🌦️ MCP 天气助手

一个基于模型上下文协议（MCP）的项目，将 Groq 托管的 LLM 连接到自定义的 Weather MCP Server，让您可以用自然语言提问天气相关问题，并获得基于 美国国家气象局（NWS）API 的真实数据、由工具驱动的实时答案。

工作原理

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. 用户用纯英文提问。

2. Groq LLM 解析问题并决定调用哪个工具（例如 get_alerts_tool、get_forecast_tool）。

3. MCP 客户端通过模型上下文协议将该工具调用发送到 MCP Weather Server。

4. 服务器向 National Weather Service API 查询实时数据。

5. 结果通过客户端返回给 LLM。

6. LLM 将原始数据转换为清晰的自然语言回复，呈现给用户。

Related MCP server: mcp-weather

功能特性

• 🌦️ 按美国州获取实时天气警报

• 📍 按位置（纬度/经度）获取天气预报

• 🔌 基于 模型上下文协议（MCP） 构建——工具以标准化方式暴露，任何兼容 MCP 的客户端均可使用

• ⚡ 由 Groq 提供快速 LLM 推理能力

• 🧩 LLM 客户端与天气工具服务器之间清晰分离

项目结构

.
├── 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

（请根据您的实际目录布局调整此结构树。）

前置条件

• Python 3.10+（或 Node.js，取决于您的实现方式）

• 一个 Groq API 密钥

• 互联网连接（服务器调用公共 NWS API——NWS 无需 API 密钥）

安装

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

配置

在项目根目录创建 .env 文件：

GROQ_API_KEY=your_groq_api_key_here

使用方式

1. 启动 MCP 天气服务器：

   python server/weather_server.py

2. 运行客户端：

   python client/main.py

3. 提出一个问题：

   > Are there any weather alerts for CA?

   客户端会将查询路由到 LLM，LLM 会调用 MCP 服务器上的相应工具并返回自然语言答案。

可用工具

路线图

• 增加对更多地区（国际）的支持

• 为重复查询添加缓存

• 为工具处理器添加单元测试

• 支持除 Groq 之外的更多 MCP 客户端

贡献

欢迎贡献！请随时提交 issue 或发起 pull request。