Weather MCP-server

Vad gör “Weather” MCP-servern?

Weather MCP-servern är en Model Context Protocol (MCP) server utformad för att ge AI-assistenter smidig tillgång till omfattande väderdata och relaterade tjänster. Genom att agera som mellanhand mellan AI-klienter och WeatherAPI möjliggör denna server AI-drivna arbetsflöden att hämta aktuell väderinformation, prognoser (upp till 14 dagar), historisk väderdata, luftkvalitetsindex, astronomidata, platssökningar, tidszonsinformation och även detaljer om sportevenemang. Servern är byggd med FastAPI och MCP-ramverket, vilket gör det enkelt att integrera den i AI-utvecklingsmiljöer. Detta förbättrar AI-agenters förmåga att svara på användarfrågor, automatisera väderberoende arbetsflöden och berika kontexten för språkmodellsinteraktioner.

Lista över prompts

Inga explicita promptmallar hittades i arkivfilerna.

Lista över resurser

Inga explicita resurser beskrivs i tillgänglig dokumentation eller kodlistor.

Lista över verktyg

• Aktuella väderförhållanden: Ger realtidsdata om temperatur, luftfuktighet, vindhastighet osv. för en angiven plats.
• Väderprognoser (1–14 dagar): Hämtar väderprognoser för kommande dagar, vilket möjliggör planering utifrån prognoser.
• Historisk väderdata: Ger tillgång till tidigare väderdata för analys eller retrospektiva frågor.
• Vädervarningar: Levererar varningar om allvarliga väderhändelser.
• Luftkvalitetsinformation: Hämtar information om luftföroreningar och luftkvalitetsindex för en viss plats.
• Astronomidata: Levererar detaljer som soluppgång, solnedgång och månens faser.
• Platssökning: Möjliggör sökning och upplösning av platser för väderfrågor.
• Tidszonsinformation: Ger lokal tidszonsinformation för angivna platser.
• Sportevenemang: Returnerar väderförhållanden relevanta för sportevenemang.

Användningsområden för denna MCP-server

• Integration med personlig assistent: AI-assistenter kan använda servern för att svara på användarfrågor om väder, soluppgång/solnedgång och luftkvalitet, vilket förbättrar användarupplevelsen.
• Reseplanering: Utvecklare kan automatisera resplaner genom att integrera väderprognoser och varningar för destinationer, så att användare kan anpassa planer efter väderförhållanden.
• Miljöövervakningspaneler: Servern kan driva paneler som övervakar luftkvalitet och vädertrender, vilket stödjer hälsoråd och stadsplanering.
• Evenemangsplanering: Team som organiserar sport- eller utomhusevenemang kan använda servern för att kontrollera historiska och prognostiserade väderförhållanden och optimera tidpunkten för evenemang.
• Smarta hem-automationer: Integrera väderdata för att automatisera hemanordningar – t.ex. justera termostater, stänga fönster eller skicka varningar baserat på kommande väderförändringar.

Så här sätter du upp den

Windsurf

1. Säkerställ att Python 3.13+ och paketverktyget uv är installerade.
2. Lägg till Weather MCP-server i din konfiguration.
3. Sätt in servern i ditt objekt mcpServers med kommando och argument.
4. Spara konfigurationen och starta om Windsurf.
5. Verifiera anslutningen till servern.

Exempel på JSON-konfiguration

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

Skydda API-nycklar

Ange din WeatherAPI-nyckel som miljövariabel:

"env": {
  "WEATHER_API_KEY": "your_api_key_here"
},
"inputs": {
  // Andra konfigurationsalternativ
}

Claude

1. Säkerställ att Python 3.13+ och paketverktyget uv är installerade.
2. Lägg till Weather MCP-server i Claudes konfiguration.
3. Redigera objektet mcpServers enligt nedan.
4. Spara och starta om Claude.
5. Testa genom att fråga Claude om väderdata.

Exempel på JSON-konfiguration

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

Skydda API-nycklar

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

Cursor

1. Installera Python 3.13+ och uv.
2. Lägg till Weather MCP-server i Cursors setup.
3. Redigera konfigurationsfilen för att inkludera servern.
4. Spara och starta om Cursor.
5. Verifiera att väderförfrågningar fungerar.

Exempel på JSON-konfiguration

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

Skydda API-nycklar

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

Cline

1. Kontrollera att Python 3.13+ och uv är installerade.
2. Redigera Clines konfiguration för att lägga till Weather MCP-server.
3. Lägg till rätt post i objektet mcpServers.
4. Spara ändringar och starta om Cline.
5. Bekräfta att servern fungerar.

Exempel på JSON-konfiguration

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

Skydda API-nycklar

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

Så använder du denna MCP i flöden

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 sektionen för system-MCP-konfiguration, ange din MCP-serverinformation med detta JSON-format:

{
  "weather-mcp": {
    "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 kapaciteter. Kom ihåg att byta ut “weather-mcp” till det faktiska namnet på din MCP-server och ersätta URL:en med din egen MCP-server URL.

Översikt

Baserat på tillgänglig information erbjuder Weather MCP-server god täckning av verktyg och enkel installation, men saknar explicit dokumentation för prompts, resurser eller stöd för roots och sampling. Primärt fokus är på väderrelaterade verktyg, med tydliga instruktioner för API-nyckelns säkerhet. För en fokuserad väder-MCP är den effektiv men kan förbättras med mer MCP-standarddokumentation och resursdefinitioner.

MCP-betyg