民间气象公司株式会社 Halex（总公司：东京都，代表取缔役社长：藤冈浩之，以下简称 Halex）将于 2026 年 4 月起，开始提供可与 AI 代理链接，并通过自然语言查找气象数据的「气象数据 MCP 服务器（测试版）」。 与本 MCP 服务器链接的 AI 代理，可根据用户以自然语言发出的指令，通过 MCP 服务器自动调用 Halex 提供的各种气象数据 API。这使得用户无需了解 API 规格或请求生成，即可即时获取和利用业务所需的气象数据。此外，对于开发人员而言，可以将气象数据获取功能集成到服务中，同时将 API 链接的实施负担降至最低，预计可提高开发效率。 --- ■ **概要** 随着生成式 AI 和 AI 代理在企业中的应用不断发展，对于 AI 能够安全可靠地访问外部服务和各种数据，并将其集成到业务流程中的机制需求日益增长。MCP (Model Context Protocol) 是一种标准，用于标准化此类数据访问，使 AI 能够高效且统一地获取所需信息。作为一种基础技术，它正在国内外加速采用，以减轻开发和集成的负担。 Halex 自 2012 年起通过 API 提供气象预测数据，并通过扩展到历史气象数据和 GIS 气象数据，多年来一直支持企业利用气象数据。我们与 NTT DATA 集团各公司合作，推动 AI 技术的研究和利用。此次，为了使 AI 代理更容易查找气象数据，并进一步推动企业数据利用的高端化，我们将「气象数据 MCP 服务器」测试版作为各种 API 服务的选项提供。此测试版旨在供企业在导入和评估 AI 代理的阶段，用于功能验证和需求精炼，以符合实际业务需求。 ■ **预期效果** 1. 提高气象数据的便利性 无需传统的 API 请求实施和格式转换，仅通过自然语言即可查找气象数据。这将开发负担降至最低，并实现快速利用。 2. 促进数字转型 (DX) 与气象数据的融合 企业数据（需求、库存、流程等）和气象数据可以通过 MCP 安全链接，实现 LLM 根据上下文提供高级决策支持和自动化。 3. 利用历史气象数据进行高端趋势分析 Halex 的 MCP 服务器不仅连接气象预测数据，还连接历史气象数据 API (HalexMemory!)。AI 代理可以通过将过去的气象条件与客户的各种业务绩效（需求、销售、工作流程等）进行交叉比对来分析趋势。这将精确化对季节性和气象影响模式的理解，支持基于数据的可重复决策，例如提高需求预测准确性、早期风险检测和优化规划操作。 ■ **LLM × 气象数据 MCP 服务器的使用案例** 在长途配送计划制定中，当指示 LLM 分析气象风险时，LLM 会通过气象数据 MCP 服务器依序获取从出发地到目的地多个地点的气象信息。然后，它会以仪表板形式可视化分区和分时段的气象风险因素。此外，它还会提出对驾驶员工作时间的影响以及根据预期风险建议的行动，以支持现场决策。