当大模型进入下半场,Agent(智能体)的争夺战已经悄然转移到了MCP(模型上下文协议)工具生态上。
如果说大模型是AI的"大脑",那么MCP工具就是连接真实世界的"手脚"。最近,天气服务成了各大MCP平台上的热门品类。看似简单的查天气,在AI时代却成了考验服务商数据能力和工程能力的试金石。
今天,硅基君就带你拆解一下目前阿里云百炼云市场上主流的三款天气MCP服务:天气通、万维易源和墨迹天气,看看在AI时代,谁才是真正的"天气服务王者"。
*/ 01 /*
三家服务商的差异化路径
在AI应用场景中,用户对天气的需求早已超越了简单的“今天多少度”。一个真正能嵌入智能体工作流的天气 MCP 服务,本质上需要解决三个问题:功能是否完整、数据是否足够精细、能否支撑复杂决策。
从这次测评结果来看,三家天气 MCP 都能完成基础天气查询,但能力边界存在明显差异。
在查询方式上,万维易源支持城市名、IP、邮编、景点等多种检索方式,覆盖最广;天气通旗舰版则进一步支持 POI 精确检索,更适合智能助手和本地生活场景;墨迹天气主要依赖城市 ID 和经纬度,定位方式相对基础。
在预报能力上,差距开始拉开。三家都支持实时天气和24小时预报,但天气通旗舰版是唯一支持16-40天中长期预报和41-100天超长期预报的平台,同时还支持分钟级降水预报和更完整的空气质量预测,更适合旅行规划、户外活动和智能决策场景。
在扩展服务方面,天气通旗舰版和墨迹都提供了灾害预警、生活指数、车辆限行等能力,服务维度最丰富;万维易源则保留了历史气象数据这一特色能力,更适合数据分析和行业应用。
整体来看,相比万维易源和墨迹天气,天气通旗舰版在预报深度、精细化定位和扩展能力方面更完整,更接近一个面向 AI Agent 的综合天气服务平台。
天气通旗舰版不仅提供40余个工具,覆盖实时天气、天气预报、预警服务、空气质量和生活服务五大模块,预报能力从实时、分钟级、小时级到100天全周期覆盖。而且,它还对工具进行了精细化划分,可以实现更精细的工具调用,从而节省模型的token消耗。
为了验证一下这些工具好不好用,我们做了三个测试。
第一个测试,聚焦预报精准度。
传统天气查询通常以城市为单位——比如"北京市今天多少度"。但在真实场景中,这个粒度往往太粗:北京南部和北部同一天可能相差5度,山区与平原的体感也截然不同。
因此,我们关注的不是常规的城市级天气,而是更深一层的"poi位置天气"。
为了检验模型在精细场景下的表现,我们向三个MCP同时抛出了同一个具体问题:
“北京朝阳公园今天的天气怎么样?”
结果出现了明显差异。天气通支持经纬度格点及poi级天气查询,能够直接识别“朝阳公园”这一具体地点,并返回对应天气。
万维易源则将其识别为辽宁朝阳市。
墨迹天气则需要开发者提前提供对应 cityId 才能完成查询。
这个案例背后,其实反映出 MCP 时代与传统工具时代最大的区别。过去开发者会提前知道目标城市,再把 cityId 填进去。
但 Agent 时代并非如此。用户不会说“帮我查询 cityId=101010300 的天气”,只会说:
“下午去朝阳公园跑步会不会下雨?”
对于智能体而言,天气查询本身已经不难,真正困难的是如何在用户自然的语言习惯里,准确理解用户的意图。
格点天气的典型应用场景是,外卖配送路径规划、无人机作业窗口判断、精准农业的田间气象监测……这些场景的共同特点是——用户不在乎"城市天气",只在乎"这个坐标点、这个时间段"的真实气象状态。
对于需要嵌入这类场景的 AI Agent 开发者而言,能否直接识别用户所需精细位置并给出相应数据,是一道硬门槛,也是天气通与另外两家服务在底层数据能力上最根本的差距之一。
第二个测试,是预报周期的上限。
测试场景是这样设计的——这并非刻意刁难,而是来自一个真实的业务需求:
"我需要为一家户外音乐节…