Weather MCP Server

Czym zajmuje się serwer MCP „Weather”?

Weather MCP Server to serwer Model Context Protocol (MCP) zaprojektowany, by zapewnić asystentom AI płynny dostęp do kompleksowych danych pogodowych i powiązanych usług. Działając jako pośrednik pomiędzy klientami AI a WeatherAPI , serwer umożliwia agentom AI pobieranie aktualnych warunków pogodowych, prognoz (do 14 dni), danych historycznych, indeksów jakości powietrza, danych astronomicznych, wyszukiwań lokalizacyjnych, informacji o strefie czasowej oraz szczegółów dotyczących wydarzeń sportowych. Serwer zbudowany jest w oparciu o FastAPI i framework MCP, co ułatwia integrację w środowiskach rozwoju AI. Pozwala to agentom AI na udzielanie odpowiedzi na zapytania użytkowników, automatyzację przepływów zależnych od pogody oraz wzbogacenie kontekstu interakcji z modelami językowymi.

Lista promptów

Nie znaleziono jawnych szablonów promptów w plikach repozytorium.

Lista zasobów

Brak jawnie opisanych zasobów w dostępnej dokumentacji lub kodzie.

Lista narzędzi

• Aktualne warunki pogodowe: Dostarcza bieżące dane o temperaturze, wilgotności, prędkości wiatru itp. dla określonej lokalizacji.
• Prognozy pogody (1-14 dni): Pobiera prognozy pogody na najbliższe dni, umożliwiając planowanie na podstawie przewidywanych warunków.
• Historyczne dane pogodowe: Umożliwia dostęp do danych historycznych do analiz lub zapytań retrospektywnych.
• Alerty pogodowe: Dostarcza ostrzeżenia o niebezpiecznych zjawiskach pogodowych.
• Informacje o jakości powietrza: Pobiera dane o poziomie zanieczyszczenia i indeks jakości powietrza dla danej lokalizacji.
• Dane astronomiczne: Przekazuje informacje takie jak wschód, zachód słońca oraz fazy księżyca.
• Wyszukiwanie lokalizacji: Umożliwia wyszukiwanie i rozpoznawanie lokalizacji dla zapytań pogodowych.
• Informacje o strefie czasowej: Dostarcza lokalnych informacji o strefie czasowej dla wskazanych miejsc.
• Wydarzenia sportowe: Zwraca warunki pogodowe istotne dla wydarzeń sportowych.

Przykładowe zastosowania tego serwera MCP

• Integracja z asystentem osobistym: Asystenci AI mogą korzystać z serwera, by odpowiadać na pytania o pogodę, godziny wschodu/zachodu słońca oraz jakość powietrza, zwiększając komfort użytkownika.
• Planowanie podróży: Programiści mogą automatyzować planowanie wyjazdów, integrując prognozy i alerty pogodowe dla wybranych miejsc, pozwalając użytkownikom dostosować plany do warunków.
• Panele monitoringu środowiskowego: Serwer może zasilać panele obserwujące jakość powietrza i trendy pogodowe, wspierając zalecenia zdrowotne i planowanie urbanistyczne.
• Planowanie wydarzeń: Zespoły organizujące wydarzenia sportowe lub plenerowe mogą sprawdzać historyczne i prognozowane warunki pogodowe, optymalizując termin imprez.
• Automatyzacja smart home: Integruj dane pogodowe, by automatyzować urządzenia domowe — np. regulować termostaty, zamykać okna lub wysyłać powiadomienia w zależności od nadchodzących zmian pogody.

Jak skonfigurować

Windsurf

1. Upewnij się, że masz zainstalowane Python 3.13+ oraz menedżer pakietów uv.
2. Dodaj Weather MCP Server do swojej konfiguracji.
3. Wstaw serwer w obiekt mcpServers z odpowiednim poleceniem i argumentami.
4. Zapisz konfigurację i zrestartuj Windsurf.
5. Zweryfikuj połączenie z serwerem.

Przykład konfiguracji JSON

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

Zabezpieczanie kluczy API

Ustaw swój klucz WeatherAPI, korzystając ze zmiennych środowiskowych:

"env": {
  "WEATHER_API_KEY": "your_api_key_here"
},
"inputs": {
  // Inne opcje konfiguracyjne
}

Claude

1. Upewnij się, że masz zainstalowane Python 3.13+ oraz menedżer pakietów uv.
2. Dodaj Weather MCP Server do konfiguracji Claude.
3. Edytuj obiekt mcpServers jak poniżej.
4. Zapisz i zrestartuj Claude.
5. Przetestuj, wywołując zapytanie o dane pogodowe.

Przykład konfiguracji JSON

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

Zabezpieczanie kluczy API

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

Cursor

1. Zainstaluj Python 3.13+ oraz uv.
2. Dodaj Weather MCP Server w ustawieniach Cursor.
3. Edytuj plik konfiguracyjny, aby uwzględnić serwer.
4. Zapisz i zrestartuj Cursor.
5. Zweryfikuj działanie zapytań pogodowych.

Przykład konfiguracji JSON

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

Zabezpieczanie kluczy API

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

Cline

1. Upewnij się, że masz zainstalowane Python 3.13+ oraz uv.
2. Edytuj konfigurację Cline, aby dodać Weather MCP Server.
3. Dodaj odpowiedni wpis do obiektu mcpServers.
4. Zapisz zmiany i zrestartuj Cline.
5. Potwierdź poprawne działanie serwera.

Przykład konfiguracji JSON

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

Zabezpieczanie kluczy API

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

Jak użyć tego MCP w przepływach

Używanie MCP w FlowHunt

Aby zintegrować serwery MCP w swoim przepływie FlowHunt, rozpocznij od dodania komponentu MCP do przepływu i połączenia go z agentem AI:

Kliknij komponent MCP, aby otworzyć panel konfiguracji. W sekcji konfiguracji systemowej MCP wstaw szczegóły swojego serwera MCP w tym formacie JSON:

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

Po konfiguracji agent AI może korzystać z tego MCP jako narzędzia ze wszystkimi jego funkcjami i możliwościami. Pamiętaj, aby zmienić “weather-mcp” na rzeczywistą nazwę swojego serwera MCP oraz zastąpić URL własnym adresem serwera MCP.

Podsumowanie

Na podstawie dostępnych informacji Weather MCP Server oferuje solidny zakres narzędzi i prostą konfigurację, ale brakuje mu jawnej dokumentacji promptów, zasobów lub wsparcia dla korzeni i sampling. Skupia się głównie na narzędziach pogodowych z jasnymi wskazówkami dotyczącymi bezpieczeństwa kluczy API. Jako MCP skupiony na pogodzie jest skuteczny, lecz można go ulepszyć, dodając więcej dokumentacji MCP i definicji zasobów.

Ocena MCP