天气聊天机器人

一个基于Streamlit的天气聊天机器人，使用本地Llama 3.2模型和MCP服务器提供的实时天气数据，支持自然语言交互和模块化扩展。

by rpurser47
Python
本地部署
更新于 2025.05.26

在 GitHub 查看 rpurser47/mcp_demos

使用说明

天气聊天机器人（Llama 3.2+MCP）

一个强大、可维护的基于Streamlit的天气聊天机器人，由本地Llama 3.2通过Ollama提供支持，并从MCP服务器（美国国家气象局API）提供实时天气数据。

特性

Streamlit的自然聊天界面
本地Llama 3.2型号（Ollama）
实时天气工具调用（通过MCP服务器）
模块化、易于扩展的代码库（LangGraph）

设置

安装Python 3.13+
克隆此仓库
安装依赖项：
```
pip install -r requirements.txt
```
启动MCP服务器（请参阅 mcp_nws 目录）
用Llama 3.2型号启动Olama：
```
ollama run llama3.2
```
运行应用程序：
```
streamlit run streamlit_app.py
```

配置

编辑 chatbot_system_prompt.md 改变聊天机器人的行为。
所有天气查询都需要运行MCP服务器 localhost:8000.

用法

询问美国任何地方的天气。
机器人将调用天气工具获取实时数据，并根据结果进行回答。

你会在这里找到什么

MCP服务器：基于FastAPI的服务器，提供对NWS当前和预报天气数据的结构化访问，其端点专为LLM和传统应用程序设计。
演示应用程序：（可选/未来）一个对话界面，用户可以在其中用自然语言询问天气，LLM利用MCP服务器获取实时数据。
学习重点：本项目旨在作为MCP概念的实用介绍，展示如何使外部API可供LLM和其他智能代理访问。

项目结构

mcp_nws/ -包含MCP服务器的所有代码、详细的API自述文件和实现。
PLAN.md --项目计划和设计原理。

入门指南

1.下载并安装Ollama（适用于Llama 2）

访问 https://ollama.com/download 并按照操作系统的说明进行操作。
安装后，打开终端并运行：
```
ollama pull llama2
```
这将下载Llama 2模型供本地使用。

2.启动Ollama服务器

在终端中，运行：
```
ollama serve
```
这将启动Ollama服务器 localhost:11434 （默认端口）。

3.启动MCP服务器

在项目根目录中，使用以下命令启动MCP服务器（FastAPI/Uvicorn）：
```
uvicorn mcp_nws.main:app --reload
```
这将启动MCP服务器 localhost:8000.

4.启动演示应用程序（Streamlit）

在项目根目录中，运行：
```
streamlit run streamlit_app.py
```
该应用程序将在 http://localhost:8501.

有关设置说明、API端点文档和使用示例，请参阅：

👉 mcp_nws/README.md

此文件包含运行、测试和扩展MCP服务器所需的所有内容。

有关项目目标的详细细分，请参阅计划.md.