Dify MCP 保姆级教程来了！

最新推荐文章于 2025-06-27 20:22:44 发布
最新推荐文章于 2025-06-27 20:22:44 发布
阅读量1.4k 收藏 24
点赞数 15
CC 4.0 BY-SA版权
文章标签： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Datawhale/article/details/148858556

 Datawhale干货 

作者：王熠明、同济子豪兄，Datawhale成员

1. MCP介绍

1.1 大语言模型 VS 智能体Agent？

大语言模型，例如 DeepSeek，如果不能联网、不能操作外部工具，只能是聊天机器人。除了聊天没什么可做的。

而一旦大语言模型能操作工具，例如：联网/地图/查天气/函数/插件/API 接口/代码解释器/机械臂/灵巧手，它就升级成为智能体 Agent，能更好地帮助人类。今年爆火的 Manus 就是这样的智能体。

众多大佬、创业公司，都在 All In 押注 AI 智能体赛道。

也有不少爆款的智能体产品，比如 Coze、Manus、Dify。

1.2 以前的智能体是怎么实现的？

在以前，如果想让大模型调用外部工具，需要通过写大段提示词的方法，实现“Function Call”。

比如在 openai 中这是一个用于处理客户订单配送日期查询的工具调用逻辑设计。以下是关键点解读：

一、工具功能解析

  1. 1. 核心用途

  • 函数名 get_delivery_date 明确用于查询订单的配送日期（预计送达时间）。
  • 触发场景：当用户询问包裹状态（如“我的包裹到哪里了？”或“预计何时送达？”）时自动调用。

  • 2. 参数设计

    • 必需参数：仅需提供 order_id（字符串类型），无需其他字段。
    • 逻辑合理性：订单ID是唯一标识，足以关联物流信息（如快递单号、配送进度等）。

  • 3. 技术实现要求

    • 开发者需在后端实现该函数，通过 order_id 关联数据库或物流API获取实时配送状态（如预计送达时间、当前物流节点等）。

    二、客服对话流程示例

    假设用户提问：“Hi, can you tell me the delivery date for my order?”

    助手应执行以下步骤：

    1. 1. 识别意图：用户明确要求“delivery date”，符合工具调用条件。

    2. 2. 参数提取：需引导用户提供 order_id（因消息中未直接包含该信息）：

    “Sure! Please provide your order ID so I can check the delivery schedule.”

    1. 3. 工具调用：获得 order_id 后，后台执行 get_delivery_date(order_id="XXX")。

    2. 4. 返回结果：向用户展示函数返回的配送日期（如 “您的订单预计在2025年6月25日18:00前送达”）。

    tools = [
    {
        "type": "function",
        "function": {
            "name": "get_delivery_date",
            "description": "Get the delivery date for a customer's order. Call this whenever you need to know the delivery date, for example when a customer asks 'Where is my package'",
            "parameters": {
                "type": "object",
                "properties": {
                    "order_id": {
                        "type": "string",
                        "description": "The customer's order ID.",
                    },
                },
                "required": ["order_id"],
                "additionalProperties": False,
            },
        }
    }
]

messages = [
    {"role": "system", "content": "You are a helpful customer support assistant. Use the supplied tools to assist the user."},
    {"role": "user", "content": "Hi, can you tell me the delivery date for my order?"}
]

response = openai.chat.completions.create(
    model="gpt-4o",
    messages=messages,
    tools=tools,
)

    1.3 靠大段提示词的方法实现的 Function Call 有什么问题？

    对开发者（你）来说：

    • 要写一大段复杂提示词，程序员的语文水平一般都比较捉急
    • 面对相同的函数和工具，每个开发者都需要重新从头造轮子，按照自己想要的模型回复格式重新撰写、调试提示词

    对软件厂商来说（百度地图）来说：

    • 百度地图发布的大模型工具调用接口，和高德地图发布接口，可能完全不一样。
    • 没有统一的市场和生态，只能各自为战，各自找开发者接各自的大模型。

    对大模型厂商（DeepSeek）来说：

    • 各家厂商训练出的智能体大模型，任务编排能力参差不齐，标准不一致。

    每个软件都要定制开发不同的大模型调用模板。

    1.4 秦王扫六合：MCP协议

    Image

    Anthropic 公司（就是发布 Claude 大模型的公司），在 2024 年 11 月，发布了 Model Context Protocol 协议，简称 MCP。

