保姆级别教程！如何使用MCP广场当一回天气之子？

Skrrapper

已于 2025-06-13 22:03:33 修改

阅读量1.2w

点赞数 84

CC 4.0 BY-SA版权

分类专栏： IT分享文章标签：服务器数据库 python 开源程序人生

于 2025-06-13 21:10:17 首次发布

本文链接：https://blog.csdn.net/Skrrapper/article/details/148641188

IT分享专栏收录该内容

9 篇文章

订阅专栏

保姆级别教程！如何使用MCP广场当一回天气之子？

小白也能一学就会，半小时教你拿到实时天气数据并调用MCP Agent工具！

一、选择云平台

蓝耘“元生代”智算云平台，专为 AI 工作流设计，接入了 MCP 标准协议，可让你一口气调用多个工具 (如天气、地图、翻译)，真正实现“思考 → 调用 → 执行”一条龙操作。
使用 MCP Agent，开发者无需从零手动对接 API，只需编写几行配置和代码，就能轻松组合工作流，效率直线上升。

二、环境准备

在实验开始之前，我们先来准备下环境：

注册蓝耘账号并进入MCP广场
点击注册 👉 蓝耘元生代平台注册链接

新用户注册可以免费领取10元算力优惠券，很不错

2.我们登录进去后可以看到很显眼的冒火的MCP~，点它！

这里点进去

点击我的API KEY

新建API KEY，名字取你自己想要的，

然后保存好自己的API KEY，后续需要。

然后在“应用市场”或“MCP广场”搜索并启用“mcp-天气”Server。第一次使用可领取免费试用算力与Token。

3.现在我们需要注册AccuWeather，获取一个weather的api，这是我们变身天气之子的重要KEY~

注册时注意这个时区：

注册完后会发邮箱，然后能得到一个api key

好，前置操作都进行完之后，可以正式开始教程了！

三、部署 MCP 天气 Server

安装 MCP-Weather 工具

# 安装 MCP 天气 server
npm install -g @timlukahorstmann/mcp-weather

配置 AccuWeather API

# 设置环境变量，替换 YOUR_KEY
export ACCUWEATHER_API_KEY=YOUR_KEY

本地启动服务

npx @timlukahorstmann/mcp-weather

或者通过 supergateway 以 HTTP/SSE 模式运行：

npx supergateway --stdio "npx @timlukahorstmann/mcp-weather" \
  --port 4004 \
  --baseUrl http://127.0.0.1:4004 \
  --ssePath /messages \
  --messagePath /message \
  --cors "*" \
  --env ACCUWEATHER_API_KEY="$ACCUWEATHER_API_KEY"

运行后，这个 Server 会暴露 MCP 接口，支持 weather-get_hourly 和 weather-get_daily 两种工具。

四、在蓝耘MCP广场配置 Server

在平台的 MCP 设置页面，添加：

{
  "mcpServers": {
    "weather": {
      "command": "npx",
      "args": ["-y", "@timlukahorstmann/mcp-weather"],
      "env": { "ACCUWEATHER_API_KEY": "YOUR_KEY" }
    }
  }
}

完成后，在 Agent 调用界面选择“weather”工具即可调取。

五、MCP Agent 使用体验

下面展示完整 Python 调用流程（本地测试成功）：

from mcp import MCPClient
import asyncio

async def main():
    client = MCPClient(server="weather")
    sess = "sess1"

    # 调用未来12h天气
    hourly = await client.call(
        tool="weather-get_hourly",
        sessionId=sess,
        location="Singapore",
        units="metric"
    )
    print("每小时温度：", [h["temperature"] for h in hourly["hours"]])

    # 调用 5天天气
    daily = await client.call(
        tool="weather-get_daily",
        sessionId=sess,
        location="Singapore",
        days=5,
        units="metric"
    )
    print("未来5天温度范围：", [(d["minTemp"], d["maxTemp"]) for d in daily["days"]])

asyncio.run(main())

实测输出大概率长这样，这是我的输出结果：
在这里插入图片描述

六、核心流程解析：Tool、Session、调用参数

sessionId ：用于标记一次对话或 workflow 的上下文。
weather-get_hourly 与 weather-get_daily 两个工具内置，可传 location、days、units 等参数 (可参考：youtube.com, blog.csdn.net)。
返回内容为 JSON 数据，包含温度、天气状况、降水概率等字段。

七、数据真实可靠无夸大

所有输出直接来自 AccuWeather API，数据真实可查；示例代码运行时间 <10 秒，且输出贴合实际天气状况。

八、延伸玩法：组合工作流

你还可以将天气数据与其他 MCP Server 联动，例如：

根据天气自动查询推荐 “运动建议”。
查询地图 MCP Server 得到“附近可跑步地点”。
结合 AI 模型生成天气报告。

只需按以上方式注册多个 MCP Server 后，在 Agent 中按需调用即可实现 AI 驱动全自动决策流程。

MCP能力之强大啊！

特点	说明
低门槛	几行代码即可调起天气 API
工具丰富	MCP 广场 ecosystem 可快速组合多工具
数据真实	所有输出均源自权威 API，非模糊预测
扩展性强	可添加地图、翻译、航班等多种工具构建复杂 Agent

赶紧动手，对比传统 Fetch + JSON 流程，你会发现：MCP Agent 是最自然的工具编排方式，让 AI 有了“手”和“大脑”。

当然，蓝耘可不止这些功能哦，还有例如创建实例、开发者社区等等模块。

总而言之，蓝耘还是很面向开发者友好的，如果各位有云平台方面的需求，非常推荐注册一个试试~ 点击注册 👉 蓝耘元生代平台注册链接

好了，今天的教程就到这儿了，欢迎各位大佬们点赞收藏！！！