AI创想

标题: Dify开发与集成MCP服务完全指南 [打印本页]

---

作者: 夏至的血染葵花    时间: 4 小时前
标题: Dify开发与集成MCP服务完全指南
作者：CSDN博客
Dify开发与集成MCP服务完全指南

一、前言

在大语言模型（LLM）技术快速演进的今天，模型与外部工具的交互能力已成为构建实用AI应用的核心需求。Model Context Protocol（MCP） 作为连接LLM与外部数据源的标准化协议，正在逐步成为智能体开发的事实标准。而Dify作为开源的LLM应用开发平台，通过低代码/无代码的可视化编排能力，大幅降低了AI应用的构建门槛。本文将深入探讨如何在Dify中开发与集成MCP服务，从协议原理到实战部署，为开发者提供一套完整的技术方案。
二、Dify 介绍

2.1 Dify是什么

Dify是一款融合Backend-as-a-Service（BaaS） 与LLMOps理念的开源LLM应用开发平台，其核心定位是让开发者与非技术人员能够快速构建生产级的生成式AI应用。Dify一词源自"Define + Modify"，寓意通过灵活定义与持续优化，实现AI应用的快速迭代。
官网：https://dify.ai
核心特性：

多模型支持：兼容GPT、Claude、Llama3等数百种专有/开源模型，支持自定义API接入低代码开发：拖拽式工作流编排，无需编码即可构建复杂AI逻辑企业级RAG引擎：支持PDF/PPT等20+文档格式的智能解析与向量存储，准确率达92%Agent框架：内置50+工具（如谷歌搜索、DALL·E），支持自定义工具扩展全生命周期管理：从开发、测试、部署到监控的一站式控制台

截至2025年，Dify已服务超过18万开发者，支撑5.9万+终端用户的AI应用需求，广泛应用于智能客服、企业知识库、自动化工作流等场景。
2.2 MCP 介绍

2.2.1 什么是MCP

Model Context Protocol（MCP） 是由Anthropic提出的开放协议，旨在标准化LLM与外部工具、数据源的交互方式。其核心目标是解决三大痛点：

数据孤岛：打破LLM无法直接访问实时数据或本地资源的限制开发低效：统一工具调用接口，避免为不同模型重复开发Function Calling生态碎片化：建立类似"USB接口"的通用标准，实现工具即插即用

MCP协议定义了三大核心能力：

Resources：静态资源（如配置文件、知识库片段）Prompts：提示词模板（供LLM理解工具用途）Tools：可执行工具（如文件操作、API调用）

2.2.2 MCP核心特性

特性	技术细节	优势
标准化接口	基于JSON-RPC 2.0规范，支持HTTP+SSE与Streamable HTTP传输	跨平台兼容性，支持Claude/Cursor等客户端
工具自动发现	客户端可通过list_tools方法动态获取服务端能力	无需硬编码工具定义，降低集成成本
安全会话管理	服务端生成会话ID，支持无状态模式与SSE加密连接	适合云原生部署，保障数据传输安全
流式响应	基于Server-Sent Events（SSE）实现实时数据推送	提升用户体验，支持大型结果分片返回
多语言支持	提供Python/TypeScript SDK，社区维护Java/Go实现	适配主流技术栈，降低开发门槛

2.3 Dify中开发与使用MCP介绍

2.3.1 MCP Server开发与使用

在Dify中开发MCP Server需完成以下步骤：

环境准备

Dify版本≥1.3.0（推荐1.4.0+）安装Docker与Docker Compose（用于部署Dify）Python 3.10+（用于本地MCP Server开发）



• 核心开发流程
  1. # 基于FastMCP框架的MCP Server示例（来源：腾讯云开发者社区）from mcp.server.fastmcp import FastMCP
  2. import os
  4. mcp = FastMCP()@mcp.tool()deflist_desktop_files()->list:"""获取当前用户桌面上的所有文件列表"""
  5.     desktop_path = os.path.expanduser("~/Desktop")return os.listdir(desktop_path)if __name__ =="__main__":
  6.     mcp.run(transport='streamable_http', host='0.0.0.0', port=9000)

  复制代码
  Dify集成配置
  在Dify控制台的插件管理中安装mcp-server插件，配置应用ID与端点URL：
  1. {"public-ip-mcp-server":{"transport":"streamable_http","url":"http://your-dify-instance/difyapp_as_mcp_server","timeout":60}}

  复制代码

2.4 Dify开发MCP Server优势

低代码快速集成：无需编写完整的MCP协议处理逻辑，通过插件即可将现有工作流转为MCP服务多客户端兼容：支持Claude Desktop、Cursor、Cherry Studio等主流MCP客户端安全可控：基于Dify的权限管理体系，可限制工具调用范围（如仅允许读取特定目录）无缝衔接RAG：可直接调用Dify知识库中的企业数据，增强工具响应的专业性生产级部署：支持Docker/K8s部署，内置负载均衡与会话管理，满足高并发需求

三、Dify开发与集成MCP操作过程

3.1 Dify MCP 插件说明

mcp-server插件是Dify社区开发的核心扩展，其功能包括：

将Dify工作流暴露为MCP工具，支持JSON-RPC接口调用自动处理协议握手、工具发现、执行结果返回全流程兼容MCP最新Streamable HTTP规范（基于PR #206）支持无状态服务器模式，适合云原生环境部署

