10 分钟跑通 MCP 天气 Skill：TaoToken 当默认供应商

ceshi01 ceshi01 博客等级 墨衍会员 · 1平台 · 100+阅读 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 100+累计阅读 4平均单平台 已同步平台 CSDN 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄18年
关注
原创 2026-09-17 21:08:46 4 阅读 AI 写同款· GEO 优化 ›

Coding plan全新升级至GLM5.3 flash + deepseek v4 flash双模型随意切换，量大管饱编程专用，满足你的生产需求

立即获取API key

🚀 告别海外账号与网络限制！稳定直连全球优质大模型，限时半价接入中。 👉 点击领取海量免费额度

TaoToken 在这条链路里只承担一个角色：MCP 客户端的默认供应商。今天要验证的东西很小——在一个 MCP 客户端里注册一个天气查询 Skill，然后看模型能不能把「上海现在冷不冷」自动折叠成 get_weather(city="上海") 这样干净的 JSON 参数，拿到工具返回的数据之后再组织成人话。天气准不准不是重点，重点是 tool calling 这一圈有没有闭上：模型认得出该调工具、参数名和类型对得上 schema、工具结果回来之后它不再自己编温度。

选 Kimi K2.7 Code 配这个任务，是因为天气 Skill 的参数面极窄——就一个 city 字符串。参数越窄，越容易看出模型是真的在读工具描述，还是靠猜。如果它把「上海现在冷不冷」整句话塞进 city 字段，你在日志里一眼就能抓到；换成参数复杂的 SQL 类工具，反而容易被一堆形参掩盖问题。

环境清单其实就四样东西，而且每一样都能替换：MCP 客户端用 Cline，VS Code 里的扩展，自带 MCP Servers 面板，改 JSON 就能加工具；模型用 Kimi K2.7 Code，请求走统一 API 通道；天气 Skill 是一个本地 stdio 进程，Python 起一个，调用 open-meteo 的公开接口，不需要另外申请 Key；运行依赖是 Python 3.10+ 和 uv，或者直接用 pip 装 mcp 与 httpx。

一条链路上有三个可能卡住的地方——MCP 进程要不要预装依赖、请求打到网关的路径对不对、天气接口自己慢不慢。十分钟不是花在写代码上，是花在这三段上。下面每一步都给可复制的配置和一句自检命令，哪里断了能立刻定位。

本文不含排行分数，也不比较各家模型的能力；这里的「跑通」只指 MCP 工具调用闭环。数字只出现在调用日志里，而且天气数值每次都不一样。

2. 注册天气 Skill：MCP Server 代码与客户端配置 JSON

2.1 一个只做一件事的天气 MCP Server

社区里现成的天气 MCP Server 不少，但版本和工具名经常变，配置抄过来容易对不上。这里给一个四十行左右的本地实现，参数面固定成一个 city 字符串，方便你复现，也方便随手改。

# weather_mcp.py
import json
import httpx
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("weather")

GEO = "https://geocoding-api.open-meteo.com/v1/search"
FORECAST = "https://api.open-meteo.com/v1/forecast"

WMO = {
    0: "晴", 1: "少云", 2: "多云", 3: "阴",
    45: "雾", 48: "雾凇",
    51: "毛毛雨", 53: "小雨", 55: "中雨",
    61: "小雨", 63: "中雨", 65: "大雨",
    71: "小雪", 73: "中雪", 75: "大雪",
    80: "阵雨", 81: "强阵雨", 82: "暴雨", 95: "雷暴",
}

@mcp.tool()
def get_weather(city: str) -> str:
    """查询一个城市的当前天气。city 传中文城市名，例如 上海。"""
    with httpx.Client(timeout=10) as client:
        geo = client.get(GEO, params={
            "name": city, "count": 1, "language": "zh", "format": "json",
        }).json()
        hits = geo.get("results") or []
        if not hits:
            return json.dumps({"error": f"未找到城市：{city}"}, ensure_ascii=False)
        hit = hits[0]
        cur = client.get(FORECAST, params={
            "latitude": hit["latitude"],
            "longitude": hit["longitude"],
            "current": "temperature_2m,relative_humidity_2m,weather_code,wind_speed_10m",
        }).json()["current"]
    return json.dumps({
        "city": hit["name"],
        "temperature_c": cur["temperature_2m"],
        "humidity_pct": cur["relative_humidity_2m"],
        "wind_kmh": cur["wind_speed_10m"],
        "condition": WMO.get(cur["weather_code"], f"code={cur['weather_code']}"),
    }, ensure_ascii=False)

