🌍 天气AI助手
一个使用Streamlit、MCP服务器、LangChain和Groq AI构建的交互式AI天气应用程序。 它提供实时天气更新、著名城市地标图片，以及在API数据不可用时提供AI备用选项。
🚀 特点：
- 来自OpenWeather API的实时天气数据
- 城市地标图片来自Unsplash API
- 搜索历史存储在SQLite数据库中
- AI Agent（LangChain + Groq）作为拼写错误城市或无法获取天气数据时的备用方案
- MCP服务器集成用于结构化天气工具执行
- 带历史记录和图片说明的现代Streamlit用户界面
技术栈：
- 前端/UI → Streamlit
- 数据库 → SQLite
- 天气数据 → OpenWeather API
- 城市图片 → Unsplash API
- AI代理 → LangChain + LangGraph + Groq
- 工具编排 → MCP（模型上下文协议）
⚡ 工作流程
- 用户输入 → 您在Streamlit应用程序（app.py）中输入城市名称。
- 天气API调用 →
首先，get_weather()尝试从OpenWeather API获取数据。 如果成功 → 它会显示温度、天气状况、湿度以及来自 Unsplash 的地标图片。 搜索记录已保存在SQLite历史中。
- 回退到AI代理 →
如果城市名称拼写错误或API调用失败，则会触发ask_agent()（来自app.py）。 这使用LangChain + Groq AI来查询MCP服务器。
- MCP服务器角色（client.py）
定义了一个天气工具（get_weather），用于通过API获取天气和图片信息。 向代理提供结构化的回复。
- AI模型执行 →
LangChain的ReAct代理（create_react_agent）连接到MCP工具。 Groq模型（qwen3-32b）解析用户输入→调用MCP工具→返回结果。
- UI输出 →
Streamlit在两个列中显示结果→左列：天气信息，右列：地标图片。 历史侧边栏显示之前的查询。
设置： 克隆仓库：
- 克隆仓库：https://github.com/ShivapujePooja/weather-ai-assistant.git
- cd weather-ai-assistant
创建虚拟环境：
- 创建虚拟环境
- 激活虚拟环境：source .venv/bin/activate
安装依赖项： 根据上面的信息，执行如下指令：使用uv添加requirements.txt中的依赖项
在.streamlit/secrets.toml文件中添加API密钥：
- OPENWEATHER_API_KEY = "your_openweather_api_key"
- UNSPLASH_ACCESS_KEY = "your_unsplash_api_key"
- GROQ_API_KEY = "your_groq_api_key"
本地运行
- 启动Streamlit应用程序：
运行 streamlit app.py