🌍 geo-mcp

Ein geospatialer MCP-Server, der Claude (oder jedem anderen MCP-Client) Superkräfte für reale Standorte verleiht – Wetter, Geocodierung, Zeitzonen und Orte in der Nähe. Keine API-Schlüssel erforderlich.

Was er kann

Verbinden Sie Claude Desktop, Cursor oder einen beliebigen MCP-Client über 5 saubere Tools mit Live-Geodaten:

Alle APIs sind kostenlos und offen – keine Registrierung, keine Schlüssel, keine Überraschungen durch Ratenbegrenzungen bei privater Nutzung.

Related MCP server: Simple Weather MCP

Schnellstart

git clone https://github.com/yourname/geo-mcp
cd geo-mcp
pip install -r requirements.txt
python server.py

Mit Docker ausführen

docker build -t geo-mcp .
docker run -p 8000:8000 geo-mcp

Verbindung zu Claude Desktop herstellen

Fügen Sie dies zu Ihrer claude_desktop_config.json hinzu:

{
  "mcpServers": {
    "geo-mcp": {
      "command": "python",
      "args": ["/absolute/path/to/geo-mcp/server.py"]
    }
  }
}

Speicherort der Konfigurationsdatei:

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

• Windows: %APPDATA%\Claude\claude_desktop_config.json

Starten Sie Claude Desktop neu – Sie werden sehen, wie das 🔨 Tool-Symbol erscheint.

Beispiel-Prompts

Sobald die Verbindung hergestellt ist, probieren Sie diese in Claude aus:

What's the weather like in Tokyo right now?

Find me hospitals within 500m of the Eiffel Tower.

What time is it right now in lat 35.6762, lon 139.6503?

Geocode "1600 Pennsylvania Ave NW, Washington DC"

Projektstruktur

geo-mcp/
├── server.py              # FastMCP server + tool definitions
├── adapters/
│   ├── geocoding.py       # Nominatim geocoder
│   ├── weather.py         # Open-Meteo weather
│   ├── timezone.py        # timeapi.io timezone
│   └── places.py          # Overpass POI search
├── requirements.txt
├── Dockerfile
└── claude_desktop_config.json

Tool-Referenz

geocode_address(address: str)

{
  "display_name": "Paris, Île-de-France, France",
  "lat": 48.8566,
  "lon": 2.3522,
  "type": "city"
}

current_weather(city: str)

{
  "city": "London",
  "temperature_c": 14.2,
  "feels_like_c": 12.8,
  "humidity_pct": 76,
  "wind_speed_kmh": 18.4,
  "condition": "Partly cloudy",
  "precipitation_mm": 0.0
}

places_nearby(lat, lon, category, radius_m)

Unterstützte Kategorien: restaurant, cafe, hospital, pharmacy, school, supermarket, park, hotel, bank, gas_station

{
  "category": "cafe",
  "count": 8,
  "places": [
    { "name": "Monmouth Coffee", "lat": 51.513, "lon": -0.122, "opening_hours": "Mo-Fr 07:30-18:00" }
  ]
}

Warum dieses Projekt

Entwickelt, um das Multi-Adapter-MCP-Muster zu demonstrieren – dieselbe Architektur, die in produktiven Flotten-/Telematik-MCP-Servern verwendet wird. Jeder Adapter ist:

• Unabhängig testbar

• Einfach austauschbar (ersetzen Sie Nominatim durch Google Maps, Open-Meteo durch OpenWeather, etc.)

• Async-first mit httpx

• Typisiert mit klaren Rückgabeschemata

Dies lässt sich direkt auf reale MCP-Server-Aufgaben übertragen, die die Verbindung mehrerer Anbieter-APIs unter einer einheitlichen Tool-Schicht erfordern.

Erweiterung

Möchten Sie eine neue Datenquelle hinzufügen? Erstellen Sie adapters/yourapi.py:

import httpx

async def your_tool(param: str) -> dict:
    async with httpx.AsyncClient() as client:
        r = await client.get("https://api.example.com/...", timeout=10)
        r.raise_for_status()
        return r.json()

Registrieren Sie es dann in server.py:

from adapters.yourapi import your_tool

@mcp.tool()
async def exposed_tool_name(param: str) -> dict:
    """Tool description shown to the AI."""
    return await your_tool(param)

Tech-Stack

• FastMCP — MCP-Server-Framework

• httpx — asynchroner HTTP-Client

• Open-Meteo — kostenlose Wetter-API

• Nominatim — OpenStreetMap-Geocodierung

• Overpass API — OpenStreetMap POI-Daten

• timeapi.io — Zeitzonen-Abfrage

Lizenz

MIT