O que faz o servidor MCP “OpenWeather”?

O OpenWeather MCP Server é um serviço leve do Model Context Protocol (MCP) que conecta assistentes de IA a dados meteorológicos em tempo real por meio da API gratuita OpenWeatherMap. Ele permite aprimorar fluxos de desenvolvimento ao possibilitar que clientes de IA obtenham condições climáticas atuais e previsões de 5 dias para qualquer cidade, com opções para unidades configuráveis (Celsius, Fahrenheit, Kelvin) e suporte multilíngue. Ao expor dados meteorológicos como recursos e ferramentas estruturados, o OpenWeather MCP Server simplifica tarefas como obtenção de informações do tempo, respostas contextuais de IA e integração em pipelines de automação. Este servidor é ideal para projetos que exigem contexto climático atualizado, facilitando a criação de aplicações de IA que interajam com fontes externas de dados via MCP.

Lista de Prompts

Não há modelos de prompts explícitos mencionados no repositório.

Lista de Recursos

• Dados Meteorológicos Atuais: Fornece condições meteorológicas atuais para uma cidade especificada, incluindo temperatura, pressão, umidade, vento, nascer/pôr do sol e mais.
• Previsão do Tempo para 5 Dias: Entrega previsão detalhada em intervalos de 3 horas por até 5 dias.
• Configuração de Unidades: Permite aos clientes escolher entre Celsius, Fahrenheit ou Kelvin para unidades de temperatura.
• Suporte Multilíngue: Oferece dados do tempo em vários idiomas, conforme suportado pela API OpenWeatherMap.

Lista de Ferramentas

• weather: A principal ferramenta exposta pelo OpenWeather MCP Server. Aceita parâmetros como city (obrigatório), units (opcional: c|f|k) e lang (opcional: en|de|fr|…). Busca dados meteorológicos atuais e previsões para a cidade especificada.

Casos de Uso deste Servidor MCP

• Chatbots de Clima com IA: Integre dados meteorológicos em tempo real em assistentes conversacionais de IA, permitindo aos usuários consultar condições atuais ou previsões para qualquer cidade.
• Planejamento de Viagens e Eventos: Incorpore verificações meteorológicas em automações para fornecer sugestões ou alertas para viagens/eventos futuros com base na previsão.
• Respostas Contextuais de IA: Aumente a consciência de contexto dos agentes de IA fornecendo informações meteorológicas locais atualizadas para melhores recomendações e decisões.
• Integração com Smart Home e IoT: Use dados meteorológicos para acionar rotinas de smart home, como ajustar aquecimento/arrefecimento ou enviar notificações baseadas em mudanças climáticas.
• Aplicações Educacionais: Crie ferramentas de aprendizado interativas que usem dados reais de clima para ensinar conceitos de ciência, geografia ou idiomas.

Como configurar

Windsurf

1. Certifique-se de que o Go 1.20+ está instalado.
2. Obtenha sua chave de API do OpenWeatherMap.
3. Compile o servidor:

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

4. Configure o Windsurf para incluir o servidor:

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

5. Salve as alterações e reinicie o Windsurf. Verifique com consultas meteorológicas.

Claude

1. Instale via Smithery:

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

2. Defina sua chave de API do OpenWeatherMap:

   export OWM_API_KEY="your_api_key_here"
   

3. Adicione à configuração do Claude:

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

4. Salve e reinicie o Claude. Teste solicitando dados meteorológicos.

Cursor

1. Compile o servidor como acima e certifique-se de definir sua chave de API.
2. Edite o arquivo de configuração MCP do Cursor:

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

3. Salve e reinicie o Cursor. Confirme a configuração executando consultas meteorológicas.

Cline

1. Compile e configure o servidor MCP OpenWeather conforme descrito anteriormente.
2. Adicione a configuração do servidor ao Cline:

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

3. Salve a configuração e reinicie o Cline.
4. Valide emitindo uma solicitação de clima.

Protegendo Chaves de API

Sempre utilize variáveis de ambiente para chaves de API. Exemplo de configuração JSON:

{
  "mcpServers": {
    "mcp-openweather": {
      "command": "/path/to/mcp-weather",
      "env": {
        "OWM_API_KEY": "${OWM_API_KEY}"  // Use sua variável de ambiente
      }
    }
  }
}

Como usar este MCP em fluxos

Usando MCP no FlowHunt

Para integrar servidores MCP em seu fluxo FlowHunt, comece adicionando o componente MCP ao seu fluxo e conectando-o ao seu agente de IA:

Clique no componente MCP para abrir o painel de configuração. Na seção de configuração do MCP do sistema, insira os detalhes do seu servidor MCP usando este formato JSON:

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

Depois de configurado, o agente de IA pode agora usar este MCP como ferramenta com acesso a todas as suas funções e capacidades. Lembre-se de trocar “mcp-openweather” pelo nome real do seu servidor MCP e substituir a URL pela sua própria.

Visão Geral

Com base nas informações disponíveis, o OpenWeather MCP Server oferece ferramentas claras de dados meteorológicos e exposição de recursos, mas não possui modelos de prompt e suporte a sampling. Suporte a roots não é mencionado.

O projeto é básico, porém funcional para seu propósito, com instruções de configuração sólidas e todos os recursos críticos para exposição de dados meteorológicos.

Nossa opinião

O OpenWeather MCP Server é direto, fácil de configurar e adequado para adicionar dados meteorológicos em fluxos de IA. Faltam alguns recursos avançados de MCP como modelos de prompt e sampling, mas para obtenção de dados do tempo ele é robusto e amigável.

Nota: 7/10

Pontuação MCP