當大模型進入下半場，Agent（智能體）的爭奪戰(zhàn)已經(jīng)悄然轉(zhuǎn)移到了MCP（模型上下文協(xié)議）工具生態(tài)上。

如果說大模型是AI的"大腦"，那么MCP工具就是連接真實世界的"手腳"。最近，天氣服務成了各大MCP平臺上的熱門品類。看似簡單的查天氣，在AI時代卻成了考驗服務商數(shù)據(jù)能力和工程能力的試金石。

今天，硅基君就帶你拆解一下目前阿里云百煉云市場上主流的三款天氣MCP服務：天氣通、萬維易源和墨跡天氣，看看在AI時代，誰才是真正的"天氣服務王者"。

三家服務商的差異化路徑

在AI應用場景中，用戶對天氣的需求早已超越了簡單的“今天多少度”。一個真正能嵌入智能體工作流的天氣 MCP 服務，本質(zhì)上需要解決三個問題：功能是否完整、數(shù)據(jù)是否足夠精細、能否支撐復雜決策。

從這次測評結(jié)果來看，三家天氣 MCP 都能完成基礎(chǔ)天氣查詢，但能力邊界存在明顯差異。

在查詢方式上，萬維易源支持城市名、IP、郵編、景點等多種檢索方式，覆蓋最廣；天氣通旗艦版則進一步支持 POI 精確檢索，更適合智能助手和本地生活場景；墨跡天氣主要依賴城市 ID 和經(jīng)緯度，定位方式相對基礎(chǔ)。

在預報能力上，差距開始拉開。三家都支持實時天氣和24小時預報，但天氣通旗艦版是唯一支持16-40天中長期預報和41-100天超長期預報的平臺，同時還支持分鐘級降水預報和更完整的空氣質(zhì)量預測，更適合旅行規(guī)劃、戶外活動和智能決策場景。

在擴展服務方面，天氣通旗艦版和墨跡都提供了災害預警、生活指數(shù)、車輛限行等能力，服務維度最豐富；萬維易源則保留了歷史氣象數(shù)據(jù)這一特色能力，更適合數(shù)據(jù)分析和行業(yè)應用。

整體來看，相比萬維易源和墨跡天氣，天氣通旗艦版在預報深度、精細化定位和擴展能力方面更完整，更接近一個面向 AI Agent 的綜合天氣服務平臺。

天氣通旗艦版不僅提供40余個工具，覆蓋實時天氣、天氣預報、預警服務、空氣質(zhì)量和生活服務五大模塊，預報能力從實時、分鐘級、小時級到100天全周期覆蓋。而且，它還對工具進行了精細化劃分，可以實現(xiàn)更精細的工具調(diào)用，從而節(jié)省模型的token消耗。

為了驗證一下這些工具好不好用，我們做了三個測試。

第一個測試，聚焦預報精準度。

傳統(tǒng)天氣查詢通常以城市為單位——比如"北京市今天多少度"。但在真實場景中，這個粒度往往太粗：北京南部和北部同一天可能相差5度，山區(qū)與平原的體感也截然不同。

因此，我們關(guān)注的不是常規(guī)的城市級天氣，而是更深一層的"poi位置天氣"。

為了檢驗模型在精細場景下的表現(xiàn)，我們向三個MCP同時拋出了同一個具體問題：

“北京朝陽公園今天的天氣怎么樣？”

結(jié)果出現(xiàn)了明顯差異。天氣通支持經(jīng)緯度格點及poi級天氣查詢，能夠直接識別“朝陽公園”這一具體地點，并返回對應天氣。

萬維易源則將其識別為遼寧朝陽市。

墨跡天氣則需要開發(fā)者提前提供對應 cityId 才能完成查詢。

這個案例背后，其實反映出 MCP 時代與傳統(tǒng)工具時代最大的區(qū)別。過去開發(fā)者會提前知道目標城市，再把 cityId 填進去。

但 Agent 時代并非如此。用戶不會說“幫我查詢 cityId=101010300 的天氣”，只會說：

“下午去朝陽公園跑步會不會下雨？”

