镜像地球开放平台

announcementAI AgentMCPSkills

3 min read

让 AI Agent 直接使用 Mirror Earth 气象数据

Mirror Earth MCP 与 Agent Skills 已发布。通过 Claude、Codex、Cursor 等 AI Agent，以自然语言查询和导出全球气象数据。

镜

镜像地球团队

Mirror Earth

Mirror Earth 现为 AI Agent 提供两种集成方式：MCP 为支持 MCP 的客户端提供本地工具服务，Agent Skills 则把数据查询能力和操作规范直接交给 Agent。两者都可以完成预报查询、历史天气分析、历史预报复盘、地名解析和批量导出。

选择 MCP 还是 Skills

使用场景推荐方式原因
已使用支持 MCP 的桌面客户端或 IDEMCPAgent 可直接调用结构化工具、读取内置参考资源并管理导出任务。
使用支持 Skills 的 AgentSkills无需启动本地服务，安装后即可按自然语言完成数据工作流。
需要让 Agent 自己发起 API 请求SkillsSkills 已包含请求参数、数据目录与批量导出规范。
希望按工具调用方式集成MCP服务通过标准 stdio transport 运行，不依赖某个特定客户端。

两种方式共用 Mirror Earth Open Platform API Key。地名解析和反向地名解析无需 API Key；天气查询和批量导出需要 API Key。

准备 API Key

  1. 登录 Mirror Earth Open Platform。
  2. 在个人中心创建或复制 API Key。
  3. 按下面的 MCP 或 Skills 路径完成配置。
warning
不要把真实 API Key 写入代码、文档、截图、Git 提交、URL 或普通聊天消息。请使用客户端的环境变量、受保护的配置项或安全输入能力保存密钥。

使用 MCP

MCP 适合 Claude Desktop、Codex CLI、Cursor、Windsurf、Cline 等支持本地 stdio MCP server 的客户端。

前置要求

  • Python 3.10 或更高版本。
  • 推荐安装 uv，用于通过 uvx 启动服务。

通用配置

在 MCP 客户端中新增名为 mirror-earth 的 server，并使用以下配置。将 YOUR_MIRROR_EARTH_API_KEY 替换为真实密钥。

{
  "mcpServers": {
    "mirror-earth": {
      "command": "uvx",
      "args": ["mirror-earth-mcp"],
      "env": {
        "MIRROR_EARTH_API_KEY": "YOUR_MIRROR_EARTH_API_KEY"
      }
    }
  }
}

如果不能使用 uvx，先安装包，再通过 Python 启动：

python -m pip install mirror-earth-mcp
python -m mirror_earth_mcp.server

此时 MCP 配置中的 command 使用该 Python 环境，args 设置为 [-m, mirror_earth_mcp.server]。

Codex CLI

在终端执行：

codex mcp add mirror-earth --env MIRROR_EARTH_API_KEY=YOUR_MIRROR_EARTH_API_KEY -- uvx mirror-earth-mcp

其它 MCP 客户端

  • Claude Desktop：将通用配置中的 mirror-earth 对象加入 claude_desktop_config.json 的 mcpServers。Windows 路径为 %APPDATA%\Claude\claude_desktop_config.json，修改后重启客户端。
  • Cursor：在项目根目录创建 .cursor/mcp.json，或在 MCP 设置页添加同一配置。
  • Windsurf：将同一 JSON 配置写入 ~/.codeium/windsurf/mcp_config.json，或通过 MCP 设置页添加。
  • Cline / Roo Code：添加一个 stdio 类型 server，命令填写 uvx，参数填写 mirror-earth-mcp，并设置 MIRROR_EARTH_API_KEY 环境变量。

MCP 能力

能力代表工具
模型与要素目录list_models、get_model_details、list_variables
天气查询get_forecast、get_historical_weather、get_archive_forecast、get_seamless_weather
地名解析geocode、reverse_geocode
批量导出get_batch_usage、estimate_batch_export、create_batch_export、get_batch_task、list_batch_tasks、cancel_batch_task

MCP 服务还提供 mirror-earth://references/... 资源，用于读取内置 API 与模型说明。

完整说明与源码：Mirror Earth MCP。

使用 Agent Skills

Skills 适合具备 Skills 机制的 Agent。它会按照技能中定义的 API 契约，直接向 Mirror Earth HTTPS API 请求数据，不启动 MCP server，也不依赖 MCP 仓库。

在支持 Skills 的 Agent 对话中发送：

Install these skills: https://gitee.com/gfyml/mirror-earth-skills.git

安装完成后，直接告诉 Agent：

Configure my Mirror Earth API key.

Skills 会优先检查已有环境变量和配置；默认将密钥保存到全局受保护配置。需要项目级配置时，可以明确告诉 Agent 使用项目范围。

Skills 包含的能力

Skill用途
mirror-earth-catalog查找可用模型、别名与气象要素。
mirror-earth-weather查询预报、历史天气、历史预报与连续时序天气。
mirror-earth-geocoding地址、城市、区域与经纬度互相解析。
mirror-earth-batch-export预估、创建、查询、下载或取消异步导出任务。
mirror-earth-config查找并安全配置 API Key。

对于一次性查询，Agent 将直接请求数据；只有在需要重复请求、本地处理 JSON/CSV、后台轮询或下载文件时，才需要额外的 Python 自动化。

完整说明与源码：Mirror Earth Agent Skills。

可以直接这样提问

  • 查询上海未来 7 天的气温、降水、10 米风速，并用表格总结。
  • 比较北京未来 5 天 ECMWF、GFS、CMA 与 GraphCast 的降水预报差异。
  • 分析 2021 年 7 月郑州暴雨期间的逐小时降水和气温。
  • 复盘台风登陆前 48 小时，ECMWF 和 GFS 当时分别预测了什么。
  • 把江苏省 2010 到 2024 年的 ERA5 每日温度、降水和辐射导出，先预估配额和输出大小。
  • 将“南京新街口”解析为经纬度，再查询明天的天气。

数据范围

  • 预报模型：CMA、GEM、ICON、ECMWF、ECMWF IFS、GFS、JMA、KMA、MeteoFrance、UKMO，以及 AIFS 和 GraphCast 等 AI 预报模型。
  • 历史与再分析：era5_seamless 从 1940 年起提供约 25 km 的地表再分析；era5_pressure 从 2000 年起提供 37 个标准等压面。
  • 历史预报：可查看 IFS、HRES、GFS、CMA、GEM、ICON、JMA、KMA、MeteoFrance、UKMO、AIFS、GraphCast 等模型在历史起报时刻做出的预测。
  • 批量导出：支持点位、经纬度网格、行政区与多地点；支持小时、日和 ERA5 Seamless 月度聚合。