Weather MCP Service

# 天气信息与多源工具集成系统 这个项目展示了如何整合多种工具来源（自定义工具、本地MCP服务和第三方API）到一个统一的AI代理中，使用LangGraph框架和MCP协议，实现一个功能丰富的智能助手系统。 ## 项目组件 ### 1. 天气服务器 (weather.py) 提供天气相关API工具： - `get_alerts`: 获取美国州级天气警报 - `get_forecast`: 根据经纬度获取天气预报 基于MCP协议实现的本地服务，提供实时天气信息访问。 ### 2. 自定义工具 (langgraph_tools.py) 提供一系列基础工具： - **数学工具**：加法、减法、乘法、除法、平方根、幂运算 - **字符串工具**：字符串连接、转大写、转小写 这些工具使用LangChain的`@tool`装饰器定义，可以被AI代理调用。 ### 3. 第三方MCP工具 (mcp_third_party.py) 集成第三方MCP服务： - **智谱Web搜索工具**：通过智谱AI提供的MCP接口获取实时Web搜索能力 - 提供了通用的MCP工具加载函数，便于扩展更多第三方服务 ### 4. MCP客户端 (mcp_client.py) 连接到天气服务器并使用其提供的工具。通过SSE（Server-Sent Events）协议与服务器通信，处理连接和重试逻辑。 ### 5. 综合代理 (agent_with_diverse_tools.py) 核心组件，整合所有来源的工具： - **自定义本地工具**：数学计算、字符串处理 - **本地MCP服务工具**：天气查询服务 - **第三方MCP工具**：智谱Web搜索 - 使用LangGraph的React Agent架构 - 基于Moonshot API实现 ## 使用方法 ### 安装依赖 ```bash pip install -r requirements.txt ``` ### 环境配置 在`.env`文件中设置以下变量： - `MOONSHOT_API_KEY`: Moonshot API密钥（用于LLM） - `ZHIPU_API_KEY`: 智谱API密钥（用于Web搜索服务） ### 启动服务 1. **启动天气服务器** ```bash python weather/weather.py ``` 2. **运行综合代理测试** ```bash python weather/agent_with_diverse_tools.py ``` 3. **测试智谱Web搜索工具** ```bash python weather/mcp_third_party.py ``` ## 示例查询 综合代理可以处理多种类型的查询： - **数学计算**： - "计算 23 + 45 的结果" - "计算 16 的平方根" - "计算 7 * 8 然后减去 10" - **字符串处理**： - "将 'hello world' 转换为大写" - "将 ['我', '爱', '中国'] 用空格连接起来" - **天气信息**： - "纽约州有什么天气警报？" - "旧金山的天气预报是什么？" - "加利福尼亚州有什么严重天气警报？" - **Web搜索**： - "中国最近的航天成就有哪些？" - "2024年世界经济论坛的主要议题是什么？" - "最新的人工智能研究进展有哪些？" - **混合查询**： - "计算 7 * 8 然后减去 10，并查询一下上海的天气预报" ## 系统特点 - **模块化设计**：各个工具源相互独立，便于维护和扩展 - **容错能力**：即使某个服务不可用，系统仍能使用其他可用工具 - **可扩展性**：容易添加新的工具源和功能 - **多源整合**：将不同来源和类型的工具统一到一个代理中 ## 扩展方向 - 添加更多第三方MCP服务 - 实现工具调用的可视化界面 - 增加用户交互模式（如对话模式） - 添加更多领域的专业工具 ## 注意事项 - 确保在运行代理前先启动天气服务器 - 服务器默认在`localhost:8000`上运行 - 天气数据来自美国国家气象局(NWS)API - 智谱Web搜索需要有效的API密钥 ## 系统架构 ## 技术栈 - Python 3.11+ - MCP (Model Control Protocol) - FastMCP 服务器 - LangGraph + LangChain - SSE (Server-Sent Events) 传输 ## 安装 1. 克隆仓库： ```bash git clone https://github.com/haichaozheng/weather-mcp.git cd weather-mcp ``` 2. 创建虚拟环境： ```bash # 使用 Python 标准库 python -m venv weather_venv # 激活虚拟环境（Windows） weather_venv\Scripts\activate # 激活虚拟环境（Linux/Mac） source weather_venv/bin/activate ``` 3. 安装依赖： ```bash pip install -r requirements.txt ``` 4. 配置环境变量： - 创建 `.env` 文件，参考 `.env.example` 文件格式 - 添加必要的 API 密钥 ## 项目结构 weather-mcp/ ├── weather/ │ ├── weather.py # 主服务器文件 │ ├── mcp_client.py # 客户端测试文件 ├── requirements.txt # 项目依赖 ├── .env.example # 环境变量示例 └── README.md # 本文档 ``` ## 环境变量配置 项目使用 `.env` 文件存储环境变量和敏感信息。请按照以下步骤设置： 1. 复制环境变量模板文件： ```bash cp .env.example .env ``` 2. 编辑 `.env` 文件，填入您的实际配置： ``` MOONSHOT_API_KEY=your_actual_api_key ``` 3. 确保 `.env` 文件不会被提交到版本控制系统中 ## 环境变量 在`.env`文件中设置以下变量： - `MOONSHOT_API_KEY`: Moonshot API密钥 ## 注意事项 - 确保在运行代理前先启动天气服务器 - 服务器默认在`localhost:8000`上运行 - 天气数据来自美国国家气象局(NWS)API