mcpField
W
weather-service MCP server

weather-service MCP server

本地服务
github.com/duan-li媒体与设计0100 周前更新

关于 weather-service MCP server

weather-service MCP server 是一个用于存储笔记的示例服务。客户端可添加笔记、将其作为资源访问,并生成可选择详细程度的摘要提示词。

主要功能

  1. 01按名称和内容添加笔记
  2. 02通过 note:// 资源提供笔记
  3. 03用提示词汇总已存笔记
  4. 04选择简略或详细摘要风格

适用场景

  1. 01存储笔记以便后续访问
  2. 02将特定笔记作为资源读取
  3. 03汇总已存储的笔记
  4. 04调整摘要的详细程度

MCP 相关

该 MCP 服务向 MCP 客户端提供 add-note 工具、note:// 资源和 summarize-notes 提示词。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

weather-service MCP 服务

一个 MCP 天气服务项目

组件

资源

该服务实现了一个简单的便笺存储系统,具有以下功能:

  • 使用自定义的 note:// URI 方案访问单条便笺
  • 每个便笺资源都有名称、描述和 text/plain MIME 类型
提示词

该服务提供一个提示词:

  • summarize-notes:为所有已存储的便笺生成摘要
    • 可选的「style」参数,用于控制详细程度(简短/详细)
    • 生成的提示词会结合所有当前便笺和风格偏好
工具

该服务实现了一个工具:

  • add-note:向服务添加新便笺
    • 必须提供「name」和「content」两个字符串参数
    • 更新服务状态,并通知客户端资源变更

配置

[TODO: 添加适用于此实现的配置详情]

快速入门

安装
Claude Desktop

MacOS:~/Library/Application\ Support/Claude/claude_desktop_config.json Windows:%APPDATA%/Claude/claude_desktop_config.json

开发版/未发布服务的配置 ``` "mcpServers": { "weather-service": { "command": "uv", "args": [ "--directory", "/Users//Codes/GitHub/weather_service", "run", "weather-service" ] } } ```
已发布服务的配置 ``` "mcpServers": { "weather-service": { "command": "uvx", "args": [ "weather-service" ] } } ```

开发

构建和发布

准备分发软件包:

  1. 同步依赖项并更新锁文件:
uv sync
  1. 构建软件包分发文件:
uv build

这将在 dist/ 目录中生成源码分发包和 wheel 分发包。

  1. 发布到 PyPI:
uv publish

注意:你需要通过环境变量或命令行标志设置 PyPI 凭据:

  • 令牌:--token 或 UV_PUBLISH_TOKEN
  • 或用户名/密码:--username/UV_PUBLISH_USERNAME 和 --password/UV_PUBLISH_PASSWORD
调试

由于 MCP 服务通过标准输入输出运行,调试可能颇具挑战。为获得最佳调试体验,我们强烈建议使用 MCP Inspector。

你可以通过 npm 使用以下命令启动 MCP Inspector:

npx @modelcontextprotocol/inspector uv --directory /Users/<your-user-name>/Codes/GitHub/weather_service run weather-service

启动后,Inspector 会显示一个 URL,你可以在浏览器中访问该 URL 以开始调试。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。