🌦️ MCP Weather Assistant

Ein Model Context Protocol (MCP)-Projekt, das ein von Groq gehostetes LLM mit einem benutzerdefinierten Weather MCP Server verbindet. So können Sie Fragen in natürlicher Sprache zum Wetter stellen und erhalten in Echtzeit toolgestützte Antworten, die von der National Weather Service (NWS) API stammen.

So funktioniert es

User
  ↓
"Are there any weather alerts for CA?"
  ↓
Groq LLM
  ↓
Decides to call get_alerts_tool
  ↓
MCP Client
  ↓
MCP Weather Server
  ↓
National Weather Service API
  ↓
Real-time weather alerts
  ↓
Groq LLM
  ↓
Natural-language answer

1. Der Benutzer stellt eine Frage in einfachem Englisch.

2. Das Groq LLM interpretiert die Frage und entscheidet, welches Tool aufgerufen werden soll (z. B. get_alerts_tool, get_forecast_tool).

3. Der MCP Client sendet diesen Tool-Aufruf über das Model Context Protocol an den MCP Weather Server.

4. Der Server fragt die National Weather Service API nach Live-Daten ab.

5. Die Ergebnisse fließen über den Client zurück zum LLM.

6. Das LLM wandelt die Rohdaten in eine klare, natürlichsprachliche Antwort für den Benutzer um.

Related MCP server: mcp-weather

Funktionen

• 🌦️ Echtzeit-Wetterwarnungen nach US-Bundesstaat

• 📍 Wettervorhersagen nach Standort (lat/long)

• 🔌 Basiert auf dem Model Context Protocol (MCP) – Tools werden auf standardisierte Weise bereitgestellt, die jeder MCP-kompatible Client nutzen kann

• ⚡ Angetrieben von Groq für schnelle LLM-Inferenz

• 🧩 Saubere Trennung zwischen LLM-Client und Wetter-Tool-Server

Projektstruktur

.
├── client/            # MCP client — connects to Groq LLM and the MCP server
├── server/             # MCP weather server — exposes get_alerts_tool, get_forecast_tool, etc.
├── requirements.txt     # or package.json, depending on stack
└── README.md

(Passen Sie diese Struktur an Ihre tatsächliche Ordnerstruktur an.)

Voraussetzungen

• Python 3.10+ (oder Node.js, je nach Implementierung)

• Einen Groq-API-Schlüssel

• Internetzugang (der Server ruft die öffentliche NWS-API auf – für NWS ist kein API-Schlüssel erforderlich)

Installation

git clone https://github.com/Krishna-Dhawangale/MCP.git
cd MCP
pip install -r requirements.txt

Konfiguration

Erstellen Sie eine .env-Datei im Projektstammverzeichnis:

GROQ_API_KEY=your_groq_api_key_here

Verwendung

1. Starten Sie den MCP-Wetter-Server:

   python server/weather_server.py

2. Führen Sie den Client aus:

   python client/main.py

3. Stellen Sie eine Frage:

   > Are there any weather alerts for CA?

   Der Client leitet die Anfrage an das LLM weiter, das das passende Tool auf dem MCP-Server aufruft und eine natürlichsprachliche Antwort zurückgibt.

Verfügbare Tools

Roadmap

• Unterstützung für weitere Standorte (international) hinzufügen

• Caching für wiederholte Abfragen hinzufügen

• Unit-Tests für Tool-Handler hinzufügen

• Unterstützung für weitere MCP-Clients über Groq hinaus

Mitwirken

Beiträge sind willkommen! Zögern Sie nicht, ein Issue zu eröffnen oder einen Pull-Request einzureichen.