🌦️ Weather MCP RAG アシスタント

Model Context Protocol (MCP)、Retrieval-Augmented Generation (RAG)、LangChain、ChromaDB、Groq LLM、OpenWeather API を使用して構築された AI 搭載の天気アシスタントです。

このプロジェクトは、リアルタイムの天気データを取得するカスタム MCP ツールを公開し、それを RAG パイプラインと組み合わせて、文脈に応じた自然言語の天気インサイトを生成します。

🚀 主な機能

• FastMCP を使用して構築されたカスタム MCP サーバー

• OpenWeather API を使用したリアルタイムの天気取得

• 文脈に応じた応答のための Retrieval-Augmented Generation (RAG) パイプライン

• 天気コンテキストの保存と取得のための ChromaDB ベクターストア

• all-MiniLM-L6-v2 を使用した Sentence Transformer 埋め込み

• LangChain を通じた Groq ホスト型 LLM の統合

• VS Code / GitHub Copilot との MCP ツール統合

• さまざまな都市の動的な天気クエリをサポート

• 環境変数を使用した安全な API キー管理

Related MCP server: Weather MCP Server

🧠 仕組み

User Query
    ↓
GitHub Copilot / MCP Client
    ↓
Weather MCP Server
    ↓
get_weather(location)
    ↓
OpenWeather API
    ↓
Weather Data Processing
    ↓
ChromaDB Vector Store
    ↓
RAG Retrieval
    ↓
Groq LLM
    ↓
Context-Aware Weather Response

🛠️ 技術スタック

言語: Python

AI / GenAI: LLM、RAG、プロンプトエンジニアリング、Sentence Transformers

フレームワーク: LangChain、FastMCP

ベクターデータベース: ChromaDB

LLM プロバイダー: Groq

外部 API: OpenWeather API

プロトコル: Model Context Protocol (MCP)

開発環境: VS Code、Git、GitHub

📂 プロジェクト構造

Weather-MCP-RAG-Assistant/
│
├── rag/
│   ├── embedding.py
│   ├── llm.py
│   ├── retriever.py
│   └── vector_store.py
│
├── services/
│   └── weather_service.py
│
├── utils/
│   └── parser.py
│
├── config.py
├── server.py
├── requirements.txt
├── env.example
├── .gitignore
└── README.md

⚙️ セットアップ

1. リポジトリをクローンする

git clone https://github.com/rudraniai/Weather-MCP-RAG-Assistant.git
cd Weather-MCP-RAG-Assistant

2. 仮想環境を作成する

python -m venv .venv

Windows でアクティベートする:

.venv\Scripts\activate

3. 依存関係をインストールする

pip install -r requirements.txt

4. 環境変数を設定する

サンプル環境ファイルをコピーする:

copy env.example .env

.env に認証情報を追加する:

OPENWEATHER_API_KEY=your_openweather_api_key
GROQ_API_KEY=your_groq_api_key
GROQ_MODEL=your_groq_model
EMBEDDING_MODEL=sentence-transformers/all-MiniLM-L6-v2
CHROMA_DB_DIR=./chroma_db

API 認証情報は .gitignore を使用してバージョン管理の対象外にしています。

5. MCP サーバーを実行する

python server.py

🔌 MCP 設定

VS Code でローカル MCP サーバーを設定するには、次を使用します:

{
  "servers": {
    "weather-mcp": {
      "type": "stdio",
      "command": "python",
      "args": [
        "PATH_TO_PROJECT/server.py"
      ]
    }
  },
  "inputs": []
}

PATH_TO_PROJECT を server.py のローカルパスに置き換えてください。

設定後:

1. VS Code のコマンドパレットを開きます。

2. MCP: List Servers を選択します。

3. weather-mcp を選択します。

4. MCP サーバーを起動します。

5. GitHub Copilot Chat を開き、要求されたら MCP ツールを許可します。

🎥 プロジェクトデモ

以下のデモは、カスタム weather-mcp MCP ツールが GitHub Copilot を通じて呼び出され、文脈に応じた天気情報を取得・生成する様子を示しています。

💬 使用例

Copilot に質問する:

Use the weather-mcp MCP tool to get the weather in Pune.

その他の例:

Use the weather-mcp MCP tool to get the weather in Mumbai.

Use the weather-mcp MCP tool to get the weather in Nagpur.

アシスタントが返す情報の例:

• 現在の気温

• 体感温度

• 湿度

• 風速と風向

• 曇りの状態

• 天気の概要

• 利用可能な場合の大気質情報

🔐 セキュリティ

API キーなどの機密認証情報は、ローカルの .env ファイルに保存されます。

以下のファイル/ディレクトリは Git から除外されています:

.env
chroma_db/
__pycache__/
.vscode/

実際の API キーをリポジトリにコミットしないでください。

📌 学んだこと

このプロジェクトを通じて、以下の実践的な経験を得ました:

• Model Context Protocol (MCP) を通じたツールの構築と公開

• LLM ベースのアプリケーションへの外部 API の統合

• RAG パイプラインの実装

• 埋め込みとベクターデータベースの操作

• 文脈取得のための ChromaDB の使用

• LangChain とホスト型 LLM の接続

• GitHub Copilot とのカスタム MCP サーバーの統合

• 環境変数と API 認証情報の安全な管理

🔮 今後の改善点

• 複数日間の天気予報の追加

• 天気アラートと推奨事項の追加

• 取得と文脈メモリの改善

• 追加の天気・環境データソースの追加

• Streamlit または FastAPI を使用したスタンドアロンの Web インターフェースの構築

• Docker を使用したアプリケーションのコンテナ化

👩💻 著者

Rudrani Gulhane

B.Tech コンピュータサイエンス工学 — 人工知能および機械学習

AI/ML、生成 AI、RAG、LLM、AI エージェント、MCP ベースのアプリケーションに興味があります。

📄 ライセンス

このプロジェクトは、教育、ポートフォリオ、および実験目的で提供されています。