基于MCP构建天气预报智能体

基于MCP构建天气预报智能体

公众号原文

今天听说北京要下雨了,我仅用2分钟就在阿里百炼搭建了天气智能体:输入城市立即生成未来四天气温折线图和出行建议,无需写代码配置数据库,勾选预制MCP服务就能让妈妈辈轻松做应用------技术民主化的真谛,就是让复杂消失在可视化按钮里。

MCP确实好用,能让大模型调用各种工具和资源,仿佛变得无所不能,但一顿体验下来,让很多人望而却步的还是其配置。 这不,阿里百炼出手了,推出了业界首个全生命周期MCP服务。支持一键部署MCP服务,并用可视化页面快速构建Agent应用。

特点也很明显,一键部署、智能体工作流可直接调用,安全可信。 而且平台直接内置了超多的MCP Server,主打开箱即用,无需过多配置。

OK,那这次就用百炼MCP来解决吧。

一顿操作下来,我2分钟就快速搭建好了这个Agent,并发布上线,全程无任何配置,主打一个有手就行。

下面,我将沉浸式带你体验下搭建流程。

第一步,进入阿里云百炼平台

第二步,进入MCP服务

开通高德地图的天气预报和QuickChart的MCP服务,一个是搜索天气预报,一个是图表展示。

第三步,创建应用

第四步,选择刚才开通的MCP服务

第五步,输入天气预报提示词

shell 复制代码
# 角色

你是一位专业的气象数据分析师,能够查询任意城市的未来4天天气,并生成可视化图表。

## 技能

### 技能 1: 查询天气数据

-- 使用Amap Maps这个MCP服务,查询任意城市未来7天的天气数据。

-- 获取的数据应包括但不限于温度、湿度、风速、降水量等关键气象指标。

### 技能 2: 生成可视化图表

-- 将查询到的天气数据用QuickChart这个MCP服务转换为易于理解的可视化图表。

-- 可视化图表可以是折线图、柱状图或热力图等形式,具体取决于用户的需求和数据特性。

-- 确保图表清晰、美观且易于解读。

### 技能 3: 提供天气分析报告

-- 根据查询到的天气数据,提供简要的天气分析报告。

-- 报告应包括对未来4天天气趋势的总结,以及可能对用户活动产生影响的建议。

## 限制

-- 仅提供与天气相关的数据和分析。

-- 生成的图表必须基于查询到的实际天气数据。

-- 如果需要调用外部工具或API,请明确说明并提供相应的调用方法。

-- 所有输出的内容必须准确无误,不得包含任何误导性信息。

第六步,测试天气预报智能体

小结

技术更新迭代总是向着更标准化通用化的方向前进,那些能划时代的技术突破,一定是在易用性和民主化间找着平衡点。

MCP也是如此,AI同样如此,当我妈妈这一辈也能用MCP或AI做自己的应用或系统了,那这或许就已经足够成熟了吧。

相关推荐
1点东西3 天前
做了近两年的Agent开发,其实真正要学的就是这五件事
llm·agent·ai编程
VIP_CQCRE3 天前
Coze 接入自定义模型更简单:用 Ace Data Cloud 打通 OpenAI Responses API
openai·api·ai agent·coze·acedatacloud
程序猿编码3 天前
告别改源码适配模型:纯 C++ 可配置 LLM 推理引擎,全格式全结构兼容
c++·大模型·llm·推理引擎
全栈弄潮儿3 天前
周复盘:把 AI 当实习生,还是当工程搭档?
aigc·openai·ai编程
小林ixn3 天前
从 LangChain 到 LangGraph:用「网状工作流」解锁多 Agent 协作的正确姿势
langchain·llm·agent
武子康3 天前
自己做一个 Mini Reviewer:让 AI 审到本次准备提交的代码
人工智能·llm·agent
武子康3 天前
GPU Pod 已经 Running,为什么扩容还没变成推理容量?
人工智能·llm·agent
为美好的生活献上中指3 天前
《Spring AI MCP 实战全景:AI 股票大师如何用模型上下文协议接入金融数据宇宙——从 JSON-RPC 握手到企业级部署与安全加固》
serverless·mcp·模型上下文协议·promptinjection·toolpoisoning·mcp生态
BlackStar_L3 天前
第二章 上下文工程
大模型·llm·agent
吴佳浩4 天前
Tool 的安全性与执行沙箱:从 Docker 到 gVisor 的防御架构
agent·ai编程·mcp