GribStream für KI-Tools

Diese Seite ist der Startpunkt, um GribStream mit ChatGPT, Claude, Gemini, Codex, Claude Code, Cursor, eigenen KI-Agenten oder jeder KI-Umgebung zu verbinden, die Tools aufrufen und HTTP-Requests senden kann.

Die empfohlene Integration ist der gehostete GribStream MCP-Connector. Er hilft, Datasets zu entdecken, exakte Selektoren aufzulösen, gültige Requests für /timeseries und /runs zu bauen, Expressions zu validieren und kopierbare HTTP-Requests zu erzeugen.

Gehosteter MCP-Connector

Nutzen Sie den gehosteten MCP-Connector, wenn Ihr KI-Tool MCP über Streamable HTTP unterstützt.

https://gribstream.com/mcp

Der Connector ist nur lesend und benötigt keinen GribStream API-Token. Er fragt Wetterdaten nicht direkt ab; er entdeckt Metadaten und baut reguläre GribStream API-Requests für /api/v2/{dataset}/timeseries oder /api/v2/{dataset}/runs.

Setup-Beispiele

ChatGPT

Wenn Ihr Konto oder Workspace eigene MCP-Connectoren unterstützt, fügen Sie einen Connector hinzu mit:

• Name: GribStream
• Transport: Streamable HTTP
• URL: https://gribstream.com/mcp
• Authentication: none

Claude

Fügen Sie in Claude einen eigenen Connector über die Connectors-Einstellungen hinzu:

• Connector name: GribStream
• Connector URL: https://gribstream.com/mcp

Gemini CLI

Fügen Sie dies in ~/.gemini/settings.json ein:

{
  "mcpServers": {
    "gribstream": {
      "httpUrl": "https://gribstream.com/mcp",
      "timeout": 30000
    }
  }
}

Starten Sie danach Gemini CLI und führen Sie /mcp aus, um den Connector zu prüfen.

Was der MCP bereitstellt

• Entdecken von Datasets und Metadaten
• Entdecken von Parametern und Selektoren mit exakter Groß-/Kleinschreibung
• shared parameters für datasetübergreifende Workflows wie Windgeschwindigkeit oder 2-m-Temperatur
• Hilfe zur Expression-Syntax einschließlich mathematischer func.*-Helper
• Request-Builder für /timeseries und /runs
• Request-Validierung vor der Datenabfrage

Nutzen Sie den MCP zum Erstellen des Requests. Führen Sie ihn dann mit der regulären GribStream API aus.

Von der Unterhaltung zur Analyse

Ein Vorhersage-Request kann plausibel aussehen und trotzdem falsch sein. Der Connector hilft dem KI-Tool, den Katalog zu prüfen, exakte Selektoren zu verwenden, den richtigen Endpoint zu wählen und den Request vor der Ausführung zu validieren.

Welche Modelle unterstützt GribStream für globale Vorhersagen?

Baue einen Request für Temperatur, Windgeschwindigkeit und relative Luftfeuchte in Lissabon morgen.

1. Erstelle daraus ein Grid über Portugal mit 0,5 Grad.
2. Zeige, wie das mit nur den Vorhersagen ausgesehen hätte, die vor 18 Stunden verfügbar waren.
3. Zeige die letzten drei Modellläufe für dieselben gültigen Zeiten.
4. Wechsle von GFS zu IFS und löse die Selektoren neu auf.

Zentrale Ressourcen

• Gehosteter MCP-Connector: https://gribstream.com/mcp
• Portable Skill-Datei für KI-Tools.
• OpenAPI-Spezifikation für Katalog, /timeseries und /runs.
• Swagger UI für den OpenAPI-Vertrag im Browser.
• Schnellstart mit direktem Datenzugriff, Expressions, Lead Times, Backtesting und Runs.
• Modelle und Inventare für Parameter und Selektoren.

Authentifizierung

Der gehostete MCP-Connector benötigt keine Authentifizierung. Echte GribStream-Datenabfragen benötigen einen API-Token, wenn Sie den erzeugten Request ausführen.

1. Erstellen Sie ein Konto oder melden Sie sich unter /auth/login an.
2. Erstellen Sie einen API-Token unter /app/dashboard.
3. Setzen Sie ihn als Umgebungsvariable GRIBSTREAM_API_TOKEN.
4. Starten Sie das KI-Tool aus derselben Shell oder geben Sie diese Variable der Ausführungsumgebung frei.

export GRIBSTREAM_API_TOKEN='YOUR_TOKEN_HERE'

Bevorzugt sind Umgebungsvariablen oder ein Secret Store. Vermeiden Sie Tokens in Prompts, versionierten Dateien oder wiederverwendbaren Skripten.

Empfohlener Workflow für KI-Tools

1. Verbinden Sie den gehosteten MCP unter https://gribstream.com/mcp, wenn Ihr Tool MCP über Streamable HTTP unterstützt.
2. Lassen Sie das Tool GribStream MCP nutzen, um Datasets zu entdecken, Selektoren aufzulösen und einen validierten Request zu bauen.
3. Prüfen Sie den erzeugten Request: Zeiten, Koordinaten, Grid-Größe, Variablen und Expressions.
4. Führen Sie den Request mit Ihrem GRIBSTREAM_API_TOKEN gegen die reguläre API aus.
5. Nutzen Sie OpenAPI, die Skill-Datei, den Schnellstart und Expressions als Referenzen oder Fallback.

Die öffentliche Skill-Datei ist direkt abrufbar unter:

https://gribstream.com/skills/gribstream-query.md