Ingrids Reisetjenester
Enables intelligent travel planning by combining weather forecasts and route calculations for destinations. Provides personalized travel recommendations based on weather conditions and supports trip planning with persistent conversation memory.
README
MCP Travel Weather Server - LAB01
Dokumentasjon
Workshop Guide - Komplett workshop dokumentasjon
Presentasjon - Norsk workshop presentasjon
Workshop ressurser:
- Workshop Guide - Detaljert lab guide for workshop deltagere
- Presentasjon - Slide deck for workshop
- PowerPoint - PowerPoint versjon av presentasjon
Oversikt
MCP Travel Weather Server er en forenklet implementasjon for workshop LAB01. Dette er en læringsorientert versjon som demonstrerer Model Context Protocol (MCP) grunnleggende konsepter med fokus på værdata.
Arkitektur: Systemet består av tre hovedkomponenter:
- Web Service: Frontend brukergrensesnitt
- AI Agent: OpenAI-basert agent som orkestrerer forespørsler
- MCP Server: HTTP API med værfunksjonalitet
Workshop Arkitektur (LAB01)
Forenklet tjenestearkitektur
┌─────────────────┐ HTTP ┌─────────────────┐ HTTP ┌─────────────────┐
│ Web Service │ ─────────► │ Agent Service │ ─────────► │ MCP Server │
│ (Port 8080) │ │ (Port 8001) │ │ (Port 8000) │
│ │ │ │ │ │
│ • Frontend UI │ │ • AI Logic │ │ • Weather Tool │
│ • User Interface│ │ • OpenAI GPT-4o │ │ • OpenWeatherMap│
│ • Examples │ │ • Conversation │ │ • Geocoding │
│ • Health Checks │ │ • Memory │ │ • Health Checks │
└─────────────────┘ └─────────────────┘ └─────────────────┘
1. MCP Server (services/mcp-server/)
HTTP API med dynamisk tools manifest - Port 8000
GET /tools- MCP tools manifest (følger MCP spesifikasjon)POST /weather- Værprognose for destinasjonerPOST /ping- Ping test verktøyGET /status- Server status verktøyGET /health- Helsesjekk
MCP Tools Manifest:
Serveren eksponerer tilgjengelige verktøy via /tools endepunkt i henhold til MCP spesifikasjonen, inkludert navn, beskrivelse, input schema og endpoint informasjon.
API som brukes:
- OpenWeatherMap for værdata
- Nominatim (OpenStreetMap) for geocoding
2. Agent Service (services/agent/)
AI-orkestrering med dynamisk tools loading - Port 8001
- OpenAI GPT-4o mini for intelligent respons
- Dynamisk lasting av verktøy fra MCP server ved oppstart
- HTTP klient med intelligent endpoint mapping
- Persistent SQLite database for samtalehistorikk
- Eksplisitt og konvensjonsbasert endpoint mapping
POST /query- Prosesser brukerforespørslerGET /health- Helsesjekk med agent status
3. Web Service (services/web/)
Frontend web-grensesnitt - Port 8080
- HTML/JavaScript grensesnitt
- HTTP klient for agent kommunikasjon
- Eksempel spørsmål og interaktiv chat
- Real-time helsestatusindikator
GET /- HovedsidePOST /query- Proxy til agent serviceGET /examples- Foreslåtte spørsmålGET /health- Helsesjekk
Workshop Læringsmål
Denne LAB01-versjonen er designet for å lære:
- MCP Protocol: Implementering av Model Context Protocol med dynamisk tools discovery
- HTTP API: REST API arkitektur med intelligent endpoint mapping
- Tools Integration: Dynamisk kobling av AI agent med MCP server verktøy
- OpenAI Function Calling: Strukturert verktøybruk med dynamic tool loading
- Docker Deployment: Containerisert mikroservice deployment
- MCP Spesifikasjon: Følge MCP standarder for tools manifest og endpoint eksponering
Kom i gang
Forutsetninger
Du trenger API nøkler for:
- OpenAI: For GPT AI → platform.openai.com
- OpenWeatherMap: For værdata → openweathermap.org/api
Docker Deployment (Anbefalt)
# Klon repository
git clone <repository-url>
cd agent
# Sett opp miljøvariabler
cp .env.example .env
# Rediger .env med dine API nøkler
# Start alle tjenester
docker-compose up -d
# Sjekk status
docker-compose ps
Tilgang:
- Hovedside: http://localhost:8080
