Weather MCP Server

Hva gjør “Weather” MCP Server?

Weather MCP Server er en Model Context Protocol (MCP) server utviklet for å gi AI-assistenter sømløs tilgang til omfattende værdata og relaterte tjenester. Ved å fungere som en mellomtjener mellom AI-klienter og WeatherAPI, muliggjør denne serveren AI-drevne arbeidsflyter for å hente nåværende værforhold, prognoser (opptil 14 dager), historiske værdata, luftkvalitetsindekser, astronomidata, stedsbaserte søk, tidssoneinformasjon og til og med detaljer om sportsbegivenheter. Serveren er bygget med FastAPI og MCP-rammeverket, noe som gjør integrasjon i AI-utviklingsmiljøer enkel. Dette forbedrer AI-agenters evne til å besvare brukerforespørsler, automatisere væravhengige arbeidsflyter og berike konteksten for språkmodell-interaksjoner.

Liste over prompt-maler

Ingen eksplisitte prompt-maler ble funnet i depotfilene.

Liste over ressurser

Ingen eksplisitte ressurser er beskrevet i tilgjengelig dokumentasjon eller kodelister.

Liste over verktøy

• Nåværende værforhold: Gir sanntidsdata om temperatur, luftfuktighet, vindhastighet osv. for et spesifisert sted.
• Værprognoser (1–14 dager): Henter værmeldinger for kommende dager, slik at man kan planlegge i henhold til forventede forhold.
• Historiske værdata: Tilgang til tidligere værdata for analyse eller retrospektive forespørsler.
• Væralarmer: Gir varsler om ekstreme værhendelser.
• Luftkvalitetsinformasjon: Henter informasjon om luftforurensning og luftkvalitetsindeks for et gitt sted.
• Astronomidata: Leverer detaljer som soloppgang, solnedgang og månefaser.
• Stedsøk: Gjør det mulig å søke og finne steder for værforespørsler.
• Tidssoneinformasjon: Gir lokal tidssoneinformasjon for spesifiserte steder.
• Sportsbegivenheter: Returnerer værforhold som er relevante for sportsarrangementer.

Bruksområder for denne MCP-serveren

• Integrasjon med personlig assistent: AI-assistenter kan bruke serveren til å svare på brukerforespørsler om vær, soloppgang/solnedgang og luftkvalitet, og dermed forbedre brukeropplevelsen.
• Reiseplanlegging: Utviklere kan automatisere reiseruter ved å integrere værprognoser og varsler for destinasjoner, slik at brukere kan tilpasse planer etter værforhold.
• Miljøovervåkingsdashbord: Serveren kan drive dashbord som overvåker luftkvalitet og værtrender, og støtte helseråd og byplanlegging.
• Hendelsesplanlegging: Team som organiserer sports- eller utendørsarrangementer kan bruke serveren for å sjekke historiske og prognosebaserte værforhold, og optimalisere tidspunktet for arrangementet.
• Smarthjem-automatisering: Integrer værdata for å automatisere hjemmeenheter – f.eks. justere termostater, lukke vinduer eller sende varsler basert på kommende værendringer.

Slik setter du det opp

Windsurf

1. Sørg for at Python 3.13+ og pakkehåndtereren uv er installert.
2. Legg til Weather MCP Server i din konfigurasjon.
3. Sett inn serveren i ditt mcpServers-objekt med kommando og argumenter.
4. Lagre konfigurasjonen og start Windsurf på nytt.
5. Verifiser tilkoblingen til serveren.

Eksempel på JSON-konfigurasjon

"mcpServers": {
  "weather-mcp": {
    "command": "python",
    "args": ["main.py"]
  }
}

Sikring av API-nøkler

Sett din WeatherAPI-nøkkel med miljøvariabler:

"env": {
  "WEATHER_API_KEY": "your_api_key_here"
},
"inputs": {
  // Andre konfigurasjonsvalg
}

Claude

1. Sørg for at Python 3.13+ og pakkehåndtereren uv er installert.
2. Legg til Weather MCP Server i Claudes konfigurasjon.
3. Rediger mcpServers-objektet som vist under.
4. Lagre og start Claude på nytt.
5. Test ved å be Claude om værdata.

Eksempel på JSON-konfigurasjon

"mcpServers": {
  "weather-mcp": {
    "command": "python",
    "args": ["main.py"]
  }
}

Sikring av API-nøkler

"env": {
  "WEATHER_API_KEY": "your_api_key_here"
}

Cursor

1. Installer Python 3.13+ og uv.
2. Legg til Weather MCP Server i Cursors oppsett.
3. Rediger konfigurasjonsfilen for å inkludere serveren.
4. Lagre og start Cursor på nytt.
5. Verifiser at værforespørsler fungerer.

Eksempel på JSON-konfigurasjon

"mcpServers": {
  "weather-mcp": {
    "command": "python",
    "args": ["main.py"]
  }
}

Sikring av API-nøkler

"env": {
  "WEATHER_API_KEY": "your_api_key_here"
}

Cline

1. Sørg for at Python 3.13+ og uv er installert.
2. Rediger Clines konfigurasjon for å legge til Weather MCP Server.
3. Legg til riktig oppføring i mcpServers-objektet.
4. Lagre endringer og start Cline på nytt.
5. Bekreft at serveren er operativ.

Eksempel på JSON-konfigurasjon

"mcpServers": {
  "weather-mcp": {
    "command": "python",
    "args": ["main.py"]
  }
}

Sikring av API-nøkler

"env": {
  "WEATHER_API_KEY": "your_api_key_here"
}

Slik bruker du denne MCP i flows

Bruke MCP i FlowHunt

For å integrere MCP-servere i din FlowHunt-arbeidsflyt, start med å legge til MCP-komponenten i flowen 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:

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

Når dette er konfigurert, kan AI-agenten bruke denne MCPen som et verktøy med tilgang til alle dens funksjoner og muligheter. Husk å endre “weather-mcp” 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 Weather MCP Server solid dekning av verktøy og enkel oppsett, men mangler eksplisitt dokumentasjon for prompt-maler, ressurser eller støtte for roots og sampling. Hovedfokuset er på værrelaterte verktøy, med tydelige instruksjoner for API-nøkkelsikkerhet. For en fokusert weather MCP er den effektiv, men kunne vært forbedret med mer MCP-standard-dokumentasjon og ressursdefinisjoner.

MCP-score