Servidor Tibber MCP
Este es un servidor de Protocolo de Contexto Modelo (MCP) para Tibber , un proveedor de energía noruego.
Puede ejecutar el servidor MCP localmente y acceder a él a través de diferentes hosts como Claude Desktop o Roo Code .
Para más detalles, consulta mi publicación del blog:
Creación de un servidor Tibber MCP: Conecte su agente de IA a los datos de consumo de energía
Descripción general
El servidor Tibber MCP proporciona a un agente de IA una forma conveniente de interactuar con la API de Tibber y consultar información como los precios actuales de la energía y sus datos de consumo de energía.
Related MCP server: hostinger-api-mcp
Consultas de ejemplo
Una vez conectado al servidor MCP, puede hacer preguntas como:
Analice mis datos de consumo energético y presente las horas pico habituales y cualquier otro patrón interesante en un formato fácil de leer.
"¿Cuándo utilicé más energía ayer?"
¿Cuánta energía consumí ayer a las 7 de la mañana?
"¿Cuál es el precio actual de la energía?"
"Enumera las 3 horas más baratas del día de mañana."
"¿El precio de la energía será más alto o más bajo mañana?"
Vídeo de demostración

Arquitectura

Requisitos
Python 3.12
Token de API de Tibber (puede obtenerlo en el portal para desarrolladores de Tibber )
Instalación
Instalar
uv:# On macOS and Linux curl -LsSf https://astral.sh/uv/install.sh | sh# On Windows powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"Clonar este repositorio:
git clone https://github.com/linkcd/tibber-mcp.git cd tibber-mcpConfigure el entorno virtual de Python e instale las dependencias:
uv venv --python 3.12 && source .venv/bin/activate && uv pip install --requirement pyproject.toml
Configuración del host
En Claude Desktop o Roo Code en VS
IMPORTANTE : Reemplace
[YOUR-TIBBER-TOKEN]con su token real. Nunca envíe credenciales reales al control de versiones.
Depurar y probar el servidor MCP localmente
Ejecute el servidor localmente y ejecute el inspector MCP en él
Herramientas disponibles
El servidor expone las siguientes herramientas que LLM puede utilizar:
get_consumption_data(): Obtiene los datos de consumo por hora de los últimos 30 días, como período de tiempo, costo total, costo de energía base y kwh consumidosget_price_and_home_info(): Obtener información de precios (actual, hoy y mañana) e información de la vivienda (propietario, dirección, suscripción...)