GribStream MCPがAI分析向けに実際の気象データを取得できるようになりました

AIによる気象分析は、エージェントがAPI呼び出しの形を説明するだけでなく、実際の予報データを扱えるとずっと便利になります。

GribStream MCPは、認証付きのデータ取得クエリに対応しました。つまり、Codex、Claude Code、Claude、その他のMCP対応クライアント内のAIエージェントが、GribStreamカタログを調べ、気象モデルの正確な変数を選び、予報行をCSV、JSON、NDJSONとして取得し、同じセッション内で分析や可視化を行えます。

これにより、GribStream MCPは気象データの対話型ワークフローになります。

1. ライブカタログからデータセットとセレクタメタデータを発見する
2. 認証済みGribStreamトークンで、範囲を絞った/timeseriesまたは/runs結果を取得する
3. 返された気象データ行をソートして検証する
4. pandasやmatplotlibのような通常のローカルツールで分析する
5. チャットから離れずに、リクエスト、図、気象に関する問いを改善する

気象データAPIを使うチームにとって、これはアイデアから検証結果へ進むためのより速い経路です。プロダクトチームは可視化を試作できます。予報チームはフィールドをすばやく確認できます。エネルギー、物流、農業、航空、気象リスクのチームは、大きなエクスポートや本番パイプラインを作る前に、イベントの簡易ビューを依頼できます。

1つのプロンプトで作るHRRRの嵐アニメーション

新しい流れを試すため、MCP対応AIクライアントに、North Dakota州Bismarck付近のNorthern Plainsにおける対流イベントについて、見やすく仕上げたアニメーション気象マップを依頼しました。このプロンプトはGribStreamリポジトリの知識を前提にせず、正確なセレクタも固定していません。MCPカタログからフィールドを見つけ、データを取得し、必要であればタイル分割されたCSVレスポンスを結合し、最終GIFを生成するようエージェントに依頼しています。

実際のプロンプトです。

GribStream MCPを使って、2026年6月8日02:00 UTCから03:45 UTCまでの、North Dakota州Bismarck付近にあるNorthern Plainsの嵐について、見やすく仕上げたアニメーション気象GIFを作ってください。

HRRRの正しい変数は、名前を推測せずにMCPカタログから発見してください。背景には地表面CAPEを陰影で表示し、その上にComposite Reflectivityを塗りつぶしと等値線の嵐の形として重ね、u/v風成分から10 m風ベクトルを表示してください。

解像度は約5 km、つまりおよそ0.05度にし、North Dakota西部から中部にかけての嵐の環境と移動が分かる十分広い範囲を使ってください。収まる場合は、Bismarck、Minot、Williston、Dickinson、Jamestown、Fargo、Grand Forks、Aberdeen、Pierre、Rapid City、Miles Cityを都市ラベルとして追加してください。読みやすい州境、暗い背景、紫から黄色のCAPEカラースケール、反射率の凡例を追加し、各フレームで最大反射率地点をマークしてください。

アニメーションは、発表に使えるようにすっきり仕上げてください。地図範囲とカラースケールは一定にし、ラベルは読みやすく、風矢印は多すぎないようにし、ループはやや速めにしてください。MCPからはCSVレスポンスを優先してください。格子が1回のレスポンスには大きすぎる場合は、クエリをタイル分割し、CSVを結合し、有効時刻と位置で行をソートしてからGIFを生成してください。

最終的なアニメーションGIFに加えて、静止プレビュー画像とコンタクトシートを保存し、それらの場所を示してください。

この記事の先頭にあるアニメーションでは、エージェントがMCPカタログで必要なHRRRフィールドを見つけ、次のデータを取得しました。

生成に使ったCSV出力はこちらです。

• HRRR sub-hourlyのReflectivityと10 m windのCSV
• HRRR Surface CAPEのCSV

アニメーションフレームの確認にはコンタクトシートも便利です。

MCPで変わったこと

GribStream MCPはすでに、ライブカタログメタデータから正しいAPIリクエストを作る支援をAIツールに提供していました。新しい機能は、認証付きクエリツールがリクエストテンプレートだけでなく、実際の予報値を返せるようになったことです。

これは、気象データがセレクタに強く依存しているため重要です。モデルのフィールドは短い名前だけではありません。レベル、メタデータ、時間の意味、単位、データセットのカバレッジ、ときにはモデル固有の特性もあります。MCPは、データ取得の前にエージェントがそうした詳細を発見する方法を提供します。

Bismarckのアニメーションでは、エージェントが次を発見して使いました。

その後の描画処理は通常のデータ分析です。pandasでCSVを読み、有効時刻と格子位置でソートし、各フレームを行列に変換し、U/V成分から風ベクトルを計算し、一定のスケールで地図を生成します。

なぜ役立つのか

これはGribStream APIの置き換えではありません。大規模なエクスポート、定期ジョブ、バックエンドサービス、本番の気象アプリケーションには、引き続きAPIが適切なインターフェイスです。

MCPは対話型のレイヤーです。たとえば次のような質問をしたいときに役立ちます。

• 「視覚的に面白いHRRRイベントを見つけて地図にして」
• 「この予報上の特徴の背後にある正確なCSVを取得して」
• 「この嵐の周辺でCAPE、Reflectivity、地表付近の風を比較して」
• 「本番に組み込む前に、この格子に必要なフィールドがあるか見せて」
• 「実際のダッシュボードに発展させられる最初のプロットを作って」

これは、気象ダッシュボード、再生可能エネルギー予報、物流リスクツール、農業向け意思決定支援、航空プロダクト、保険分析を作るチームに価値があります。エージェントは、人間が最初のcurlコマンドや描画スクリプトを手で書かなくても、自然言語からカタログに基づく気象データへ進み、さらに検査可能な図まで作れます。

試してみる

AIクライアントにGribStream MCPをインストールまたは接続し、GribStream APIトークンで認証して、まずは範囲を絞ったデータリクエストから始めます。例:

GribStream MCPを使って、視覚的に面白いHRRR気象データの例を見つけてください。
カタログツールで変数を選び、範囲を絞ったCSV結果を取得し、
返された行をソートして、そのデータからプロットを生成してください。
最初の取得は、すばやく反復できる程度に小さくしてください。

次に、本番品質に近い版を依頼します。

地図を発表に使える仕上がりにしてください。
暗い背景、読みやすいラベル、固定カラースケール、
明確な凡例、確認しやすい大きさの風ベクトルを使ってください。
格子が1回のレスポンスには大きすぎる場合は、クエリをタイル分割してCSVを結合してください。

重要な変化はシンプルです。GribStream MCPは、ライブの気象データ分析ループに参加できるようになりました。実際の予報データを発見し、取得し、返し、可視化を支援できます。

注記

上のグラフィックはHRRRモデル出力であり、観測レーダーではありません。Composite ReflectivityはモデルフィールドREFCです。風矢印は、地上10 mのUGRDとVGRDから導出しています。CAPEフィールドは毎時HRRRデータから取得し、15分間隔のsub-hourlyフレームに補間しています。