OpenWeather MCP Server

Do czego służy serwer “OpenWeather” MCP?

OpenWeather MCP Server to lekka usługa Model Context Protocol (MCP), która łączy asystentów AI z aktualnymi danymi pogodowymi poprzez darmowe API OpenWeatherMap. Umożliwia usprawnienie pracy z AI dzięki możliwości pobierania bieżących warunków pogodowych oraz 5-dniowych prognoz dla dowolnego miasta, z opcją wyboru jednostek (Celsjusz, Fahrenheit, Kelwin) i wsparciem wielu języków. Udostępniając dane pogodowe w postaci uporządkowanych zasobów i narzędzi, OpenWeather MCP Server upraszcza pobieranie informacji pogodowych, generowanie kontekstowych odpowiedzi AI i integrację z pipeline’ami automatyzacji. Serwer idealnie sprawdzi się w projektach wymagających aktualnego kontekstu pogodowego, ułatwiając budowę aplikacji AI korzystających z zewnętrznych źródeł danych przez MCP.

Lista promptów

W repozytorium nie wymieniono szablonów promptów.

Lista zasobów

• Aktualne dane pogodowe: Udostępnia bieżące warunki pogodowe dla wybranego miasta, w tym temperaturę, ciśnienie, wilgotność, wiatr, wschód/zachód słońca i inne.
• 5-dniowa prognoza pogody: Dostarcza prognozę pogody z podziałem na 3-godzinne przedziały czasowe do 5 dni.
• Konfiguracja jednostek: Pozwala klientom wybrać Celsjusza, Fahrenheita lub Kelwina jako jednostkę temperatury.
• Obsługa wielu języków: Oferuje dane pogodowe w różnych językach, zgodnie z obsługą przez OpenWeatherMap API.

Lista narzędzi

• weather: Główne narzędzie udostępniane przez OpenWeather MCP Server. Przyjmuje parametry takie jak city (wymagany), units (opcjonalny: c|f|k) oraz lang (opcjonalny: en|de|fr|…). Pobiera bieżące dane pogodowe i prognozę dla wskazanego miasta.

Przykładowe zastosowania tego serwera MCP

• Chatboty pogodowe oparte na AI: Integracja bieżących danych pogodowych z konwersacyjnymi asystentami AI, umożliwiając użytkownikom zapytania o warunki lub prognozę dla dowolnego miasta.
• Planowanie podróży i wydarzeń: Automatyczne sprawdzanie pogody w workflow, by sugerować lub ostrzegać przed wydarzeniami czy wyjazdami na podstawie prognoz.
• Kontekstowe odpowiedzi AI: Wzbogacanie AI o lokalny kontekst pogodowy dla lepszych rekomendacji i decyzji.
• Integracja z inteligentnym domem i IoT: Wykorzystanie danych pogodowych do sterowania np. ogrzewaniem/chłodzeniem czy wysyłania powiadomień w zależności od zmiany warunków.
• Zastosowania edukacyjne: Budowa interaktywnych narzędzi edukacyjnych z użyciem rzeczywistych danych pogodowych do nauki np. geografii, nauk ścisłych czy języków.

Jak skonfigurować

Windsurf

1. Upewnij się, że masz zainstalowane Go 1.20+.
2. Uzyskaj swój klucz API OpenWeatherMap.
3. Zbuduj serwer:

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

4. Skonfiguruj Windsurf, aby dodać ten serwer:

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

5. Zapisz zmiany i zrestartuj Windsurf. Zweryfikuj, wykonując zapytania pogodowe.

Claude

1. Zainstaluj przez Smithery:

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

2. Ustaw swój klucz API OpenWeatherMap:

   export OWM_API_KEY="your_api_key_here"
   

3. Dodaj do konfiguracji Claude:

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

4. Zapisz i zrestartuj Claude. Przetestuj, żądając danych pogodowych.

Cursor

1. Zbuduj serwer jak wyżej i ustaw odpowiedni klucz API.
2. Edytuj plik konfiguracyjny MCP w Cursor:

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

3. Zapisz i zrestartuj Cursor. Potwierdź konfigurację, wykonując zapytania pogodowe.

Cline

1. Zbuduj i skonfiguruj serwer OpenWeather MCP zgodnie z powyższymi instrukcjami.
2. Dodaj konfigurację serwera do Cline:

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

3. Zapisz konfigurację i zrestartuj Cline.
4. Zweryfikuj, wydając zapytanie pogodowe.

Zabezpieczanie kluczy API

Zawsze używaj zmiennych środowiskowych do kluczy API. Przykładowa konfiguracja JSON:

{
  "mcpServers": {
    "mcp-openweather": {
      "command": "/path/to/mcp-weather",
      "env": {
        "OWM_API_KEY": "${OWM_API_KEY}"  // Użyj swojej zmiennej środowiskowej
      }
    }
  }
}

Jak używać tego MCP w workflow

Korzystanie z MCP w FlowHunt

Aby zintegrować serwery MCP w swoim workflow FlowHunt, dodaj komponent MCP do swojego flow i połącz go z agentem AI:

Kliknij komponent MCP, aby otworzyć panel konfiguracji. W sekcji konfiguracji systemu MCP wklej szczegóły swojego serwera MCP w formacie JSON:

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

Po skonfigurowaniu agent AI może już korzystać z tego MCP jako narzędzia ze wszystkimi jego funkcjami i możliwościami. Pamiętaj, by zamienić “mcp-openweather” na faktyczną nazwę swojego serwera MCP i podać właściwy URL.

Przegląd

Na podstawie dostępnych informacji, OpenWeather MCP Server oferuje przejrzyste narzędzia i zasoby pogodowe, ale nie zawiera szablonów promptów ani wsparcia sampling. Wsparcie dla roots nie jest wymienione.

Projekt jest podstawowy, ale funkcjonalny, z czytelną instrukcją uruchomienia oraz wszystkimi kluczowymi funkcjami związanymi z udostępnianiem danych pogodowych.

Nasza opinia

OpenWeather MCP Server jest prosty, łatwy do wdrożenia i świetnie nadaje się do wzbogacenia workflow AI o dane pogodowe. Brakuje mu zaawansowanych funkcji MCP jak szablony promptów czy sampling, ale do pobierania danych pogodowych jest solidny i przyjazny dla użytkownika.

Ocena: 7/10

Ocena MCP