Weather MCP Server

Co robi „Weather” MCP Server?

Weather MCP Server to serwer Model Context Protocol (MCP), który łączy asystentów AI z danymi pogodowymi w czasie rzeczywistym i historycznymi poprzez interfejs z Open-Meteo API. Zaprojektowany, by wzmacniać przepływy rozwoju opartych na AI, pozwala agentom AI pobierać bieżące dane pogodowe, uzyskiwać informacje pogodowe dla określonych zakresów dat oraz pobierać bieżący czas w dowolnej zadanej strefie czasowej. Udostępniając te możliwości jako narzędzia, Weather MCP Server umożliwia płynną integrację zewnętrznych danych pogodowych do interakcji z dużymi modelami językowymi (LLM), wspierając zastosowania takie jak planowanie podróży, asystenci świadomi kontekstu oraz automatyzacje oparte na danych — wszystko to bez potrzeby kluczy API lub poświadczeń.

Lista promptów

W repozytorium nie są wymienione ani opisane żadne szablony promptów.

Lista zasobów

W repozytorium nie udokumentowano żadnych jawnych zasobów MCP.

Lista narzędzi

• get_weather
  Pobiera bieżące informacje pogodowe dla wskazanego miasta. Wymaga podania nazwy miasta jako wejścia.

• get_weather_by_datetime_range
  Pobiera dane pogodowe dla danego miasta w zadanym zakresie dat (w formacie RRRR-MM-DD).

• get_current_datetime
  Zwraca bieżący czas w wybranej strefie czasowej IANA (np. “America/New_York”). Domyślnie UTC, jeśli nie podano.

Przykłady zastosowań tego MCP Servera

• Asystenci do planowania podróży
  Wykorzystaj dane pogodowe na żywo i prognozy, by pomagać użytkownikom planować wyjazdy, sugerować optymalne terminy czy doradzać, co spakować.

• Planowanie wydarzeń
  Integruj prognozy pogody, by rekomendować odpowiednie terminy lub lokalizacje dla wydarzeń na zewnątrz, spotkań lub aktywności.

• Kontekstowe rozmowy AI
  Umożliw chatbotom lub wirtualnym asystentom udzielanie odpowiedzi świadomych kontekstu na bazie bieżących lub historycznych warunków pogodowych w lokalizacji użytkownika.

• Analiza i wizualizacja danych
  Pobieraj historyczne dane pogodowe na potrzeby narzędzi analitycznych lub dashboardów, by odkrywać trendy lub wspierać decyzje biznesowe.

• Automatyzacja smart home
  Wyzwalaj akcje (np. regulacja termostatów, zamykanie okien) na podstawie bieżących lub nadchodzących warunków pogodowych podawanych przez serwer.

Jak to skonfigurować

Windsurf

1. Upewnij się, że masz zainstalowanego Pythona i pip.

2. Zainstaluj MCP Weather Server:
   pip install mcp_weather_server

3. Zlokalizuj plik konfiguracyjny Windsurf MCP (zazwyczaj windsurf_mcp_settings.json).

4. Dodaj konfigurację Weather MCP Server:

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

5. Zapisz plik i zrestartuj Windsurf.

6. Zweryfikuj, czy serwer “weather” pojawił się na liście MCP.

Claude

1. Zainstaluj Pythona i pip, jeśli jeszcze nie są obecne.

2. Uruchom pip install mcp_weather_server.

3. Edytuj plik ustawień Claude MCP (np. claude_mcp_settings.json).

4. Wstaw poniższe pod klucz mcpServers:

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

5. Zapisz zmiany i zrestartuj Claude.

6. Sprawdź, czy Weather MCP Server jest dostępny.

Cursor

1. Upewnij się, że Python i pip są dostępne.

2. Wykonaj pip install mcp_weather_server.

3. Otwórz swój plik konfiguracyjny Cursor (cursor_mcp_settings.json).

4. Dodaj wpis dotyczący Weather MCP Server:

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

5. Zapisz i zrestartuj Cursor.

6. Potwierdź uruchomienie serwera w panelu integracji MCP.

Cline

1. Upewnij się, że Python i pip są zainstalowane.

2. Zainstaluj serwer poleceniem:
   pip install mcp_weather_server

3. Zlokalizuj swój plik konfiguracyjny cline_mcp_settings.json.

4. Dodaj poniższy blok:

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

5. Zapisz plik konfiguracyjny.

6. Zrestartuj Cline i sprawdź aktywność Weather MCP Server.

Zabezpieczanie kluczy API

Ten serwer nie wymaga kluczy API, ponieważ korzysta z darmowego i otwartoźródłowego Open-Meteo API. Gdyby klucze API były wymagane, użyj zmiennych środowiskowych w konfiguracji, np.:

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

Jak użyć tego MCP w flows

Użycie MCP w FlowHunt

Aby zintegrować serwery MCP z workflow FlowHunt, zacznij od dodania komponentu MCP do flow i połącz go ze swoim agentem AI:

Kliknij komponent MCP, aby otworzyć panel konfiguracji. W sekcji konfiguracyjnej MCP systemu wstaw dane swojego serwera MCP w tym formacie JSON:

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

Po zapisaniu konfiguracji agent AI może korzystać z tego MCP jako narzędzia z dostępem do wszystkich funkcji i możliwości. Pamiętaj, aby zmienić „weather” na faktyczną nazwę Twojego serwera MCP oraz podać własny adres URL MCP.

Przegląd

Na podstawie powyższego Weather MCP Server oferuje solidne podstawowe funkcje (narzędzia), jasną konfigurację i jest otwartoźródłowy, ale nie posiada zaawansowanych cech MCP, jak zasoby, szablony promptów czy sampling. Jego użyteczność jest prosta i łatwa do wdrożenia. Oceniam ten MCP server na 6/10 jako integrację ogólnego przeznaczenia — świetny do pogody, ale ograniczony pod względem rozszerzalności MCP.

Ocena MCP