對于智能體而言，天氣查詢本身已經(jīng)不難，真正困難的是如何在用戶自然的語言習慣里，準確理解用戶的意圖。

格點天氣的典型應用場景是，外賣配送路徑規(guī)劃、無人機作業(yè)窗口判斷、精準農(nóng)業(yè)的田間氣象監(jiān)測……這些場景的共同特點是——用戶不在乎"城市天氣"，只在乎"這個坐標點、這個時間段"的真實氣象狀態(tài)。

對于需要嵌入這類場景的 AI Agent 開發(fā)者而言，能否直接識別用戶所需精細位置并給出相應數(shù)據(jù)，是一道硬門檻，也是天氣通與另外兩家服務在底層數(shù)據(jù)能力上最根本的差距之一。

第二個測試，是預報周期的上限。

測試場景是這樣設計的——這并非刻意刁難，而是來自一個真實的業(yè)務需求：

"我需要為一家戶外音樂節(jié)主辦方，評估今年9月下旬在成都舉辦活動的氣象風險，現(xiàn)在是6月初。"

這類需求在活動策劃、新能源預測、農(nóng)業(yè)生產(chǎn)、保險精算、長線旅行規(guī)劃等行業(yè)中實際存在。而對 AI Agent 來說，這個問題能不能回答，完全取決于天氣數(shù)據(jù)的預報周期能走多遠。

結(jié)果是，萬維易源最長支持40天天氣預報；墨跡天氣給出了未來15天的預報，9月下旬的數(shù)據(jù)同樣是空白。

天氣通則能夠調(diào)用最長100天的超長周期預報接口，直接覆蓋到9月底的氣象趨勢數(shù)據(jù)。

天氣通（100天預報截圖）

當然，需要客觀說明的是：100天氣象預報本身存在天然誤差，距離越遠的數(shù)據(jù)置信度越低，這是氣象科學本身的限制，并非天氣通的短板。其價值在于——它提供了一個可以參考的概率區(qū)間和趨勢判斷，而非精確到日的預測結(jié)論。

對于需要做中長期決策的 Agent 應用來說，這個"有"和"沒有"之間的差距，遠比數(shù)據(jù)精度本身更關(guān)鍵。

第三個測試，是針對模型的token消耗成本。

測試方法很簡單：在阿里百煉一平臺創(chuàng)建三個智能體，分別接入天氣通、墨跡、萬維易源的城市實況相關(guān)的工具（墨跡需要把城市ID表加入到知識庫），選擇同樣的模型“Qwen-Plus-Latest”，用完全一樣的問題"北京現(xiàn)在天氣情況"跑一遍，記錄Input和Output數(shù)值。

token消耗數(shù)據(jù)如下：

天氣通：Input 3069 / Output 1048，總計4117

墨跡：Input 15960/ Output 2798，總計18758

萬維易源：Input 11117 / Output 1563，總計12680

總的來說，天氣通總消耗 4117 tokens，墨跡18758，萬維易源12680。

Token消耗差距有點出乎意料。天氣通僅相當于墨跡的1/5，是萬維易源的1/3，差距主要集中在Input端。同樣查天氣，結(jié)果一樣，Token差了不少。高頻調(diào)用場景下這個差距很要命，顯然天氣通對成本敏感的用戶更加友好。

天氣通消耗token情況截圖

墨跡天氣消耗token情況截圖

萬維易源token消耗截圖

總體來說，如果只是做一個簡單天氣機器人，三家服務其實都已經(jīng)足夠。但如果目標是構(gòu)建能夠幫助用戶前沿創(chuàng)新、功能全面和成本更低的AI Agent，那么天氣通所具備的能力，則更能夠準確地滿足更多現(xiàn)實需求。

目前，開發(fā)者現(xiàn)可前往阿里云市場或百煉平臺的MCP廣場、扣子（Coze）的插件商店搜索“天氣通”即刻體驗。

天氣服務商殺瘋了，1分錢調(diào)用100萬次

聊完功能，我們再來看一個更有意思的現(xiàn)象：定價。

在 MCP 工具剛剛興起時，很多服務商都打出了“免費”的旗號。坦率地說，這并不難理解。因為這個賽道目前還遠沒有到收割階段，各家的核心目標依然是搶占開發(fā)者心智，而非靠天氣接口本身賺錢。