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

保存成 weather_mcp.py。三个细节决定了后面会不会踩雷：装饰器 @mcp.tool() 会自动把函数名当工具名、把 docstring 当工具描述，描述里写了「中文城市名，例如 上海」，模型把「上海」映射到 city 字段的成功率会明显高一点；返回值统一是 json.dumps(..., ensure_ascii=False) 的字符串，中文不会被转义成 \uXXXX，模型读起来更省 token；找不到城市时返回一个带 error 字段的 JSON 而不是抛异常，模型能读懂失败原因，再决定要不要换个城市名重试。

2.2 把 server 注册进 Cline 的 MCP 配置 JSON

Cline 的 MCP 配置文件叫 cline_mcp_settings.json，放在扩展的 globalStorage 目录下，Windows 一般在 %APPDATA%\Code\User\globalStorage\saoudrizwan.claude-dev\settings\，macOS 在 ~/Library/Application Support/Code/User/globalStorage/saoudrizwan.claude-dev/settings/。也可以在 MCP Servers 面板里点 Configure 直接打开。往里加一段：

{
  "mcpServers": {
    "weather": {
      "type": "stdio",
      "command": "uv",
      "args": [
        "run",
        "--with", "mcp",
        "--with", "httpx",
        "D:/mcp/weather_mcp.py"
      ],
      "disabled": false,
      "autoApprove": ["get_weather"],
      "timeout": 90
    }
  }
}

字段解释尽量短。command 用 uv，是为了让它顺带把依赖装进临时环境；你本机如果已经 pip 装了 mcp 和 httpx，把 command 换成 python、args 只留脚本绝对路径也完全可以。timeout 单位是秒，Cline 默认偏短，第一次启动要拉依赖，先给到 90 更稳。autoApprove 只放 get_weather，别图省事写 true——天气工具是只读的，但以后你往里加别的 server，全自动批准会变成隐患。

args 里的脚本路径建议写绝对路径。相对路径在客户端切换工作区之后经常找不到文件，表现出来就是面板上一直转圈，或者直接显示 disconnected，而你不会第一时间想到是路径问题。

2.3 启动自检：先手动跑一遍

在把 JSON 交给客户端之前，先在终端跑一次：

uv run --with mcp --with httpx weather_mcp.py

stdio 类型的 MCP Server 正常启动后不会打印任何东西，光标停住不退出就是对的状态，按 Ctrl+C 结束。如果它吐了 Traceback，那就是脚本自己的问题，跟客户端和网关都无关。这一步不做，你会在客户端里看到一句没有信息量的 "MCP server disconnected"，然后开始怀疑网络——方向就偏了。

3. 让 Kimi K2.7 Code 走 TaoToken：Base URL、Key 与模型 ID

MCP 工具注册好之后，模型这边只差三样东西：Key、Base URL、模型 ID。Key 在 TaoToken 控制台创建，创建完立刻复制，页面关掉之后明文就不再显示，只能重建一条。三样东西里最容易填错的是 Base URL，因为它错的方式很安静。

3.1 Cline 侧的三件套

Cline 的设置面板里，API Provider 选 OpenAI Compatible，然后逐项填：

配置项填什么
Base URLhttps://taotoken.net/api
API KeyYOUR_API_KEY
Model IDkimi-k2.7-code（以模型广场为准）
Context Window按广场标注的值填，别随手写大
流式输出排障阶段先关掉，少一个变量

Base URL 只写到 https://taotoken.net/api，末尾不要自己补 /v1。有些客户端会在你填的地址后面自动追加 /v1，两边一叠就变成 /api/v1/v1/...，返回 404，而报错信息通常只有一句 not found，很容易被误判成 Key 失效。真遇到 404，先翻日志里客户端实际请求的完整路径，再决定是改客户端设置还是改填写方式。

模型 ID 不要凭记忆写。各家模型在广场上的 ID 和官方页面上的名字未必一致，带不带日期后缀、用连字符还是点号，都可能差一个字符。填之前打开模型广场对一眼，把 Kimi K2.7 Code 对应的那串 ID 复制过来，粘贴比手打可靠得多。