    MCP 协议就像 Type-C 扩展坞，让海量的软件和工具，能够插在大语言模型上，供大模型调用。

    MCP 协议是连接【大模型（客户端）】和【各种工具应用（服务端）】的统一接口。

    Image

    1.5 几个 MCP 的应用案例

    1. 调用Unity的MCP接口，让AI自己开发游戏。

    https://www.bilibili.com/video/BV1kzoWYXECJ

    2. 调用Blender的MCP接口，让AI自己3D建模。

    https://www.bilibili.com/video/BV1pHQNYREAX

    3. 调用百度地图的MCP接口，让AI自己联网，查路况，导航。

    https://www.bilibili.com/video/BV1dbdxY5EUP

    4. 调用 Playwright 的MCP接口，让 AI 自己操作网页。（后面的保姆级教程讲的就是这个）

    只要“扩展坞”上插的“工具”够多，每个人都能几分钟，搭积木手搓出，类似 Manus 的智能体

    1.6 MCP 解决的核心问题：统一了大模型调用工具的方法

    MCP 为【大模型】与【外部数据和工具】的【无缝集成】提供了标准化协议和平台。

    不需要用户写提示词。

    极大降低了大模型调用外部海量工具、软件、接口的难度。

    Image

    Unity 和百度地图，看上去截然不同的软件，但都可以让大模型按照相同的协议去调用各自的功能。AI 一眼就知道有哪些工具，每个工具是什么含义。

    点点鼠标，就可以把同一个大模型，挂载到不同的软件和工具上。

    Image

    在上图中，上方代表 MCP 客户端软件，比如 Cusor、Claude Desktop，下方代表 MCP 服务端，比如海量的软件和 API 接口。

    1.7 用 HTTP 协议做类比

    MCP 客户端软件（例如 Cursor）就相当于浏览器。

    智能体就相当于网站或者 APP。

    mcp.so 这样的 MCP 广场，就相当于 App Store 或者 Hao123。

    不同的浏览器，用相同的 HTTP 协议，就可以访问海量的网站。

    不同的大模型，用相同的 MCP 协议，就可以调用海量的外部工具。

    互联网催生出搜索、社交、外卖、打车、导航、外卖等无数巨头。

    MCP 同样可能催生出繁荣的智能体生态。

    类比互联网的 HTTP 协议，所有的智能体都值得用 MCP 重新做一遍。

    Image

    1.8 MCP协议的通信双方

    Image

    MCP Host：人类电脑上安装的客户端软件，一般是 Dify、Cursor、Claude Desktop、Cherry Studio、Cline，软件里带了大语言模型。

    MCP Server：各种软件和工具的 MCP 接口，比如： 百度地图、高德地图、游戏开发软件 Unity、三维建模软件 Blender、浏览器爬虫软件 Playwrights、聊天软件 Slack。尽管不同软件有不同的功能，但都是以 MCP 规范写成的 server 文件，大模型一眼就知道有哪些工具，每个工具是什么含义。

    有一些 MCP Server 是可以联网的，比如百度地图、高德地图。而有一些 MCP Server只进行本地操作，比如 Unity 游戏开发、Blender 三维建模、Playwright 浏览器操作。

    Image

    1.9 MCP 的 Host、Client、Server 是什么关系？

    Host 就是 Dify、Cursor、Cline、CherryStudio 等 MCP 客户端软件。

    Image

    如果你同时配置了多个 MCP 服务，比如百度地图、Unity、Blender 等。每个 MCP 服务需要对应 Host 中的一个 Client 来一对一通信。Client 被包含在 Host 中。

    Image

    1.10 大模型是怎么知道有哪些工具可以调用，每个工具是做什么的？

    每个支持 MCP 的软件，都有一个 MCP Server 文件，里面列出了所有支持调用的函数，函数注释里的内容是给 AI 看的，告诉 AI 这个函数是做什么用的。

    MCP Server 文件就是给 AI 看的工具说明书。

    例如百度地图 MCP 案例：

    https://github.com/baidu-maps/mcp/blob/main/src/baidu-map/python/src/mcp_server_baidu_maps/map.py

