AI创想

标题: Dify Agent 驱动轻量级 MCPserver：联动 Zapier 实现智能搜索高效数据流转 [打印本页]

---

作者: gaosuxiu    时间: 3 小时前
标题: Dify Agent 驱动轻量级 MCPserver：联动 Zapier 实现智能搜索高效数据流转
作者：CSDN博客
1.MCP Server

MCP Server（模型上下文协议服务器）是一种基于模型上下文协议（Model Context Protocol，简称MCP）构建的轻量级服务程序，旨在实现大型语言模型（LLM）与外部资源之间的高效、安全连接。MCP协议由Anthropic公司于2024年11月开源，其核心目标是解决AI应用中数据分散、接口不统一等问题，为开发者提供标准化的接口，使AI模型能够灵活访问本地资源和远程服务，从而提升AI助手的响应质量和工作效率。
MCP Server 的架构与工作原理

MCP Server 采用客户端-服务器（Client-Server）架构，其中客户端（MCP Client）负责与服务器建立连接，发起请求，而服务器端则处理请求并返回响应。这种架构确保了数据交互的高效性与安全性。例如，客户端可以向服务器发送请求，如“查询数据库中的某个记录”或“调用某个API”，而服务器则根据请求类型，调用相应的资源或工具，完成任务并返回结果。
MCP Server 支持动态发现和实时更新机制。例如，当新的资源或工具被添加到服务器时，客户端可以自动感知并使用这些新功能，从而提高系统的灵活性和扩展性
MCP Server 的主要功能

• 资源暴露与工具提供：
MCP Server 可以将本地文件、数据库、API等资源作为数据实体暴露给AI模型，同时提供工具功能，帮助AI完成复杂任务，如数据检索、内容生成、实时更新等。例如，它支持对MySQL、PostgreSQL等数据库的查询和操作，也支持对本地文件系统的读写和目录管理。
• 会话管理与动态通知：
MCP Server 能够管理客户端与服务器的连接，确保会话的时效性和稳定性，同时通过实时推送机制，将最新的资源信息及时传递给AI模型，以保证数据的准确性和实时性。
• 安全性与隐私保护：
MCP Server 采用加密认证和访问控制机制，确保数据传输的安全性，避免敏感信息泄露。例如，它支持本地运行，避免将敏感数据上传至第三方平台，从而保护用户隐私。
• 标准化与模块化：
MCP Server 提供了标准化的通信协议，支持两种传输协议（STDIO和SSE），并允许开发者通过插件扩展功能，使其具备灵活性和扩展性。例如，它支持通过HTTP标准POST请求与客户端进行交互，同时支持WebSocket实现实时数据推送。
• 多场景应用：

• 本地资源集成：如文件操作、数据库管理、API调用等。• 云服务交互：如与GitHub、Slack、Google Drive等云服务的集成。• AI助手扩展：如为ChatGPT等AI助手提供上下文支持和工具调用能力

目前mcp-server发展速度非常快,目前mcp-server已经发展超过7000个mcp-serve

• 链接：https://mcp.so/

2.Dify-Agent

Dify是一款开源的大语言模型（LLM）应用开发平台，旨在简化生成式AI应用的开发、集成和部署过程。它结合了后端即服务（Backend as a Service）和LLMOps的理念，为开发者提供了一个直观、模块化且功能丰富的开发环境，使非技术人员也能轻松参与AI应用的定义和数据运营过程。

目前dify 已经更新到1.1.3+ 版本

(, 下载次数: 0)

上传

点击文件名下载附件

在这里插入图片描述

• dify网址：https://dify.ai/zh

Agent 节点是 Dify Chatflow/Workflow 中用于实现自主工具调用的组件。它通过集成不同的 Agent 推理策略，使大语言模型能够在运行时动态选择并执行工具，从而实现多步推理。
2.1 配置步骤

添加节点

在 Dify Chatflow/Workflow 编辑器中，从组件栏拖拽 Agent 节点至画布。

(, 下载次数: 0)

上传

点击文件名下载附件

在这里插入图片描述
选择 Agent 策略

在节点配置面板中，点击 Agent 策略。

(, 下载次数: 0)

上传

点击文件名下载附件

在这里插入图片描述
从下拉菜单选择所需的 Agent 推理策略。Dify 内置了 Function Calling 和 ReAct 两种策略，可在 Marketplace → Agent 策略分类中安装使用。

(, 下载次数: 0)

上传

点击文件名下载附件

在这里插入图片描述

•

\1. Function Calling

通过将用户指令映射到预定义函数或工具，LLM 先识别用户意图，再决定调用哪个函数并提取所需参数。它的核心是调用外部函数或工具，属于一种明确的工具调用机制。
优点:

• 精确: 对于明确的任务，可以直接调用相应的工具，无需复杂的推理过程。• 易于集成外部功能: 可以将各种外部 API 或工具封装成函数供模型调用。• 结构化输出: 模型输出的是结构化的函数调用信息，方便下游节点处理。

(, 下载次数: 0)

上传

点击文件名下载附件

在这里插入图片描述

•

\2. ReAct (Reason + Act)

ReAct 策略使 Agent 交替进行思考和行动：LLM 首先思考当前状态和目标，然后选择并调用合适的工具，工具的输出结果又将引导 LLM 进行下一步的思考和行动，如此循环，直到问题解决。
优点:

• 有效利用外部信息: 能够有效地利用外部工具获取信息，解决仅靠模型自身无法完成的任务。• 可解释性较好: 思考和行动的过程是交织的，可以一定程度上追踪 Agent 的推理路径。• 适用范围广: 适用于需要外部知识或需要执行特定操作的场景，例如问答、信息检索、任务执行等。

(, 下载次数: 0)

上传

点击文件名下载附件

在这里插入图片描述
配置节点参数

选择 Agent 策略后，配置面板会显示对应的配置项。Dify 官方内置的 Function Calling 和 ReAct 策略的配置项包括：

\1. 模型： 选择驱动 Agent 的大语言模型。
\2. 工具： 工具的使用方式由 Agent 策略定义，点击 “+” 添加并配置 Agent 可调用的工具。

• 搜索： 在下拉框中选择已安装的工具插件。• 授权： 填写 API 密钥等授权信息后启用工具。• 工具描述和参数设置： 提供工具描述，帮助 LLM 理解工具用途并选择调用，同时设置工具的功能参数。

\3. 指令： 定义 Agent 的任务目标和上下文。支持使用 Jinja 语法引用上游节点变量。
\4. 查询： 接收用户输入。
\5. 最大迭代次数： 设定 Agent 的最大执行步数。
\6. 输出变量： 提示节点输出的数据结构。

(, 下载次数: 0)

上传

点击文件名下载附件

在这里插入图片描述
2.2 查看日志

Agent 节点执行过程中将生成详细日志。显示节点执行的总体信息，包括输入和输出、token 开销、耗时和状态。点击 “详情” 查看 Agent 策略执行的每一轮输出信息。
3.插件类型

(, 下载次数: 0)

上传

点击文件名下载附件

在这里插入图片描述

• Models（模型）

各类 AI 模型的接入插件，支持模型服务商和自定义模型两种类型，能够极大降低配置和调用 LLM API 的门槛。

• Tools（工具）

工具指的是能够被 Chatflow / Workflow / Agent 类型应用所调用的第三方服务。提供完整的 API 实现能力，用于增强 Dify 应用的能力。

• Agent 策略

Agent 策略插件能够定义 Agent 节点内部的推理和决策逻辑，包括 LLM 对于工具选择、调用以及对返回结果的处理逻辑。

• Extensions（扩展）

仅提供 Endpoint 能力，为简单场景设计的轻量级方案。仅通过调用 HTTP 服务即可调用扩展功能，适用于只需要基础 API 调用的简单集成场景。关于扩展插件的开发详情，请参考快速开始：Extension 插件。

• Bundle（插件包）

插件包是一系列插件的组合。通过安装插件集可以批量安装预选插件，告别手动逐个安装插件的繁琐过程。
点击：安装与使用插件参考手册
4. MCP SSE+Zapier

安装一个插件叫做MCP SSE . 可以在 插件市场搜索 MCP 检索到这个插件

(, 下载次数: 0)

上传

点击文件名下载附件

在这里插入图片描述

如果直接安装安装不上可以：先下载到本地在安装(点击详情)

(, 下载次数: 0)

上传

点击文件名下载附件

在这里插入图片描述
Zapier MCP 配置

Zapier 是一种基于云的自动化工具，旨在通过连接不同的应用程序和服务来简化工作流程，提高生产力。用户无需编程知识即可创建自动化任务，这些任务被称为“Zaps”。每个 Zap 包含两个核心部分：触发器（Trigger）和动作（Action）。触发器是启动自动化流程的事件，例如在某个应用中接收到新消息；动作则是在触发器发生后执行的操作，例如将数据同步到另一个应用。
Zapier 支持超过 7000 个应用程序的集成，包括电子邮件、社交媒体、文件管理、营销和数据分析等领域的应用。用户可以通过直观的界面轻松设置自动化工作流，例如将 Google 表单中的数据自动保存到 Dropbox 或通过 Slack 发送提醒此外，Zapier 还提供高级功能，如条件逻辑、数据格式化和多步骤路径，使用户能够构建复杂的工作流。
首先我们需要登录https://zapier.com/app/login ，如果没有账号的小伙伴可以去注册一个。
登录后我们在zapier 管理平台 创建一个MCP Server URL：https://actions.zapier.com/settings/mcp/

