Claude Desktop与MCP实战：5分钟构建智能天气查询系统

窗外暴雨突至时，你是否想过让AI助手自动推送预警？出差前能否一键获取目的地未来5天精准天气预报？今天我们将用Claude Desktop和MCP技术，打造一个能理解自然语言、实时对接气象数据的智能系统。这个方案特别适合需要快速验证AI工具集成能力的开发者，整个过程仅需基础Python知识，无需复杂部署。

1. 环境配置与工具准备

工欲善其事，必先利其器。我们先来准备开发所需的"工具箱"：

• Claude Desktop：从官网下载最新版本，建议选择稳定版而非测试版
• Python 3.10+：MCP对Python版本有严格要求，3.10以下可能遇到兼容性问题
• UV工具链：新一代Python项目管理工具，比传统pip更高效

安装UV只需在终端执行：

curl -LsSf https://astral.sh/uv/install.sh | sh

安装完成后验证版本：

uv --version

提示：如果使用conda管理环境，请先创建并激活Python 3.10+环境后再安装UV

常见问题排查：

• 权限不足时在命令前加sudo
• 网络问题可尝试更换国内镜像源
• M1/M2芯片Mac用户需确认Rosetta转译是否正常

2. 创建MCP天气服务项目

现在开始构建我们的核心服务。新建名为weather-mcp的目录，执行项目初始化：

uv init --no-workspace weather-mcp
cd weather-mcp
uv venv
source .venv/bin/activate
uv add "mcp[cli]" httpx

关键依赖说明：

依赖包	用途	版本要求
mcp[cli]	MCP核心库及命令行工具	≥0.5.0
httpx	异步HTTP客户端	≥0.25.0

创建服务主文件：

touch weather_service.py

项目结构应如下所示：

weather-mcp/
├── .venv/
├── pyproject.toml
└── weather_service.py

3. 编写气象数据服务核心代码

打开weather_service.py，我们实现两个核心功能：

1. 美国各州气象预警查询
2. 全球经纬度天气预报查询

from typing import Any
import httpx
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("weather")

# 配置NWS API参数
NWS_API = "https://api.weather.gov"
HEADERS = {
    "User-Agent": "MCP-Weather/1.0",
    "Accept": "application/geo+json"
}

async def fetch_weather_data(url: str) -> dict:
    """通用天气数据获取函数"""
    async with httpx.AsyncClient(timeout=30.0) as client:
        try:
            resp = await client.get(url, headers=HEADERS)
            resp.raise_for_status()
            return resp.json()
        except httpx.HTTPStatusError as e:
            print(f"API请求失败: {e}")
            return None

@mcp.tool()
async def get_state_alerts(state_code: str) -> str:
    """获取州级气象预警"""
    api_url = f"{NWS_API}/alerts/active/area/{state_code}"
    data = await fetch_weather_data(api_url)
    
    if not data or not data.get("features"):
        return "无有效预警信息"
    
    alerts = []
    for alert in data["features"]:
        desc = alert["properties"]["description"]
        area = alert["properties"]["areaDesc"]
        alerts.append(f"【{area}】{desc}")
    
    return "\n\n".join(alerts) if alerts else "该地区当前无预警"

@mcp.tool() 
async def get_location_forecast(lat: float, lng: float) -> str:
    """获取坐标点天气预报"""
    points_url = f"{NWS_API}/points/{lat},{lng}"
    points_data = await fetch_weather_data(points_url)
    
    if not points_data:
        return "无法获取该位置气象数据"
    
    forecast_url = points_data["properties"]["forecast"]
    forecast_data = await fetch_weather_data(forecast_url)
    
    if not forecast_data:
        return "无法获取详细预报"
    
    periods = forecast_data["properties"]["periods"][:3]  # 仅显示最近3个时段
    report = []
    for p in periods:
        report.append(
            f"{p['name']}:\n"
            f"温度: {p['temperature']}°{p['temperatureUnit']}\n"
            f"风速: {p['windSpeed']}\n"
            f"详情: {p['detailedForecast']}"
        )
    
    return "\n\n".join(report)

if __name__ == "__main__":
    mcp.run(transport="stdio")

代码亮点解析：

• 采用异步IO处理网络请求，避免阻塞
• 完善的错误处理和空值检查
• 输出信息经过本地化处理，更符合中文习惯
• 限制返回数据量，保证响应速度

4. 配置Claude Desktop集成

服务端就绪后，需要让Claude Desktop识别我们的MCP服务。编辑Claude配置：

1. 打开Claude Desktop设置 → 开发者选项
2. 点击"Edit Config"按钮
3. 添加MCP服务器配置：

{
  "mcpServers": {
    "weather": {
      "command": "/path/to/uv",
      "args": [
        "--directory",
        "/absolute/path/to/weather-mcp",
        "run",
        "weather_service.py"
      ]
    }
  }
}

路径获取方法：

• uv路径：执行which uv获取
• 项目路径：在终端执行pwd获取绝对路径

保存配置后重启Claude Desktop，在聊天界面左下角会出现"Search and tools"图标，点击即可看到注册成功的weather服务。

5. 实战应用与效果演示

现在可以通过自然语言查询天气了！试试这些示例：

基础查询：

• "旧金山现在天气如何？"
• "德克萨斯州有气象预警吗？"

复杂查询：

• "我下周要去纽约出差，当地天气怎么样？"
• "比较洛杉矶和芝加哥本周末的天气情况"

系统会智能识别查询意图，自动调用对应的MCP工具获取数据。例如查询"波士顿未来24小时天气预报"时，Claude会：

1. 解析地理位置"波士顿"
2. 转换为经纬度坐标
3. 调用get_location_forecast工具
4. 提取未来24小时数据
5. 用自然语言格式化输出

注意：NWS API主要覆盖美国地区，国际城市需先获取正确坐标

性能优化技巧：

• 添加本地缓存减少API调用
• 实现批量查询接口
• 设置请求频率限制
• 使用CDN加速地理编码服务

6. 扩展开发思路

这个基础框架可以无限扩展：

数据源增强

• 接入中国气象局API
• 整合空气质量数据
• 添加雷达图等可视化数据

功能扩展

• 极端天气自动提醒
• 行程天气建议
• 农业气象预警
• 航班延误预测

企业级优化

• 添加JWT认证
• 实现负载均衡
• 接入监控系统
• 设计灾备方案

# 扩展示例：添加空气质量查询
@mcp.tool()
async def get_air_quality(city: str) -> str:
    """查询城市空气质量"""
    aqi_data = await fetch_aqi_api(city)
    return format_aqi_report(aqi_data)

开发过程中发现几个实用技巧：使用类型注解能显著提升代码可维护性；异步编程虽然学习曲线陡峭，但性能提升明显；合理的错误处理可以避免90%的运行时问题。