Temporal Durable Mcp Weather Sample

Temporal 与持久化 MCP

本仓库旨在展示如何轻松地将工作流用作 MCP 服务的工具：我们基于 modelcontext.io 的天气示例，将 MCP 工具实现为 Temporal 工作流，从而使其具备持久性。

---

前提条件：

• Python3+
• uv (curl -LsSf https://astral.sh/uv/install.sh | sh)
• Temporal 本地设置指南
• Claude 桌面版

---

开始使用

1. 第一步——克隆本仓库
2. cd temporal-durable-mcp-weather-sample
3. uv venv（创建虚拟环境）
4. source .venv/bin/activate
5. uv pip install pyproject.toml
6. 启动 Temporal Server：temporal server start-dev
7. 启动 Worker：python worker.py
8. 编辑 Claude 桌面版的配置：
   • 打开 Claude 桌面版
   • 点击工具栏中的 Settings
   • 点击 Developer
   • 点击 Edit Config（这会打开一个 Finder 窗口，其中指向名为 claude_desktop_config.json 的文件）
   • 使用你选择的编辑器打开上述文件，并将其修改为如下内容

     • {
         "mcpServers": {
           "weather": {
             "command": "uv",
             "args": [
               "--directory",
               "/ABSOLUTE/PATH/TO/PARENT/FOLDER/temporal-durable-mcp-weather-sample",
               "run",
               "weather.py"
             ]
           }
         }
       }
       

   • 点击 Claude 桌面版聊天框中的滑块图标，确认服务公开的工具（get_alerts、get_forecast）显示在 Search and Tools 中
9. 询问 Claude 某个城市的天气预警和天气预报——它应该会调用这些工具。如果没有，请再次提示它使用可访问的 MCP 工具。

结果

在这里，我们可以看到 Claude 正在智能地使用工具查询天气预警，并为我获取天气信息：

这有什么特别之处

这展示了如何将 MCP 中的工具实现为工作流，从而增加持久性。 根据 Claude 的说法：

传统 MCP 工具的实现就像一次电话通话——如果通话过程中断，所有内容都会丢失，你必须从头开始。当 AI Agent 执行复杂的多步骤操作时（例如处理大型数据集、协调多个 API 调用，或处理耗时较长的业务流程），链条中任何环节发生一次故障，都会导致整个操作失败。

Temporal 工作流就像一本详细的日志，能准确记住你上次停下的位置。可以把它想象成与一位会认真做笔记的人交谈——即使你们中途被打断，几小时后再继续，也能准确接上之前的进度，不会遗漏任何内容。

这展示了我们所说的“工具即工作流”——将工具实现为 Temporal 工作流，并内置持久性、状态管理和重试功能。