- Agent API: http://localhost:8001
- MCP API: http://localhost:8000
Miljøvariabler
# Kreves for LAB01
OPENAI_API_KEY=your_openai_api_key_here
OPENWEATHER_API_KEY=your_openweather_api_key_here
# Service URLs (auto-konfigurert i Docker)
MCP_SERVER_URL=http://mcp-server:8000
Funksjoner (LAB01)
Dynamisk Tools Discovery
- MCP server eksponerer tilgjengelige verktøy via
/toolsendpoint - Agent laster verktøy dynamisk ved oppstart
- Intelligent mapping mellom verktøy og HTTP endpoints
- Støtte for eksplisitt endpoint spesifikasjon og konvensjonsbasert fallback
Værprognose
- Detaljert værprognose for enhver destinasjon
- Temperatur, nedbør, vind og luftfuktighet
- Basert på OpenWeatherMap API
MCP Verktøy
- get_weather_forecast: Hent værprognose for destinasjoner
- ping: Test verktøy for tilkoblingskontroll
- get_status: Server status informasjon
- Alle verktøy følger MCP spesifikasjon
Persistent Hukommelse
- Husker samtalehistorikk på tvers av sesjoner
- SQLite database for lokal lagring
- Administrering av flere samtalesesjoner
Intelligent Dialog
- OpenAI GPT-4o mini for naturlig språkforståelse
- Dynamic function calling basert på MCP tools manifest
- Kontekstbevisst samtaler
MCP Arkitektur
Workshop LAB01 demonstrerer MCP (Model Context Protocol) arkitektur med dynamisk tools discovery:
Web Service → AI Agent ←→ MCP Server → External APIs
↓ (dynamic) ↓ (/tools)
Tools Loading Tools Manifest
Arkitektur komponenter:
- Web Service: Frontend brukergrensesnitt og API proxy
- AI Agent: OpenAI GPT-4o mini med dynamisk tools loading og intelligent endpoint mapping
- MCP Server: HTTP API som eksponerer MCP tools manifest og implementerer verktøy
- Tools Manifest: MCP-kompatibel manifest med endpoint og method informasjon
- Memory: Persistent samtalehukommelse
MCP Protocol Implementation:
- MCP server følger MCP spesifikasjon for tools eksponering
- Agent implementerer dynamisk tools discovery ved oppstart
- Intelligent endpoint mapping med både eksplisitt og konvensjonsbasert støtte
- HTTP method routing (GET, POST, PUT, DELETE) basert på tools manifest
For detaljert workshop guide, se WORKSHOP.md
Python Avhengigheter (hvis ikke bruker Docker)
pip install -r requirements.txt
Docker Deployment (Anbefalt)
Systemet er optimalisert for Docker deployment med alle komponenter i separate containere.
Forutsetninger
- Docker og Docker Compose installert
- API nøkler konfigurert (se over)
Rask start
# Klon repository og naviger til mappen
cd travel-weather-mcp
# Kopier og rediger miljøvariabler
cp .env.example .env
# Rediger .env med dine API nøkler:
# - OPENAI_API_KEY (kreves)
# - OPENWEATHER_API_KEY (kreves)
# Bygg og start alle tjenester
docker-compose up -d
# Sjekk at alt kjører
docker-compose ps
Tjenester som startes
- travel-weather-mcp-server: MCP server med værverktøy
- travel-weather-agent: AI agent service
- travel-weather-web: Web interface på http://localhost:8080
Bruk av tjenestene
Web Interface
Åpne http://localhost:8080 i nettleseren for enkel bruk.
API Tilgang
# REST API kall
curl -X POST http://localhost:8080/query \
-H "Content-Type: application/json" \
-d '{"query": "Hvordan er været i Oslo i dag?"}'
Manuell Docker start
# Bygg og start alle tjenester
docker-compose up -d
# Eller start kun spesifikke tjenester
docker-compose up -d mcp-server travel-agent
# Se logfiler
docker-compose logs -f mcp-server
docker-compose logs -f travel-agent
# Stopp tjenester
docker-compose down
Tilgjengelige tjenester
- Web Interface: http://localhost:8080 - Enkel web-grensesnitt for agenten
- Agent API: http://localhost:8001 - REST API for agenten
- MCP Server: http://localhost:8000 - MCP server API
Bruk
Web Interface (Anbefalt)
Gå til http://localhost:8080 i nettleseren din for et enkelt brukergrensesnitt.