插件地址：GitHub - dify-plugin-mcp_server

3.2 安装mcp-server插件

步骤1：部署Dify环境

1. # 克隆Dify仓库git clone https://github.com/langgenius/dify.git
2. cd dify/docker
4. # 配置环境变量（关键设置）cp .env.example .env
5. vim .env  # 设置FORCE_VERIFYING_SIGNATURE=false以允许第三方插件# 启动服务
6. docker-compose up -d

复制代码

步骤2：安装插件

访问Dify控制台（http://your-server-ip），进入插件市场搜索mcp-server，选择版本≥0.0.6，点击安装进入插件设置页，输入应用ID（需提前创建Dify应用）

3.3 创建新应用

3.3.1 工作流开始节点增加输入变量

进入DifyStudio，创建工作流应用

• 拖拽开始节点，添加输入参数：
  
  名称：user_query类型：字符串描述：用户查询内容（供LLM理解用途）
  
  
  

3.3.2 增加和配置大模型节点

添加LLM节点，选择模型（如GPT-4o-mini）

• 配置提示词模板：
  1. 你是MCP工具调用助手，需根据用户问题决定是否调用工具：
  2. - 若查询文件列表，调用list_desktop_files工具
  3. - 其他问题直接回答
  4. 用户问题：{{user_query}}

  复制代码
  启用工具调用功能，选择已配置的MCP服务
  

3.3.3 效果测试

在预览窗口输入测试指令：

测试1："列出我的桌面文件" → 应触发list_desktop_files工具调用测试2："今天天气如何" → 直接返回回答

3.4 mcp-server发布与使用

创建端点
在Dify应用设置中，进入API接入→MCP服务，生成端点URL：
1. https://your-dify-instance/difyapp_as_mcp_server
复制代码
客户端配置（以Cursor为例）

打开Cursor→设置→AI→MCP添加服务器：
1. {"dify_mcp":{"url":"https://your-dify-instance/difyapp_as_mcp_server","transport":"streamable_http"}}
复制代码
重启Cursor，通过指令"使用Dify工具列出桌面文件"测试调用

3.5 配置MCP 发现工具

在Dify插件设置中，配置MCP服务发现参数：

1. {"mysql8-mcp-server":{"transport":"streamable_http","url":"http://mysql8-mcp-server-svc.mcp:9000/mcp/","headers":{},"timeout":60},"searxng-mcp-server":{"transport":"streamable_http","url":"http://searxng-mcp-server-svc.mcp:9000/mcp/","timeout":60}}

复制代码

配置项说明：transport支持streamable_http（推荐）或sse，timeout建议设置为30-60秒

3.6 创建智能体应用

3.6.1 创建智能体

进入DifyStudio→创建应用→选择智能体（Agent），命名为"多功能工具助手"
3.6.2 配置提示词

1. 你是企业级智能助手，可调用以下MCP工具：
2. - mysql8-mcp-server：查询数据库（学生/教师/成绩数据）
3. - searxng-mcp-server：联网搜索
4. 回答规则：
5. 1. 必须使用工具返回结果，不可虚构信息
6. 2. 数据库查询结果需脱敏（隐藏手机号/身份证号）

复制代码

3.6.3 引用mcp服务发现工具

在智能体工具配置中，勾选MCP服务发现，选择3.5节配置的MCP服务
3.6.4 效果测试

测试1："查询高二（3）班数学平均分" → 应调用mysql8-mcp-server测试2："2025年AI领域最新进展" → 应调用searxng-mcp-server

四、客户端集成使用Dify MCP服务

4.1 魔塔平台集成MCP

魔塔平台作为企业级AI中枢，集成Dify MCP服务步骤如下：

进入魔塔应用市场，搜索MCP客户端插件并安装

• 配置MCP服务器：
  
  名称：Dify-MCPURL：https://your-dify-instance/difyapp_as_mcp_server认证方式：API Key（从Dify个人设置→API密钥获取）
  
  在工作流中添加MCP工具节点，选择需调用的Dify工具（如list_desktop_files）
  

4.2 VSCode集成MCP服务

以Cursor（VSCode AI插件）为例：

安装Cursor插件：Cursor - AI Code Editor打开设置（Ctrl+,）→ 搜索MCP→添加服务器输入配置：
1. {"name":"Dify Workflow","url":"https://your-dify-instance/difyapp_as_mcp_server","transport":"streamable_http","headers":{"Authorization":"Bearer sk-xxxxxx"// Dify API密钥}}
复制代码
在编辑器中输入指令："用Dify工具分析当前项目依赖冲突"，测试调用

五、总结

Dify与MCP的结合，为LLM应用开发提供了"低代码构建-标准化集成-多端复用"的完整解决方案。通过本文介绍的方法，开发者可快速将企业内部系统、本地工具转化为LLM可调用的能力，显著降低AI应用的落地门槛。
未来，随着MCP协议的持续演进与Dify插件生态的完善，我们期待看到更多创新场景：如物联网设备控制、工业软件集成、跨平台智能体协作等。建议开发者关注Dify GitHub仓库（langgenius/dify）与MCP协议规范（modelcontextprotocol/spec），及时获取更新。

原文地址：https://blog.csdn.net/qq_844085127/article/details/149598952

---

欢迎光临 AI创想 (https://llms-ai.com/)

Powered by Discuz! X3.4