AI导哈

灾害预警AI系统

一个基于实时天气和地震数据的AI增强灾害预警系统，提供本地交互式聊天界面和云端API服务。

  • by myusegtr
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 myusegtr/mcp-disaster-preparedness-proj-2

使用说明

🌍 防灾人工智能系统

🧭 目标

利用实时天气和地震数据，使用 FastMCP框架，具有混合部署-一个基于本地MCP的交互式聊天机器人和一个托管在上的生产级API服务器 AWS EC2.

📖 项目描述

该项目是一个由两部分组成的人工智能驱动的备灾应用程序，旨在帮助用户获取美国和全球的实时环境危害信息：

  1. 本地交互式MCP聊天界面(client.py)
    一个使用Groq支持的LLM和MCPAgent的命令行对话式人工智能工具，使用户能够按州检索实时天气警报。

    提示：- 要在本地计算机中使用FastMCP运行特定服务器，需要在代码中添加以下行，然后在本地重新启动服务器：- 如果 名字 == "主要的": mcp.run（）

    在某些情况下，您必须删除这些行，然后尝试重新启动服务器。 有关更多详细信息，请参阅server/weather.json文件。

  2. 部署的灾难警报API服务器(disaster.py)
    基于FastMCP的API服务器，公开用于获取的工具：

    • 活跃天气警报（通过NOAA的NWS API）
    • 过去24小时内发生的重大地震（通过美国地质调查局GeoJSON Feed）

该系统是模块化的、可扩展的，是集成更多灾难类型、物联网触发器和用户警报渠道（短信、电子邮件、Webhooks）的基础。

🛠️ 使用的工具和技术

🧑‍💻 两部分共有的

  • Python 3.11+
  • FastMCP --构建基于代理和工具的应用程序的框架。
  • LangChain + Groq 公司 --用于LLM聊天集成。
  • httpx --用于数据获取的异步HTTP客户端。
  • MCPAgent/MCPClient --用于管理工具和代理逻辑。
  • 开放性应用程序接口:
    • NOAA国家气象局API
    • 美国地质勘探局地震GeoJSON API

📍 第1部分——本地聊天界面(client.py)

  • LangChain 公司 （Qwen QWQ-32B型号）
  • .env 用于存储API密钥的文件
  • 基于CLI的支持内存的会话系统

☁️ 第2部分——部署的服务器(disaster.py)

  • 通过FastMCP实现FastAPI
  • 托管使用 AWS EC2免费层
  • 可选： uvicorn 为API服务

✅ 推断/结论

这个由人工智能驱动的灾难警报系统提供：

  • 实时、多源警报
  • 灵活部署：本地开发+云生产
  • 模块化工具定义 便于扩展
  • LLM内存支持 用于交互式查询

通过将美国政府的关键数据源与现代人工智能接口集成，它展示了如何使用轻量级Python工具和云计算实现可访问和主动的灾难情报。

🚀 部署（AWS EC2）

使用AWS EC2实例进行部署

Amazon EC2（弹性计算云）充当远程虚拟服务器来运行生产级Python应用程序。

🧱 先决条件

  • AWS帐户（免费层）
  • 包含代码的GitHub存储库
  • .pem EC2访问的密钥对

🔧 逐步设置

  1. 登录AWS控制台

    • 首选https://console.aws.amazon.com

  2. 启动EC2实例

    • EC2 → 启动实例
    • 姓名： mcp-server
    • 操作系统：亚马逊Linux 2023（免费版）
    • 类型： t2.micro
    • 密钥对：创建/下载 .pem 文件
    • 网络：启用 SSH（端口22） 并且可选 HTTP（80）

  3. 通过SSH连接到EC2

    ssh -i "your-key.pem" ec2-user@<your-ec2-public-ip>

  4. 在EC2上安装Python和Git

    sudo yum update -y
sudo yum install python3 git -y

  5. 📥 克隆您的GitHub存储库

    git clone https://github.com/your-username/your-repo.git
cd your-repo

  6. 🧪 设置Python虚拟环境

    python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt

  7. 运行API服务器

    uvicorn disaster:app --host 0.0.0.0 --port 8000
Open the url received in browser

  8. 💡 进一步改善

    🌐 使用React或Vue可视化警报的前端仪表板

    📲 推送通知（短信、电子邮件、电报机器人）

    📊 随时间推移的警报严重性分析

    🔒 OAuth集成以实现安全访问

    🛰️ 物联网传感器数据集成（洪水、地震、火灾传感器）

    📁 日志存储和警报历史归档（S3或DynamoDB）

🖥️ 如何在本地使用

克隆Repo

git clone https://github.com/your-username/your-repo.git
cd your-repo

**Initialize Groq api key and install requirements**
 GROQ_API_KEY=your_groq_api_key
 ```bash
 pip install -r requirements.txt

**Run locally in terminal**
 ```bash
 uv run server/client.py
 uv run mcp dev server/multialert.py



![App Screenshot](screenshots.img1)
![App Screenshot](screenshots.img2)
![App Screenshot](screenshots.img3)
![App Screenshot](screenshots.img4)

相关 MCP