這一點，也體現(xiàn)在這次測評的三家服務商身上。

從目前幾家天氣 MCP 的定價來看，它們基本都提供了免費或者低價試用選項，同時延續(xù)了傳統(tǒng)工具服務商按調(diào)用量階梯收費的方式。也就是說，底層商業(yè)模式并沒有完全變化，仍然是“調(diào)用次數(shù)越多，單次成本越低”。

但真正有意思的地方在于，三家在免費額度和低價策略上的差異。

比如在阿里云百煉平臺上，萬維易源提供了100 次免費試用，墨跡天氣則把試用價格定到了2 元。相比之下，天氣通的做法更為激進。

墨跡天氣定價

在阿里云百煉平臺上，天氣通既有100次的免費試用額度，也有1分錢調(diào)用100 萬次的選項。但后者的價格對正常開發(fā)者來說，幾乎等于免費。它真正的作用，并不是為了賺錢，而是設置一個最低消費門檻，防止黑灰產(chǎn)批量薅羊毛。

天氣通定價

這種激進，同樣體現(xiàn)在后續(xù)的階梯定價上。

比如，墨跡天氣 1 萬次調(diào)用收費為10.79 元，而天氣通 1 萬次調(diào)用僅為4.7 元，兩者相差一倍不止。

如果把調(diào)用量繼續(xù)放大，天氣通的價格優(yōu)勢會更加明顯。

還是以天氣通和墨跡天氣作為對比，當調(diào)用量提升到 1000 萬次時，天氣通收費為 2999 元，折算下來約為2.99元/萬次。

而墨跡天氣 1000 萬次套餐價格為 10788 元。即便算上 99 萬次贈送次數(shù)，實際可調(diào)用次數(shù)接近 1099 萬次，折算下來每 1 萬次調(diào)用價格仍然約為9.82元。

也就是說，在千萬次調(diào)用規(guī)模下，天氣通相比墨跡天氣便宜了接近70%。

天氣通激進的定價策略，其實是一個很典型的早期生態(tài)打法。

目的在于，先把接入門檻壓到最低。只要開發(fā)者愿意接入，只要智能體開始調(diào)用，只要應用工作流開始依賴它，這個服務就已經(jīng)進入了未來的分發(fā)鏈條。

這就意味著，天氣服務商爭奪的不只是工具客戶，而是模型時代的工具入口。誰能在這輪"近乎免費"的圈地戰(zhàn)中積累起足夠大的開發(fā)者基數(shù)，誰就有可能在下一階段掌握定價權(quán)。

這和當年云計算廠商的價格戰(zhàn)邏輯，其實如出一轍。

早期云廠商也不是靠單臺云服務器賺大錢，而是通過低價、補貼、免費額度，把開發(fā)者和企業(yè)客戶先吸引進來。等到業(yè)務真正跑在云上，遷移成本、生態(tài)依賴和服務深度形成之后，商業(yè)化空間才會逐漸打開。

天氣MCP測評，能力正在拉開差距

基于客觀功能對比，我們建立了一個包含功能完整性、查詢方式多樣性、預報能力、專業(yè)服務和適用性五個維度的專業(yè)評分體系。

最終的評分結(jié)果如下：

從數(shù)據(jù)看，天氣通在預報能力、專業(yè)服務等領(lǐng)域有著明顯的優(yōu)勢，最終總分大幅領(lǐng)先于其他兩家。

不過需要指出的是，評分體系本身帶有一定的價值取向，評分更多反映的是"專業(yè)氣象能力"維度的差異，而非絕對的優(yōu)劣。

從這場測評中，我們可以看到一個清晰的趨勢：在AI智能體時代，MCP工具的比拼已經(jīng)不再是簡單的接口封裝，而是背后深厚的數(shù)據(jù)積累和場景理解能力。

天氣只是一個縮影。當越來越多的垂直領(lǐng)域能力被封裝成MCP工具，專業(yè)性被提高到了一個新的高度。原因很簡單，當你的AI智能體需要為用戶做出真實決策時，數(shù)據(jù)的深度和精度，就是產(chǎn)品體驗的天花板。

而這，也許只是AI基礎(chǔ)設施重構(gòu)的冰山一角。

文/阿奇

PS：如果你也在尋找投資AI資產(chǎn)的機會，歡迎掃碼加入我們的交流群。