WindAI MCP Server

KI-gestützte Tools zur Bewertung von Windressourcen für Claude, ChatGPT, Cursor und andere KI-Assistenten über das Model Context Protocol (MCP).

Erhalten Sie Windgeschwindigkeitsschätzungen, vergleichen Sie Standorte und führen Sie vollständige ML-gestützte Windparkbewertungen von jedem MCP-kompatiblen KI-Assistenten aus durch.

Website: windai.tech

Schnelleinstieg

Claude Desktop

Fügen Sie dies zu Ihrer Claude Desktop-Konfiguration hinzu (~/Library/Application Support/Claude/claude_desktop_config.json unter macOS oder %APPDATA%\Claude\claude_desktop_config.json unter Windows):

{
  "mcpServers": {
    "windai": {
      "command": "npx",
      "args": ["-y", "windai-mcp"]
    }
  }
}

Starten Sie Claude Desktop neu und fragen Sie dann:

"Wie hoch ist das Windpotenzial bei Breitengrad 40.5, Längengrad -105.2?"

Claude Code

claude mcp add windai -- npx -y windai-mcp

Cursor / Andere MCP-Clients

Fügen Sie eine ähnliche Konfiguration unter Verwendung von npx -y windai-mcp als Befehl hinzu.

Globale Installation

npm install -g windai-mcp
windai-mcp

Tools

get_wind_estimate (Kostenlos)

Erhalten Sie eine ungefähre Schätzung der Windressourcen für jeden Ort der Welt. Kein API-Schlüssel erforderlich.

Eingabe:

• latitude (erforderlich): Breitengrad (-90 bis 90)

• longitude (erforderlich): Längengrad (-180 bis 180)

• hub_height (optional): Nabenhöhe in Metern (Standard: 100)

Rückgabe: Mittlere Windgeschwindigkeit, IEC-Windklasse, Bewertung der Windqualität, monatliche Aufschlüsselung, Windleistungsdichte.

Beispiel-Prompt: "Schätze die Windressourcen bei 52.5N, 1.8E bei 120m Nabenhöhe"

get_wind_farm_assessment (Erfordert API-Schlüssel)

Führen Sie eine vollständige KI-gestützte Windressourcenbewertung mit dem Deep-Learning-Modell von WindAI durch (ein neuronales Netzwerk mit 391 Merkmalen, trainiert auf über 10 Millionen stündlichen Beobachtungen von 289 Windparks).

Eingabe:

• latitude (erforderlich): Breitengrad

• longitude (erforderlich): Längengrad

• api_key (erforderlich): WindAI API-Schlüssel (beginnt mit wai_)

• hub_height (optional): Nabenhöhe in Metern

• rated_power (optional): Nennleistung der Turbine in kW

• rotor_diameter (optional): Rotordurchmesser in Metern

• turbines_count (optional): Anzahl der Turbinen

• Plus: swept_area, total_power

Rückgabe: Über 8.760 stündliche Kapazitätsfaktoren, AEP, P50/P90, monatliche und tägliche Profile.

API-Schlüssel erhalten: windai.tech/account

compare_wind_sites (Kostenlos)

Vergleichen Sie das Windpotenzial an mehreren Standorten direkt miteinander. Bis zu 5 Standorte.

Eingabe:

• locations (erforderlich): Array von { latitude, longitude, name? } Objekten (2-5 Standorte)

Rückgabe: Rangliste der Vergleichstabelle, sortiert nach Windqualität.

Beispiel-Prompt: "Vergleiche das Windpotenzial an diesen Standorten: Denver CO (39.7, -105.0), Amarillo TX (35.2, -101.8) und Cheyenne WY (41.1, -104.8)"

get_windai_pricing (Kostenlos)

Erhalten Sie aktuelle Preisinformationen für WindAI-Bewertungen.

Rückgabe: Kreditpakete, Preise pro Standort, Leistungsumfang und Anmeldelinks.

get_windai_model_info (Kostenlos)

Erhalten Sie Informationen über das ML-Modell von WindAI, Trainingsdaten und Genauigkeitsmetriken.

Rückgabe: Architekturdetails, Statistiken zu Trainingsdaten, Genauigkeitsmetriken, Validierungsmethodik.

Preise

Kaufen Sie Credits unter windai.tech/credits.

Datenquellen

• Kostenlose Tools: Open-Meteo ERA5 Historische Reanalyse (2021-2023), kein API-Schlüssel erforderlich

• Kostenpflichtige Bewertungen: Proprietäres Deep-Learning-Modell von WindAI unter Verwendung von ERA5, MERRA2, Copernicus DEM und Turbinenspezifikationen

Entwicklung

git clone <repo-url>
cd windai-mcp
npm install
npm run dev

Build für die Produktion:

npm run build
npm start

Links

• WindAI Website

• API-Dokumentation

• Forschung & Methodik

• Kostenlose Wind-Tools

• Blog

Lizenz

MIT