MCP Server 实现一个 天气查询

Step1. 环境配置

安装 uv

shell 复制代码
curl -LsSf https://astral.sh/uv/install.sh | sh

Question: 什么是 uv 呢和 conda 比有什么区别?

Answer: 一个用 Rust 编写的超快速 (100x) Python 包管理器和环境管理工具,由 Astral 开发。定位为 pip 和 venv 的替代品,专注于速度、简单性和现代 Python 工作流。

创建项目目录

shell 复制代码
uv init mcp_server_test
shell 复制代码
cd mcp_server_test

创建虚拟环境并激活

shell 复制代码
uv venv
source .venv/bin/activate

安装依赖包

shell 复制代码
uv add "mcp[cli]" httpx requests

Step2. 实现 MCP Server

创建 weather.py

python 复制代码
import requests
from mcp.server.fastmcp import FastMCP


# 初始化 MCP 服务器
mcp = FastMCP("WeatherServer")

HEWEATHER_API_KEY = "你的 key"  # ← 填入你的和风天气Key 去https://dev.qweather.com/这里申请

def get_city_id(city_name: str) -> str:
    """根据中文城市名获取和风天气 location ID"""
    url = "https://geoapi.qweather.com/v2/city/lookup"
    params = {
        "location": city_name,
        "key": HEWEATHER_API_KEY
    }
    response = requests.get(url, params=params)
    data = response.json()
    if data.get("code") == "200" and data.get("location"):
        print(data)
        return data["location"][0]["id"]
    else:
        raise ValueError(f"找不到城市: {city_name},错误信息: {data}")


def get_weather(city_name: str) -> str:
    """根据城市中文名返回当前天气中文描述"""
    try:
        location_id = get_city_id(city_name)
        url = "https://devapi.qweather.com/v7/weather/now"
        params = {
            "location": location_id,
            "key": HEWEATHER_API_KEY
        }
        response = requests.get(url, params=params)
        data = response.json()
        if data.get("code") != "200":
            return f"天气查询失败:{data.get('code')}"
        now = data["now"]
        return (
            f"🌍 城市: {city_name}\n"
            f"🌤 天气: {now['text']}\n"
            f"🌡 温度: {now['temp']}°C\n"
            f"💧 湿度: {now['humidity']}%\n"
            f"🌬 风速: {now['windSpeed']} m/s\n"
        )
    except Exception as e:
        return f"查询出错:{str(e)}"

@mcp.tool('query_weather', '查询城市天气')
def query_weather(city: str) -> str:
    """
        输入指定城市的中文名称,返回当前天气查询结果。
        :param city: 城市名称
        :return: 格式化后的天气信息
        """
    return get_weather(city)


if __name__ == "__main__":
    # 以标准 I/O 方式运行 MCP 服务器
    mcp.run(transport='stdio')

Step3. 测试 MCP Server

运行测试

shell 复制代码
mcp dev weather.py

看到下面输出就启动成功了

text 复制代码
mcp dev weather.py
Starting MCP inspector...
Proxy server listening on port 3000

🔍 MCP Inspector is up and running at http://localhost:5173 🚀

Step4. 修改MCP Server 做成 SSE 服务

python 复制代码
import mcp.types as types
import requests
import uvicorn
from mcp.server.lowlevel import Server
from mcp.server.sse import SseServerTransport
from starlette.applications import Starlette
from starlette.routing import Mount, Route

# ================================
# 1) 你的和风天气API Key
# ================================
HEWEATHER_API_KEY = ""  # ← 填入你的和风天气Key(例如 "abc123xxxxxx")


# ================================
# 2) 查询天气核心逻辑
# ================================
def get_city_id(city_name: str) -> str:
    """根据中文城市名获取和风天气 location ID"""
    url = "https://geoapi.qweather.com/v2/city/lookup"
    params = {
        "location": city_name,
        "key": HEWEATHER_API_KEY
    }
    response = requests.get(url, params=params)
    data = response.json()
    if data.get("code") == "200" and data.get("location"):
        # 如果成功找到城市
        return data["location"][0]["id"]
    else:
        raise ValueError(f"找不到城市: {city_name},错误信息: {data}")


