Usa GribStream da ChatGPT, Claude e Gemini con MCP

Le buone domande meteo raramente iniziano come richieste API.

Iniziano più spesso così:

Come saranno vento e umidità a Lisbona domani?

oppure:

Mostrami cosa dicevano gli ultimi tre run del modello per quelle stesse ore.

Il nuovo connettore MCP di GribStream è pensato per quel passaggio intermedio: trasformare una domanda meteo nella richiesta GribStream esatta da eseguire. Puoi puntare ChatGPT, Claude, Gemini CLI o un altro client compatibile con MCP a:

https://gribstream.com/mcp

Il connettore è in sola lettura. Non esegue /timeseries o /runs, e non richiede un token API GribStream. Espone invece il catalogo e gli strumenti di costruzione delle richieste di cui un'IA ha bisogno per preparare una richiesta che puoi eseguire con la normale API.

Questo permette all'IA di aiutare con domande come:

• Quali dataset supporta GribStream e come posso verificarlo?
• Come ottengo temperatura, vento e umidità per Lisbona domani?
• Puoi trasformare quella richiesta puntuale in una griglia a 0.5 gradi sul Portogallo?
• Come appariva la previsione 18 ore fa?
• Come interrogo gli ultimi tre run del modello per quelle stesse ore di validità?
• Puoi cambiare la richiesta da GFS a IFS Operational e correggere i selettori?

Il risultato è una normale richiesta API GribStream: un comando curl, il corpo JSON della richiesta, gli header e una spiegazione di cosa è cambiato.

Perché aiuta

Una richiesta di previsione può sembrare ragionevole e comunque essere sbagliata.

Un'IA può capire "10 meter wind speed", cioè velocità del vento a 10 m, ma nei campi grezzi del modello non sempre è un singolo campo. A volte deriva dalle componenti U e V del vento. Può riconoscere "2 meter temperature", cioè temperatura a 2 m, e scegliere comunque il selettore sbagliato per un dataset specifico. Può produrre JSON dall'aspetto valido, ma confondere orari di validità e orari dei run del modello.

Il connettore MCP espone i pezzi necessari per evitare questi errori:

• metadati dei dataset
• nomi esatti dei parametri e variazioni dei selettori
• parametri condivisi come temperature_2m, wind_speed_10m e relative_humidity_2m
• sintassi delle espressioni calcolate (expressions) e funzioni matematiche supportate
• costruttori di richieste per /timeseries e /runs
• validazione della richiesta prima dell'accesso ai dati

Questo si basa sugli endpoint pubblici del catalogo che abbiamo rilasciato all'inizio di questo mese.

Il workflow

Il MCP ospitato aiuta l'IA a costruire la richiesta. La normale API GribStream resta quella che la esegue.

Per accesso diretto ai dati, continui a usare:

• POST /api/v2/{dataset}/timeseries per i migliori valori disponibili per orario di validità
• POST /api/v2/{dataset}/runs per interrogare lo storico dei run e l'invecchiamento della previsione

Se usi uno strumento IA locale per sviluppo che può eseguire comandi shell, imposta il token nell'ambiente:

export GRIBSTREAM_API_TOKEN='YOUR_TOKEN_HERE'

Poi l'IA può usare MCP per costruire la richiesta e usare il token per eseguire la normale chiamata API.

Per strumenti web come ChatGPT o Claude, il MCP ospitato è soprattutto un livello di scoperta e costruzione delle richieste. Può produrre la richiesta da eseguire; l'accesso ai dati resta una normale richiesta autenticata a GribStream.

Dalla conversazione all'analisi

Un effetto utile è che l'analisi meteo può diventare più conversazionale.

Con uno strumento IA compatibile con MCP, puoi iniziare in modo ampio:

Quali modelli supporta GribStream per previsioni globali?

Poi restringere il compito:

Costruisci una richiesta per temperatura, velocità del vento e umidità relativa a Lisbona domani.

Poi cambiare la geometria:

Rendila una griglia sul Portogallo a 0.5 gradi.

Poi passare al backtesting:

Come sarebbe apparso se avessi usato solo le previsioni disponibili 18 ore fa?

Poi puoi cambiare endpoint:

Dammi gli ultimi tre run che prevedevano quelle stesse ore di validità.

Poi confrontare modelli:

Ora fai la stessa cosa con IFS invece di GFS.

Da lì, uno strumento IA locale con un token GribStream configurato può eseguire le richieste e analizzare il risultato: confrontare modelli, calcolare l'errore assoluto medio rispetto a un dataset di analisi, cercare soglie o riassumere dove due modelli divergono di più.

Questo non sostituisce un'analisi meteorologica attenta. Rimuove però molto lavoro meccanico tra la domanda e il primo dataset utile.

Configurazione

Le istruzioni di configurazione sono nella nuova pagina GribStream per strumenti IA.

A grandi linee:

• ChatGPT: aggiungi un connettore MCP personalizzato usando Streamable HTTP e https://gribstream.com/mcp.
• Claude: aggiungi un connettore personalizzato con URL https://gribstream.com/mcp.
• Gemini CLI: aggiungi https://gribstream.com/mcp come server MCP in ~/.gemini/settings.json.

La stessa pagina include anche link al file skill GribStream indipendente dal provider, alla specifica OpenAPI, alla guida rapida e alla guida alle espressioni.

Cosa viene dopo

Gli esempi scritti sono utili, ma questo tipo di funzione si capisce meglio quando la si vede in azione.

Una breve demo video sarebbe un buon prossimo passo: collegare MCP, chiedere a un'IA di costruire una richiesta, eseguirla con un token, poi iterare verso un piccolo workflow di confronto modelli o analisi dell'errore.

Per ora, il connettore è disponibile qui:

https://gribstream.com/mcp

E la pagina di configurazione IA è qui:

• GribStream per strumenti IA