3.2 Claude Code 当 MCP 客户端时的写法

如果你习惯用 Claude Code，它本身也是一个 MCP 客户端，环境变量写在 ~/.claude/settings.json 的 env 里：

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://taotoken.net/api",
    "ANTHROPIC_AUTH_TOKEN": "YOUR_API_KEY",
    "ANTHROPIC_MODEL": "kimi-k2.7-code"
  }
}

注册天气 server 用一条命令就行，注意 -- 后面全部是要执行的进程：

claude mcp add weather -- uv run --with mcp --with httpx /绝对路径/weather_mcp.py
claude mcp list

claude mcp list 能看到 weather 且状态是 connected，就说明注册成功。也可以用官方 CLI 一次把三件套写好：

npm install -g @taotoken/taotoken
taotoken cc -k YOUR_API_KEY -u https://taotoken.net/api -m kimi-k2.7-code

三个变量里，ANTHROPIC_BASE_URL 同样只写 https://taotoken.net/api。ANTHROPIC_MODEL 要和模型广场上的 ID 完全一致，Claude Code 不做模糊匹配，名字差一个字符就是一次 400，而且错误信息里不会告诉你「可能是模型名写错了」。

4. 一次成功调用长什么样：从 tool_use 到城市天气

判断跑没跑通，不看它答得多漂亮，只看两段日志：模型发出的工具调用参数，以及工具真正的返回值。这两段对得上，链路就是闭的；对不上，回答再通顺也是模型在自由发挥。

4.1 调用日志

跑通之后，客户端里一次完整调用的记录形态大致是这样：

[user] 上海现在冷不冷？

[tool_use] get_weather
{ "city": "上海" }

[tool_result]
{"city": "上海", "temperature_c": 27.4, "humidity_pct": 71,
 "wind_kmh": 12.6, "condition": "多云"}

[assistant] 上海现在 27.4℃，多云，湿度 71%，风速 12.6 km/h，
体感偏闷，短袖够用，早晚备一件薄外套。

日志里的温度是那次运行时接口返回的真实数值，天气每小时都在变，你跑出来的数字不会和这里一样。

值得盯的是 tool_use 的 input：它是一个只有 city 一个键的合法 JSON，值是「上海」两个字，没有把整句问话塞进去，也没有多出模型自己编的参数。参数干净，说明模型读懂了工具 schema；参数脏，后面天气接口返回什么都是碰运气——你甚至可能看到它把「上海现在冷不冷」整段当城市名传进去，然后 server 返回「未找到城市」，模型再一本正经地解释说查不到。

tool_result 那一行是 server 的返回值。工具返回值进了上下文之后，模型的最终回答里不应该出现日志中没有的数字。如果它答「上海 26 度，适合穿毛衣」，而日志里明明是 27.4 和多云，那问题就不是配置，是模型没有忠实使用工具结果。这种回答在 Agent 场景里比直接报错更麻烦，因为它看起来是对的。

4.2 三条验证 Prompt

一条成功不算跑通，至少过三条：

输入期望行为出问题的信号
上海现在冷不冷？调用 get_weather，city=上海直接编一个温度，或把整句塞进参数
帮我看看北京和深圳连续两次调用，各自带城市名只查一个城市，另一个靠猜
你好，介绍一下你自己不调用任何工具无意义地调一次天气工具

第三条最容易被忽略。工具描述写得越宽泛，模型越容易在不该调的时候调一次，白花一次往返，还多占一轮上下文。把 docstring 收窄到「查询指定城市的当前天气」，误触发会明显减少。另外，工具描述本身每轮请求都要带，工具数量涨上来之后，上下文会被 schema 挤占，天气这种小工具描述越短越好。

5. 超时排查：MCP 天气 Skill 的四层时间线

MCP 链路超时不是一个点，是四段串起来的：进程启动、客户端到网关、工具内部的 HTTP 调用、客户端等待整个 tool loop 结束。按时间顺序查，比反复重启客户端有效得多，也省得同时改三处配置还不知道是哪一处生效了。

5.1 第一层：MCP 进程启动

客户端点开 server 之后，先要 fork 一个进程、装依赖、初始化 stdio。uv run --with mcp --with httpx 第一次执行会下载包，几十秒很正常，而 Cline 默认的 MCP timeout 撑不到那么久，结果就是面板报超时，实际上进程还在老老实实下载。处理办法有三个：把 timeout 调到 90 到 120；先在终端手动跑一次把依赖缓存下来；或者提前 pip install mcp httpx，配置里的 command 直接写 python。这三种做任何一种，这一层的超时基本就消失了。