def get_weather(city_name: str) -> str:
    """根据城市中文名返回当前天气(中文描述、温度、湿度、风速)"""
    try:
        location_id = get_city_id(city_name)
        url = "https://devapi.qweather.com/v7/weather/now"
        params = {
            "location": location_id,
            "key": HEWEATHER_API_KEY
        }
        response = requests.get(url, params=params)
        data = response.json()
        if data.get("code") != "200":
            return f"天气查询失败:{data.get('code')}"

        now = data["now"]
        return (
            f"🌍 城市: {city_name}\n"
            f"🌤 天气: {now['text']}\n"
            f"🌡 温度: {now['temp']}°C\n"
            f"💧 湿度: {now['humidity']}%\n"
            f"🌬 风速: {now['windSpeed']} m/s\n"
        )
    except Exception as e:
        return f"查询出错:{str(e)}"


# ================================
# 3) MCP Server 定义
# ================================
app = Server("mcp-weather")

# (A) 工具调用处理器:根据工具名称选择执行逻辑
@app.call_tool()
async def call_tool_handler(
    name: str, arguments: dict
) -> list[types.TextContent | types.ImageContent | types.EmbeddedResource]:
    """
    MCP 工具调用处理器
    """
    if name == "query_weather":
        if "city" not in arguments:
            raise ValueError("Missing required argument 'city'")
        # 调用上面封装好的 get_weather
        weather_info = get_weather(arguments["city"])
        return [types.TextContent(type="text", text=weather_info)]
    else:
        raise ValueError(f"Unsupported tool name: {name}")


# (B) 工具列表:告知 MCP 端都有哪些可调用的工具
@app.list_tools()
async def list_tools() -> list[types.Tool]:
    """
    定义可用的 MCP 工具列表
    """
    return [
        types.Tool(
            name="query_weather",
            description="查询指定城市天气信息(基于和风天气API)",
            inputSchema={
                "type": "object",
                "required": ["city"],
                "properties": {
                    "city": {
                        "type": "string",
                        "description": "要查询的城市名(中文)"
                    }
                },
            },
        ),
    ]


# ================================
# 4) SSE + Starlette 路由
# ================================
sse = SseServerTransport("/messages/")

async def handle_sse(request):
    """处理 /sse 路由的 SSE 连接,并将其接入 MCP Server。"""
    async with sse.connect_sse(
        request.scope, request.receive, request._send
    ) as streams:
        # 运行 MCP 应用,处理输入输出
        await app.run(
            streams[0], streams[1], app.create_initialization_options()
        )

starlette_app = Starlette(
    debug=True,
    routes=[
        Route("/sse", endpoint=handle_sse),
        Mount("/messages/", app=sse.handle_post_message),
    ],
)


# ================================
# 5) 启动服务器
# ================================
if __name__ == "__main__":
    uvicorn.run(starlette_app, host="127.0.0.1", port=8081)

Step5. 配置 Cherry Studio

安装 Cherry Studio

text 复制代码
https://cherry-ai.com/

配置模型 api

text 复制代码
https://api.baystoneai.com/
这里需要选择 工具 推理 这两项
然后是在这里选择你的 MCP 服务
接下来就可以对话啦,让我们看看测试效果
相关推荐
电商数据girl1 小时前
有哪些常用的自动化工具可以帮助处理电商API接口返回的异常数据?【知识分享】
大数据·分布式·爬虫·python·系统架构
CoooLuckly1 小时前
numpy数据分析知识总结
python·numpy
cooldream20091 小时前
理解大模型智能体生态:从 Prompt 到 Agent 的完整信息流解析
prompt·ai agent·mcp·fuction calling
围巾哥萧尘1 小时前
「掌握Trae IDE」 Git智能体大佬,Trae+ Github + Git,轻松完成代码仓库管理🧣
mcp
超龄超能程序猿1 小时前
(六)PS识别:源数据分析- 挖掘图像的 “元语言”技术实现
python·组合模式
FLYINGPIG1 小时前
【RAG+向量数据库】小白从0构建一个rag和向量数据库demo
llm
卷积殉铁子1 小时前
低代码 + AIGC = 开发者的“双倍快乐”!效率起飞,告别996!
低代码·aigc
xunberg1 小时前
AI Agent 实战:将 Node-RED 创建的 MCP 设备服务接入 Dify
人工智能·mcp
葡萄城技术团队2 小时前
MCP快速入门—快速构建自己的服务器
mcp
amazinging2 小时前
北京-4年功能测试2年空窗-报培训班学测开-第四十四天
python·学习·appium