontekst, og gjør det enklere å bygge AI-drevne applikasjoner som samhandler med eksterne datakilder via MCP.

Liste over prompt-maler

Ingen eksplisitte prompt-maler er nevnt i depotet.

Liste over ressurser

• Gjeldende værdata: Gir gjeldende værforhold for en spesifisert by, inkludert temperatur, trykk, luftfuktighet, vind, soloppgang/solnedgang og mer.
• 5-dagers værmelding: Leverer en værmelding med detaljerte værdata i 3-timers intervaller i opptil 5 dager.
• Enhetskonfigurasjon: Lar klienter velge mellom Celsius, Fahrenheit eller Kelvin som temperatur-enhet.
• Flerspråklig støtte: Tilbyr værdata på ulike språk, som støttet av OpenWeatherMap API.

Liste over verktøy

• weather: Hovedverktøyet som eksponeres av OpenWeather MCP-serveren. Godtar parametere som city (påkrevd), units (valgfritt: c|f|k) og lang (valgfritt: en|de|fr|…). Henter gjeldende vær og værmelding for den angitte byen.

Bruksområder for denne MCP-serveren

• AI-drevne værchatboter: Integrer sanntids værdata i konversasjons-AI-assistenter, slik at brukere kan spørre om gjeldende forhold eller værmelding for en hvilken som helst by.
• Reise- og arrangementsplanlegging: Bygg inn værkontroll i arbeidsflytautomatisering for å gi forslag eller varsler for kommende reiser eller arrangementer basert på værmelding.
• Kontekstuelle AI-svar: Forbedre kontekstbevisstheten til AI-agenter ved å gi dem oppdatert lokalt vær for bedre anbefalinger og beslutninger.
• Smarthus- og IoT-integrasjon: Bruk værdata til å utløse smarthusrutiner, som å justere varme/kjøling eller sende varsler basert på værendringer.
• Undervisningsapplikasjoner: Bygg interaktive læringsverktøy som bruker ekte værdata for å undervise i naturfag, geografi eller språk.

Hvordan sette det opp

Windsurf

1. Sørg for at Go 1.20+ er installert.
2. Skaff din OpenWeatherMap API-nøkkel.
3. Bygg serveren:

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

4. Konfigurer Windsurf for å inkludere serveren:

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

5. Lagre endringer og start Windsurf på nytt. Bekreft ved å sjekke værforespørsler.

Claude

1. Installer via Smithery:

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

2. Sett din OpenWeatherMap API-nøkkel:

   export OWM_API_KEY="your_api_key_here"
   

3. Legg til i Claudes konfigurasjon:

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

4. Lagre og start Claude på nytt. Test ved å be om værdata.

Cursor

1. Bygg serveren som over og sørg for at API-nøkkelen er satt.
2. Rediger Cursors MCP-konfigurasjonsfil:

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

3. Lagre og start Cursor på nytt. Bekreft oppsettet med værforespørsler.

Cline

1. Bygg og sett opp OpenWeather MCP-serveren som tidligere beskrevet.
2. Legg til serverkonfigurasjonen i Cline:

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

3. Lagre konfigurasjonen og start Cline på nytt.
4. Valider ved å sende en værforespørsel.

Sikring av API-nøkler

Bruk alltid miljøvariabler for API-nøkler. Eksempel på JSON-konfigurasjon:

{
  "mcpServers": {
    "mcp-openweather": {
      "command": "/path/to/mcp-weather",
      "env": {
        "OWM_API_KEY": "${OWM_API_KEY}"  // Bruk din miljøvariabel
      }
    }
  }
}

Hvordan bruke denne MCP-en i flyter

Bruke MCP i FlowHunt

For å integrere MCP-servere i din FlowHunt-arbeidsflyt, begynn med å legge til MCP-komponenten i flyten og koble den til din AI-agent:

Klikk på MCP-komponenten for å åpne konfigurasjonspanelet. I systemets MCP-konfigurasjonsseksjon, legg inn dine MCP-serverdetaljer med dette JSON-formatet:

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

Når det er konfigurert, kan AI-agenten nå bruke denne MCP-en som et verktøy med tilgang til alle dens funksjoner og muligheter. Husk å endre “mcp-openweather” til det faktiske navnet på din MCP-server og bytt ut URL-en med din egen MCP-server URL.

Oversikt

Basert på tilgjengelig informasjon gir OpenWeather MCP Server tydelige verktøy for værdata og ressurs-eksponering, men mangler prompt-maler og sampling-støtte. Roots-støtte er ikke nevnt.

Prosjektet er grunnleggende, men funksjonelt for sitt formål, med solide oppsettinstruksjoner og alle kritiske funksjoner for eksponering av værdata.

Vår mening

OpenWeather MCP Server er enkel, lett å sette opp og godt egnet for å legge værdata til AI-arbeidsflyter. Den mangler noen avanserte MCP-funksjoner som prompt-maler og sampling, men for værdata-innhenting er den robust og brukervennlig.

Vurdering: 7/10

MCP Score