• 开通 增加MCP actions

更多tools授权就不展示了

mcp see 配置

我们回到 dify工作流，选择mcp see工具，进行授权，填写获取到的key

1. {  "server_name": {    "url": "https://actions.zapier.com/mcp/sk-ak-xxxxx/sse",    "headers": {}, "timeout": 60,    "sse_read_timeout": 300  }}

复制代码

• 配置好后去创建一个Agent看看效果：
• 或者chatflow
• 提示词

1. # 1. 角色
2. 你是智能搜索任务 Agent，专注于高效、准确完成用户的信息检索需求，以简洁明了的方式提供可靠答案。
3. # 2. 能力
4. 需求解析：精准理解用户查询的核心目标（如数据查询、资料收集、事实验证等）。
5. 多源搜索：支持调用搜索引擎(MCP服务、DuckDuckGo搜索)等工具获取信息。
6. 信息处理：筛选有效内容，整合矛盾信息，剔除过时或错误数据。
7. 结构化输出：按用户要求的格式（如列表、表格、摘要）呈现结果，附信息来源。
8. # 3. 工作流程
9. 接收任务：明确用户查询的具体内容（如 “查找 2024 年全球新能源汽车销量数据”）。
10. 需求拆解：提取关键词（如 “2024”“新能源汽车”“销量”“全球”），确定搜索范围和优先级。
11. 工具调用：使用指定工具（如搜索引擎、行业报告平台）执行搜索，记录原始链接。
12. 结果处理：验证信息一致性，合并重复内容，标注关键数据（如时间、来源、数据值）。
13. 反馈答案：按 “结论 + 关键信息 + 来源” 的结构输出，确保简洁易懂。
14. # 4. 工具调用要求（核心指令）
15. 优先使用：用户指定的工具（若无指定，默认调用主流搜索引擎 ）。
16. 实时性：涉及数据类查询（如销量、政策）需优先检索近 1 年内的最新信息。
17. 准确性：引用官方机构（如政府网站、国际组织、知名企业财报）或可信媒体来源，避免非认证平台内容。
18. 去重与验证：对多来源信息交叉验证，矛盾内容需标注差异并说明可信度较高的一方。
19. 禁用行为：不生成无依据的推测，不添加与搜索目标无关的扩展内容。
21. # 结构化输出
23. 【核心结论】  
24. 1. 结论1（信源：XXX，发布时间：XXX）  
25. 2. 结论2（信源：XXX，发布时间：XXX）  
26. 【详细分析】  
27. ▶ 维度1：...（数据/事实支撑）  
28. ▶ 维度2：...（对比/趋势分析）  
29. 【补充说明】  
30. - 争议点：...（若有）  
31. - 建议下一步搜索方向：...（若信息不完整）  
33. 特殊需求处理：如需表格 / 图表，使用 Markdown 格式简化呈现（如价格对比表、时间轴）；如需翻译，优先保留原文链接并附关键信息翻译。

复制代码

• 结果

1. 【核心结论】
3. DeepSeek-V3 正式发布（信源：DeepSeek API 文档，发布时间：2024年12月26日）
5. 采用自研 MoE 架构，6710亿参数，激活370亿参数，预训练数据量14.8T token。
6. 多项评测超越开源模型（如 Qwen2.5-72B、Llama-3.1-405B），性能接近闭源顶级模型 GPT-4o 和 Claude-3.5-Sonnet。
7. DeepSeek-R1 推理模型上线（信源：DeepSeek 官网，发布时间：2025年1月20日）
9. 对标 OpenAI 的 Model o1，专注逻辑推理和问题求解，支持强化学习优化。
10. 【详细分析】
11. ▶ 技术亮点
13. 架构创新：V3 采用混合专家模型（MoE）和多头潜在注意力（MLA），显著提升推理效率。
14. 成本优势：训练成本仅557万美元，API 定价为每百万输入 token 0.5元（缓存命中）/2元（未命中）。
15. ▶ 性能对比
17. 在知识类任务（MMLU、GPQA）接近 Claude-3.5-Sonnet，代码能力（Codeforces）领先非 o1 类模型。
18. 中文能力与 Qwen2.5-72B 相当，事实检索（C-SimpleQA）更优。
19. 【补充说明】
21. 争议点：V3 暂不支持多模态输入输出。
22. 建议下一步搜索方向：DeepSeek-V3 与 GPT-4o 的详细基准测试对比。

复制代码

如何零基础入门 / 学习AI大模型？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。
不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！
想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。
但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高
那么我作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，希望可以帮助到更多学习大模型的人！至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

(, 下载次数: 0)

上传

点击文件名下载附件

---

欢迎光临 AI创想 (http://llms-ai.com/)

Powered by Discuz! X3.4