Weather MCP-server

Vad gör “Weather” MCP-servern?

Weather MCP-servern är en Model Context Protocol (MCP)-server som kopplar AI-assistenter till realtids- och historisk väderdata genom att ansluta till Open-Meteo API. Den är utformad för att förbättra AI-drivna utvecklingsarbetsflöden och låter AI-agenter fråga aktuellt väder, hämta väderinformation för specifika datumintervall och hämta aktuell tid i valfri tidszon. Genom att exponera dessa möjligheter som verktyg möjliggör Weather MCP-servern sömlös integration av extern väderdata i stora språkmodellsinteraktioner (LLM), och stödjer användningsområden som reseplanering, kontextmedvetna assistenter och datadriven automation—allt utan att kräva API-nycklar eller autentisering.

Lista över promptar

Inga promptmallar listas eller nämns i detta arkiv.

Lista över resurser

Inga explicita MCP-resurser är dokumenterade i arkivet.

Lista över verktyg

• get_weather
  Hämtar aktuell väderinformation för en angiven stad. Kräver stadens namn som indata.

• get_weather_by_datetime_range
  Hämtar väderdata för en given stad mellan ett start- och slutdatum (i formatet ÅÅÅÅ-MM-DD).

• get_current_datetime
  Returnerar aktuell tid i en angiven IANA-tidszon (t.ex. “America/New_York”). Standard är UTC om inget annat anges.

Användningsområden för denna MCP-server

• Reseplaneringsassistenter
  Använd realtids- och prognosväderdata för att hjälpa användare att planera resor, föreslå optimala resdatum eller packa rätt.

• Evenemangsschemaläggning
  Integrera väderprognoser för att rekommendera lämpliga datum eller platser för utomhusevenemang, möten eller aktiviteter.

• Kontextuella AI-konversationer
  Möjliggör att chattbotar eller virtuella assistenter ger kontextmedvetna svar baserade på aktuella eller historiska väderförhållanden på användarens plats.

• Dataanalys och visualisering
  Hämta historisk väderdata till analystjänster eller dashboards för att identifiera trender eller informera affärsbeslut.

• Smart hemautomation
  Utlös åtgärder (t.ex. justera termostater, stäng fönster) baserat på aktuella eller kommande väderförhållanden från servern.

Hur man sätter upp den

Windsurf

1. Kontrollera att du har Python och pip installerat.

2. Installera MCP Weather Server:
   pip install mcp_weather_server

3. Leta upp din Windsurf MCP-konfigurationsfil (vanligtvis windsurf_mcp_settings.json).

4. Lägg till Weather MCP-serverkonfigurationen:

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

5. Spara filen och starta om Windsurf.

6. Kontrollera att “weather”-servern syns i listan över MCP-servrar.

Claude

1. Installera Python och pip om det inte redan finns.

2. Kör pip install mcp_weather_server.

3. Redigera din Claude MCP-inställningsfil (t.ex. claude_mcp_settings.json).

4. Lägg in följande under nyckeln mcpServers:

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

5. Spara ändringar och starta om Claude.

6. Kontrollera att Weather MCP-servern är tillgänglig.

Cursor

1. Se till att Python och pip finns tillgängliga.

2. Kör pip install mcp_weather_server.

3. Öppna din Cursor-konfigurationsfil (cursor_mcp_settings.json).

4. Lägg till Weather MCP-servern:

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

5. Spara och starta om Cursor.

6. Bekräfta att servern körs i MCP-integrationspanelen.

Cline

1. Kontrollera att Python och pip är installerade.

2. Installera servern med:
   pip install mcp_weather_server

3. Leta upp din cline_mcp_settings.json-konfigurationsfil.

4. Lägg till följande block:

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

5. Spara konfigurationsfilen.

6. Starta om Cline och kontrollera att Weather MCP-servern är aktiv.

Säkerställa API-nycklar

Denna server kräver inte API-nycklar, eftersom den använder det fria och öppna Open-Meteo API. Om API-nycklar skulle behövas använder du miljövariabler i din konfiguration så här:

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

Hur man använder denna MCP i flöden

Att använda MCP i FlowHunt

För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde, börja med att lägga till MCP-komponenten i ditt flöde och koppla den till din AI-agent:

Klicka på MCP-komponenten för att öppna konfigurationspanelen. I systemets MCP-konfigurationssektion, lägg in dina MCP-serverdetaljer med detta JSON-format:

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

När det är konfigurerat kan AI-agenten nu använda denna MCP som ett verktyg med tillgång till alla dess funktioner och möjligheter. Kom ihåg att byta ut “weather” mot det faktiska namnet på din MCP-server och att ersätta URL:en med din egen MCP-server-URL.

Översikt

Baserat på ovanstående erbjuder Weather MCP-servern stabil grundfunktionalitet (verktyg), tydlig installation och är öppen källkod, men saknar avancerade MCP-funktioner såsom resurser, promptmallar eller sampling. Dess nytta är enkel och lätt att använda. Jag skulle betygsätta denna MCP-server till 6/10 för generell integration—utmärkt för väder, men begränsad i MCP-utbyggbarhet.

MCP-betyg