Docker Commands
# Se alle kjørende tjenester
docker-compose ps
# Restart spesifikk tjeneste
docker-compose restart mcp-server
# Se logfiler live
docker-compose logs -f travel-agent
API Endpoints (LAB01)
MCP Tools Discovery
- GET /tools: Hent MCP tools manifest med alle tilgjengelige verktøy
- Returner: JSON array med verktøy inkludert navn, beskrivelse, input schema, endpoint og HTTP method
MCP Verktøy
get_weather_forecast
- location: Stedsnavn (f.eks. "Oslo, Norway")
- Endpoint: POST /weather
- Returner: Værprognose med temperatur, vind, fuktighet og beskrivelse
ping
- message: Melding å sende til ping verktøy
- Endpoint: POST /ping
- Returner: Bekreftelses-melding
get_status
- Ingen parametere kreves
- Endpoint: GET /status
- Returner: Server status informasjon
Eksempel API kall
# Hent tools manifest fra MCP server
curl http://localhost:8000/tools
# Direkte verktøy kall til MCP server
curl -X POST http://localhost:8000/weather \
-H "Content-Type: application/json" \
-d '{"location": "Oslo, Norway"}'
# Via Agent med dynamisk tools loading (anbefalt)
curl -X POST http://localhost:8001/query \
-H "Content-Type: application/json" \
-d '{"query": "Hvordan er været i Oslo?"}'
Sikkerhet
- API nøkler lagres som miljøvariabler
- Ingen sensitive data logges
- Input validering på alle endpoints
- Rate limiting gjennom OpenWeatherMap API
Feilsøking
Vanlige problemer
-
"API key not configured"
- Sjekk at miljøvariabler er riktig satt i
.env - Verifiser at API nøklene er gyldige
- Sjekk at miljøvariabler er riktig satt i
-
"Location not found"
- Prøv mer spesifikke stedsnavn
- Inkluder land (f.eks. "Oslo, Norway")
-
Containerproblemer
- Kjør
docker-compose down && docker-compose up -d - Sjekk logfiler med
docker-compose logs
- Kjør
Logging
# Se agent logfiler
docker-compose logs -f travel-agent
# Se MCP server logfiler
docker-compose logs -f mcp-server
# Se alle logfiler
docker-compose logs -f
Workshop Utvidelser
LAB01 er designet for utvidelse. Deltagere kan legge til:
Nye MCP verktøy
- Definer en ny HTTP endpoint i
services/mcp-server/app.py - Legg til verktøyet i tools array med endpoint og method informasjon
- Agent vil automatisk laste det nye verktøyet ved restart via
/toolsmanifest - Test med web interface
Merk: Agent laster verktøy dynamisk, så ingen hardkoding kreves i agent koden.
Foreslåtte utvidelser
- Ruteplanlegging: Legg til OpenRouteService API
- Hotell booking: Integrer booking API
- Transport: Legg til public transport API
- Oversettelse: Legg til språkoversettelse
Se WORKSHOP.md for detaljerte instruksjoner
Testing
Manual testing
# Test health endpoints
curl http://localhost:8000/health
curl http://localhost:8001/health
curl http://localhost:8080/health
# Test MCP tools manifest
curl http://localhost:8000/tools
# Test alle MCP verktøy
curl -X POST http://localhost:8000/weather \
-H "Content-Type: application/json" \
-d '{"location": "Oslo, Norway"}'
curl -X POST http://localhost:8000/ping \
-H "Content-Type: application/json" \
-d '{"message": "test"}'
curl http://localhost:8000/status
Lisens
MIT License - se LICENSE fil for detaljer.
Workshop Support
For workshop deltagere:
- Dokumentasjon: WORKSHOP.md
- Presentasjon: workshop-presentation.html
- Teknisk support: Spør workshopleder
Bidrag
Bidrag er velkomne! Vennligst:
- Fork repository
- Opprett en feature branch
- Commit endringene dine
- Push til branch
- Opprett en Pull Request
Recommended Servers
playwright-mcp
A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.
Magic Component Platform (MCP)
An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.
Audiense Insights MCP Server
Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.
VeyraX MCP
Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.
graphlit-mcp-server
The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.
Kagi MCP Server
An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.
E2B
Using MCP to run code via e2b.
Neon Database
MCP server for interacting with Neon Management API and databases
Exa Search
A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.
Qdrant Server
This repository is an example of how to create a MCP server for Qdrant, a vector search engine.