测完三个天气MCP，我找到了把气象专家装进AI Agent的最佳路径

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"。

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主办方，评估今年9月下旬在成都举办活动的气象风险，现在是6月初。"

这类需求在活动策划、新能源预测、农业生产、保险精算、长线旅行规划等行业中实际存在。而对 AI Agent 来说，这个问题能不能回答，完全取决于天气数据的预报周期能走多远。

结果是，万维易源最长支持40天天气预报；墨迹天气给出了未来15天的预报，9月下旬的数据同样是空白。

天气通则能够调用最长100天的超长周期预报接口，直接覆盖到9月底的气象趋势数据。

天气通（100天预报截图）

当然，需要客观说明的是：100天气象预报本身存在天然误差，距离越远的数据置信度越低，这是气象科学本身的限制，并非天气通的短板。其价值在于——它提供了一个可以参考的概率区间和趋势判断，而非精确到日的预测结论。

对于需要做中长期决策的 Agent 应用来说，这个"有"和"没有"之间的差距，远比数据精度本身更关键。

第三个测试，是针对模型的token消耗成本。

测试方法很简单：在阿里百炼一平台创建三个智能体，分别接入天气通、墨迹、万维易源的城市实况相关的工具（墨迹需要把城市ID表加入到知识库），选择同样的模型“Qwen-Plus-Latest”，用完全一样的问题"北京现在天气情况"跑一遍，记录Input和Output数值。

token消耗数据如下：

天气通：Input 3069 / Output 1048，总计4117

墨迹：Input 15960/ Output 2798，总计18758

万维易源：Input 11117 / Output 1563，总计12680

总的来说，天气通总消耗 4117 tokens，墨迹18758，万维易源12680。

Token消耗差距有点出乎意料。天气通仅相当于墨迹的1/5，是万维易源的1/3，差距主要集中在Input端。同样查天气，结果一样，Token差了不少。高频调用场景下这个差距很要命，显然天气通对成本敏感的用户更加友好。

天气通消耗token情况截图

墨迹天气消耗token情况截图

万维易源token消耗截图

总体来说，如果只是做一个简单天气机器人，三家服务其实都已经足够。但如果目标是构建能够帮助用户前沿创新、功能全面和成本更低的AI Agent，那么天气通所具备的能力，则更能够准确地满足更多现实需求。

目前，开发者现可前往阿里云市场或百炼平台的MCP广场、扣子（Coze）的插件商店搜索“天气通”即刻体验。

天气服务商杀疯了，1分钱调用100万次

聊完功能，我们再来看一个更有意思的现象：定价。

在 MCP 工具刚刚兴起时，很多服务商都打出了“免费”的旗号。坦率地说，这并不难理解。因为这个赛道目前还远没有到收割阶段，各家的核心目标依然是抢占开发者心智，而非靠天气接口本身赚钱。

这一点，也体现在这次测评的三家服务商身上。

从目前几家天气 MCP 的定价来看，它们基本都提供了免费或者低价试用选项，同时延续了传统工具服务商按调用量阶梯收费的方式。也就是说，底层商业模式并没有完全变化，仍然是“调用次数越多，单次成本越低”。

但真正有意思的地方在于，三家在免费额度和低价策略上的差异。

比如在阿里云百炼平台上，万维易源提供了100 次免费试用，墨迹天气则把试用价格定到了2 元。相比之下，天气通的做法更为激进。

墨迹天气定价

在阿里云百炼平台上，天气通既有100次的免费试用额度，也有1分钱调用100 万次的选项。但后者的价格对正常开发者来说，几乎等于免费。它真正的作用，并不是为了赚钱，而是设置一个最低消费门槛，防止黑灰产批量薅羊毛。

天气通定价

这种激进，同样体现在后续的阶梯定价上。

比如，墨迹天气 1 万次调用收费为10.79 元，而天气通 1 万次调用仅为4.7 元，两者相差一倍不止。

如果把调用量继续放大，天气通的价格优势会更加明显。

还是以天气通和墨迹天气作为对比，当调用量提升到 1000 万次时，天气通收费为 2999 元，折算下来约为2.99元/万次。

而墨迹天气 1000 万次套餐价格为 10788 元。即便算上 99 万次赠送次数，实际可调用次数接近 1099 万次，折算下来每 1 万次调用价格仍然约为9.82元。

也就是说，在千万次调用规模下，天气通相比墨迹天气便宜了接近70%。

天气通激进的定价策略，其实是一个很典型的早期生态打法。

目的在于，先把接入门槛压到最低。只要开发者愿意接入，只要智能体开始调用，只要应用工作流开始依赖它，这个服务就已经进入了未来的分发链条。

这就意味着，天气服务商争夺的不只是工具客户，而是模型时代的工具入口。谁能在这轮"近乎免费"的圈地战中积累起足够大的开发者基数，谁就有可能在下一阶段掌握定价权。

这和当年云计算厂商的价格战逻辑，其实如出一辙。

早期云厂商也不是靠单台云服务器赚大钱，而是通过低价、补贴、免费额度，把开发者和企业客户先吸引进来。等到业务真正跑在云上，迁移成本、生态依赖和服务深度形成之后，商业化空间才会逐渐打开。

天气MCP测评，能力正在拉开差距

基于客观功能对比，我们建立了一个包含功能完整性、查询方式多样性、预报能力、专业服务和适用性五个维度的专业评分体系。

最终的评分结果如下：

从数据看，天气通在预报能力、专业服务等领域有着明显的优势，最终总分大幅领先于其他两家。

不过需要指出的是，评分体系本身带有一定的价值取向，评分更多反映的是"专业气象能力"维度的差异，而非绝对的优劣。

从这场测评中，我们可以看到一个清晰的趋势：在AI智能体时代，MCP工具的比拼已经不再是简单的接口封装，而是背后深厚的数据积累和场景理解能力。

天气只是一个缩影。当越来越多的垂直领域能力被封装成MCP工具，专业性被提高到了一个新的高度。原因很简单，当你的AI智能体需要为用户做出真实决策时，数据的深度和精度，就是产品体验的天花板。

而这，也许只是AI基础设施重构的冰山一角。

文/阿奇

PS：如果你也在寻找投资AI资产的机会，欢迎扫码加入我们的交流群。