AI黑科技实测!自动获取天气并微信通知好友全过程!

新闻

作者：微信文章
今天这篇要聊的，就是【基于Dify + MCP的智能体实战案例】，我认真研究后发现，这玩意，确实封神了！！！✨✨



1）开篇先说结论

🚀 AI智能体 已经不只是聊天，而是能真正【理解语义 → 自动决策 → 真正完成任务】。

比如你说：

“订一张明天去北京的机票”

智能体就能： ✅ 听懂你的意思 ✅ 自动调用航班查询接口 ✅ 完成支付 ✅ 同步到日历里提醒你出发时间

完全不需要你再动手！🐒



这种能力直接在【客服、医疗、智能制造】等领域【性能直接爆了】，不再只是玩具，而是能用来赚钱和节省人力成本的真家伙。

2）最大的开发痛点：接口碎片化

不过，智能体落地一直有个巨大痛点：

接口碎片化 + 工具兼容性差

开发者要对接不同的第三方接口（航班查询、天气、支付、日历…），需要写各种重复的适配代码。

结果导致： 😤 60%开发周期浪费在系统对接 😤 工程师加班到半夜还修各种兼容性bug 😤 老板催上线速度，开发吐血

我之前踩过坑深有体会，这简直要命。



3）MCP协议出现，封神！

直到【MCP协议（Model Context Protocol）】的出现，这问题直接被干掉了！！！

💡 类比互联网的【TCP/IP协议】，MCP是 AI智能体和外部工具交互的“通用语言”。

由 Anthropic 在2024年底开源，允许大模型和外部工具实现真正的“即插即用”：

✅ 大模型只管调用工具， ✅ 工具对接由MCP统一标准完成， ✅ 大幅降低对接复杂度和开发成本。

如果没有MCP，你得手写5个接口对接5个工具； 有了MCP，只需写1个配置，就能跑遍全局。

4）实战案例拆解

a）在Windows开发环境，快速实现 通过微信发送消息

💻 安装环境：
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
uv init wechat
cd wechat
uv venv
.venv\Scripts\activate
uv add mcp[cli] wxauto

（如遇执行策略报错，执行：Set-ExecutionPolicy RemoteSigned）

🤖 通过wxauto（微信PC自动化库，兼容3.9.x微信PC版本）结合mcp，就能让智能体发送微信消息。

main.py：
from mcp.server.fastmcp import FastMCP
from wxauto import WeChat

mcp = FastMCP(port=8000)
wx = WeChat()

@mcp.tool()
async def send_wechat_msg(msg: str, who: str) -> str:
    wx.ChatWith(who)
    wx.SendMsg(msg, who)
    return "success"

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

执行：
uv run main.py

即可启动服务。

🎉 效果：你的智能体能直接给你女朋友发“早安宝贝 ☀️”并自动带天气提示

b）快速实现 智能体获取天气信息

💻 新建weather目录：
uv init weather
cd weather
uv venv
.venv\Scripts\activate
uv add mcp[cli] httpx

main.py：
import httpx
import urllib.parse
from mcp.server.fastmcp import FastMCP

mcp = FastMCP(port=8001)

@mcp.tool()
async def get_weather(location: str) -> str:
    url = "http://weather.cma.cn/api/autocomplete?q=" + urllib.parse.quote(location)
    async with httpx.AsyncClient() as client:
        try:
            response = await client.get(url, timeout=10.0)
            data = response.json()
            # 解析与返回
        except Exception:
            return "系统错误，请稍后重试"

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

执行：
uv run main.py

智能体便能获取指定城市的实时天气。

c）接入【Dify智能体】，自动获取天气并通过微信发送给好友

💡 Dify是开源的 LLM 应用开发平台，支持可视化配置和 MCP 插件接入。

安装 MCP 插件 “MCP SSE / StreamableHTTP”配置 MCP 服务：

{
  "wechat_server": {"url": "http://host.docker.internal:8000/sse"},
  "weather_server": {"url": "http://host.docker.internal:8001/sse"}
}

创建 Agent，输入：

“把广州的天气情况通过微信发送给张三”

智能体就会自动完成： ✅ 调用天气接口获取广州天气 ✅ 调用微信接口发送给张三 ✅ 完全自动化

这才是智能体真正该做的事，不是光会“聊天”，而是真正【解决问题】。

5）AI智能体结合 MCP 的真正价值

💡 MCP + 智能体 = 真正落地执行力

😎 节省 60% 对接时间 😎 快速完成场景化智能体闭环（获取 → 判断 →执行 → 通知） 😎 在客服、医疗、智能制造中加速落地 😎 降低运营成本，老板满意，开发也不卷

现在 MCP 开源后，你完全可以在自己电脑上落地测试，体验智能体真正的执行闭环。

6）对了，还有个事 🚩

我最近测试发现： 🪐 MCP 工具 + Dify Agent，能和 Ollama 本地大模型（如 DeepSeek-R1）完美联动， 🪐 在 M1、M2、Intel 13代等本地电脑都能跑，配合 PyCharm + CodeGPT，日常开发效率直接爆炸。

后续我会专门出一篇： 【MCP + DeepSeek 本地大模型 + Dify 的极致开发体验】 想看的可以留言“想看”，我安排给你们写。

最后总结一下 😎



1）智能体落地不再停留在“聊天”，而是能【自动完成任务】，这才是真正生产力。

2）MCP协议彻底解决了接口碎片化问题，实现了真正的“即插即用”。

3）结合 Dify、MCP、wxauto，真正实现一句话执行真实任务，让你在朋友圈炫一波科技力同时，真正省时省力。

🌟 感兴趣的朋友可以试试，真的值。

如果这篇文章对你有用，给我个三连击： ✅ 点赞 ✅ 转发 ✅ 在看

想持续获取“智能体实战案例”，不走弯路，记得关注我。我们下篇再见 🫡✨

-END-

我为大家打造了一份RPA教程，完全免费：https://www.songshuhezi.com/rpa.html

ok，今天先说到这，老规矩，给大家分享一份不错的副业资料，回复副业即可领取，微信：hls404 找我领取。