5.2 第二层：客户端到网关的请求

这一段报错通常不是超时，是 401 或 404。401 对应 Key——有没有多余的引号、有没有把别处的 Key 复制过来、控制台里这条 Key 是不是已经被删。404 先怀疑路径：Base URL 写成 https://taotoken.net/api 之后，客户端再自动补一次 /v1，请求就会落到不存在的路径上。模型 ID 写错则常见 400 或提示 model not found，含义完全不同，别混在一起改。

还有一种「像超时但不是超时」的情况：上下文窗口填得比实际大，客户端按大窗口去发请求，服务侧一直等不到完整输出，看起来就是卡住。排障阶段把上下文窗口按模型广场标注的值填，别往大写，这一条能省掉很多莫名其妙的等待。

5.3 第三层：天气接口本身

本地 server 里的 httpx 调用如果没有设 timeout，Open-Meteo 偶发慢响应时，整个 MCP 调用会一直挂在那里，客户端看起来像卡死，其实是在等一个不会来的响应。上面代码里 httpx.Client(timeout=10) 就是干这个的。更稳的做法是把异常也转成 JSON 返回：

try:
    # 原有的地理编码与天气请求
    ...
except Exception as e:
    return json.dumps({"error": f"天气接口暂时不可用：{e}"}, ensure_ascii=False)

工具返回一段能读懂的错误，模型会明确告诉用户「这次查询失败了」，而不是让整条链路悬在半空等你手动中断。

5.4 第四层：日志到底在哪看

  • Cline：MCP Servers 面板里点 server 名，能看到进程输出和每次工具调用的耗时
  • Claude Code：用 claude --debug 启动，MCP 的连接、工具列表、往返都会打出来；claude mcp list 只看连接状态
  • 判断超时发生在哪一层，看日志最后一条停在哪：停在 server 启动就是第一层，停在发请求就是第二层，停在工具执行就是第三层

实测下来，最常见的组合是「第一次装依赖」加上「timeout 没调」，两件事各做一次，后面基本就顺了。还有个容易忘的点：改完 JSON 配置要重启客户端或重新加载 MCP 面板，不然你以为改了配置，其实跑的还是旧的进程。

6. 用同一把 Key 复现 MCP 天气调用

复现的时候尽量只改一个变量：同一把 Key、同一份 weather_mcp.py、同一条「上海现在冷不冷」，换模型或换客户端再跑一次，你就能分清到底是模型不会调工具，还是客户端没把工具注册进去。只改一个变量这件事听起来啰嗦，但它是把「跑不通」拆成可判断小问题的唯一办法。

复现清单按这个顺序走：先在 TaoToken 创建一条 Key，Base URL 填 https://taotoken.net/api；保存 weather_mcp.py，终端手动启动一次确认没有 Traceback；把 MCP 配置 JSON 写进客户端，timeout 给到 90；模型 ID 从模型广场复制，别手打；最后三条验证 Prompt 全过一遍，重点看 tool_use 的 input 是不是合法 JSON。

这次调用到底有没有入账、扣了多少，去 模型对话 对一眼记录；要长期挂着跑 MCP 工具，Coding Plan 比按次更省事；Key 在 控制台 建。Claude Code 的三件套对照 接入文档。

整条链路跑完之后，你手里就有了一个最小可用的 MCP 测试台：工具只有一个、参数只有一个字段，任何模型接进来，几分钟就能看出它会不会按 JSON 参数调用工具。天气 Skill 只是个壳子，真正留下来的是这套判断方法——下次换成数据库工具或者内部接口，排查顺序完全一样。

🚀 告别海外账号与网络限制！稳定直连全球优质大模型，限时半价接入中。 👉 点击领取海量免费额度

标签
#TaoToken #MCP #Kimi K2.7 Code #Cline #天气Skill
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

GLM5.3 flash+ deepseek v4 flash 双模型随意切换，编程更高效、价格更优惠、超高性价比coding plan，限时39元/月起！

限时抢购
上一篇： CC Switch 切到 TaoToken：一条 Key 切换 GLM 5.3 Flash 与 DeepSeek V4.1 Flash
下一篇： 401 或 404 刷屏？TaoToken + Cline 这样验证
点赞 0
评论 0
书签 书签 0
ceshi01
ceshi01
博客等级 码龄18年 1粉丝 4603原创
+ 关注
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值