使用说明
☁️ mcp天气：模型上下文协议（mcp）天气服务器 概述 mcp-weather是一个轻量级的、基于Python的服务器，它通过模型上下文协议（mcp）演示了实时天气数据与人工智能模型的集成。该项目通过公开查询外部天气API的专用“工具”，使人工智能助手和大型语言模型（LLM）能够访问动态天气信息，如当前状况和预报。
mcp-weather的核心目的是展示如何构建mcp服务器，将其连接到第三方服务（默认使用OpenWeatherMap），并使该功能可被任何兼容mcp的AI客户端发现和使用。这增强了人工智能提供与气象数据相关的最新响应的能力。
✨ 特性 实时天气查询：获取任何指定全球城市的当前天气状况。
多日预报：检索未来几天的详细天气预报。
MCP兼容性：与模型上下文协议完全兼容，允许与支持MCP的各种AI客户端无缝集成。
异步操作：利用httpx向外部天气API发出高效、无阻塞的HTTP请求。
安全的API密钥管理：支持通过.env文件安全管理敏感的API密钥的环境变量。
🚀 先决条件 在设置mcp天气之前，请确保您的系统上安装了以下内容：
Python 3.8或更高版本：MCP Python SDK需要最新版本的Python。
uv（推荐）或pip：一个现代快速的Python包安装程序和管理器。您可以通过以下方式安装uv：
curl-LsSfhttps://astral.sh/uv/install.sh|sh
在Windows上，请参阅官方的uv安装指南以获取说明。
OpenWeatherMap API密钥：此项目使用OpenWeatherMap API获取天气数据。一个免费的API密钥通常足以用于开发和测试。在openweathermap.org上注册一个。
🛠️ 安装 按照以下步骤在本地设置和运行您的mcp天气服务器：
克隆存储库：
克隆https://github.com/githubmilind/mcp-weather.git cd-mcp天气
创建并激活虚拟环境： 最好的做法是使用虚拟环境来管理项目依赖关系。
紫外线真空 source.ven/bin/activate#在Windows上：.venv\Scripts\activate
安装项目依赖关系：
uv添加“mcp[cli]”httpx-python-dotenv
配置您的OpenWeatherMap API密钥： 在mcp天气项目的根目录（weather_server.py所在的位置）中创建一个名为.env的新文件。将您的OpenWeatherMap API密钥添加到此文件：
打开WEATHER_API_KEY=YOUR_OPENWEATHERMAP_API_KEY
重要提示：使用从OPENWEATHERMAP获得的实际API密钥替换YOUR_OPENWEATHERMAP_API_KEY。
⚡ 用法 运行MCP气象服务器 要启动mcp天气服务器：
确保您的Python虚拟环境已激活（如安装步骤所示）。
在终端中导航到项目的根目录。
执行服务器脚本：
uv运行weather_server.py
您将看到一条确认消息，指示服务器已启动并正在等待连接。只要您希望服务器可用，请保持此终端窗口打开。
连接到MCP兼容的AI客户端（示例：桌面版的Claude） 要使AI客户端能够使用您的mcp天气服务器，您通常需要配置客户端以识别您的本地mcp服务器。具体步骤可能因您使用的特定AI客户端而异。以下是Claude for Desktop的一般示例：
安装克劳德桌面版：确保您安装了最新版本的克劳德桌面版。
查找客户端配置文件：
macOS：~/库/应用程序支持/Claude/Claude_desktop_config json
Windows：%APPDATA%\Claude\Claude_desktop_config.json
如果此文件不存在，您可能需要创建它。
添加服务器配置：在文本编辑器中打开claude_desktop_config.json文件。添加或更新“mcpServers”部分，以包含您的mcp天气服务器：
{ “mcpServers”：{ “天气”：{ “command”：“/full/path/to/uv”， “args”：[“run”，“weather_server.py”]， “cwd”：“/full/path/to/your/mcp天气” } } }
关键替换：
将/full/path/to/uv替换为uv可执行文件的绝对路径。您可以通过在活动虚拟环境中运行which uv（在macOS/Linux上）或where uv（在Windows上）来找到此路径。
将/full/path/to/your/mcp-weather替换为克隆mcp-wealth项目的目录的绝对路径。
保存并重新启动客户端：保存claude_desktop_config.json文件，然后关闭并重新启动claude for desktop应用程序，以使更改生效。
与AI交互：配置后，您现在可以向AI客户端提示与天气相关的问题。人工智能应该识别您的mcp天气服务器中的可用工具，并使用它们来获取数据：
“巴黎现在的气温是多少？”
“给我悉尼三天的天气预报。”
“现在东京的天气怎么样？”
观察你的mcp天气服务器的终端在处理来自AI客户端的请求时的活动。
📸 截图 以下是mcp天气服务器运行的可视化示例，说明了它的设置和与AI客户端的交互：
在终端中运行的服务器： 一个屏幕截图，显示了启动mcp天气服务器并监听连接时的命令行输出。
AI客户端配置示例： 一个示例屏幕截图，演示了如何在mcp兼容的AI客户端（如桌面版的Claude）的设置中配置mcp天气服务器。
人工智能对当前天气的响应： AI客户端成功查询mcp天气以获取当前天气状况，并以对话格式呈现检索到的信息的视觉效果。
人工智能提供天气预报： AI客户端利用mcp天气根据用户请求生成和显示多日天气预报的图示。
🤝 贡献 欢迎投稿、问题和功能请求！请随时查看问题页面。
贡献：
分叉存储库。
创建一个新分支（git checkout-b feature/你的featurename）。
实施您的更改。
提交您的更改（git Commit-m“添加新功能”）。
推送到分支（git推送原始功能/您的功能名称）。
打开一个Pull Request，清楚地描述您的更改。
📄 许可证 该项目根据MIT许可证获得许可。有关完整详细信息，请参阅此存储库中的LICENSE文件。
🙏 致谢 模型上下文协议（MCP）的开发人员，用于实现强大的AI集成。
OpenWeatherMap，用于提供全面和可访问的天气API。
uv项目因其高效的Python依赖管理。