    每个以@mcp.tool()开头的函数，都是一个百度地图支持 MCP 调用的功能。

    Image

    Image

    你也可以按照这个规范，自己开发 MCP Server，让你自己的软件支持 MCP 协议，让 AI 能调用你软件中的功能。

    1.11 参考资料

    几张图片来自公众号：西二旗生活指北

    1.1-1.10 的这部分教程引自 Datawhale 成员同济子豪兄的《跟同济子豪兄一起学MCP》知识库

    知识库地址：https://zihao-ai.feishu.cn/wiki/RlrhwgNqLiW7VYkNnvscHxZjngh

    官方介绍：Dify MCP 插件指南：一键连接 Zapier，轻松调用 7000+ App 工具

    2. Dify MCP 插件介绍

    2.1 Dify 插件介绍

    Image

    在 v1.0.0 之前，Dify 平台面临一个关键挑战：模型和工具与主平台高度耦合，新增功能需要修改主仓库代码，限制了开发效率和创新。为此，Dify团队重构了 Dify 底层架构，引入了全新的插件机制，带来了以下四大优势：

    • 组件插件化：插件与主平台解耦，模型和工具以插件形式独立运行，支持单独更新与升级。新模型的适配不再依赖于 Dify 平台的整体版本升级，用户只需单独更新相关插件，无需担心系统维护和兼容性问题。新工具的开发和分享将更加高效，支持接入各类成熟的软件解决方案和工具创新。
    • 开发者友好：插件遵循统一的开发规范和接口标准，配备远程调试、代码示例和 API 文档的工具链，帮助插件开发者快速上手。
    • 热插拔设计：支持插件的动态扩展与灵活使用，确保系统高效运行。
    • 多种分发机制：

    Dify Marketplace：作为插件聚合、分发与管理平台，为所有 Dify 用户提供丰富的插件选择。插件开发者可将开发好的插件包提交至 Dify Plugins 仓库，通过 Dify 官方的代码和隐私政策审核后即可上架 Marketplace。Dify Marketplace 现共有 120+ 个插件，其中包括：

    模型：OpenAI o1 系列（o1、o3-mini 等）、Gemini 2.0 系列、DeepSeek-R1 及其供应商，包括硅基流动、OpenRouter、Ollama、Azure AI Foundry、Nvidia Catalog 等。工具：Perplexity、Discord、Slack、Firecrawl、Jina AI、Stability、ComfyUI、Telegraph 等。更多插件尽在 Dify Marketplace。请通过插件帮助文档查看如何将开发好的插件发布至 Marketplace。

    Dify 插件帮助文档 >> https://docs.dify.ai/zh-hans/plugins/introduction

    2.2 Dify MCP插件

    Image

    在 Dify 的丰富插件市场中也提供了一个好用的 MCP SEE 插件，方便我们将 SEE MCP 服务放在我们的工作流中。让 AI 拥有更加强大的能力。

    2.3 下载 MCP SSE / StreamableHTTP 插件

    Image

    2.4 MCP SSE / StreamableHTTP 用法介绍

    在已安装的插件列表中找到 MCP SSE，然后点击去授权。

    Image

    使用下面的结构进行配置即可。

    {
  "mcpServers":{
      "server_name1":{
        "transport":"sse",
        "url":"http://127.0.0.1:8000/sse",
        "headers":{},
        "timeout":50,
        "sse_read_timeout":50
      },
      "server_name2":{
        "transport":"sse",
        "url":"http://127.0.0.1:8001/sse"
      },
      "server_name3":{
        "transport":"streamable_http",
        "url":"http://127.0.0.1:8002/mcp",
        "headers":{},
        "timeout":50
      },
      "server_name4":{
        "transport":"streamable_http",
        "url":"http://127.0.0.1:8003/mcp"
      }
    }
}

    本次教程不教大家部署 SSE 传输的 MCP Server，直接连接托管的 MCP 服务器。

    3. MCP 国内平台及应用服务

    3.1 国内的 MCP 平台

    MCP 目前国外的平台较多，国内比较头部的 MCP 平台目前是（20250622）魔搭社区。

    Image

    3.2 如何使用魔搭社区 MCP 广场？

    案例一：12306 MCP

    比如我们选择了 12306 的 mcp 应用，点击链接即可生成一个由魔搭社区托管的 SSE 地址。

    Image

    {
  "mcpServers": {
    "12306-mcp": {
      "type": "sse",
      "url": "https://mcp.api-inference.modelscope.net/ids/sse"
    }
  }
}

    拿到 sse 地址即可实现个人配置。

    我们点击到工具测试菜单，可以看到 MCP 具备的工具能力，可以了解到这个 MCP 具有哪些应用方式。

    Image

    这里我们再尝试另一个，力扣的 MCP

    案例二： 力扣 MCP

    力扣是一个算法练习的平台，比如你想学习一些编程语言，做一些小练习就可以到力扣上试试。

    Image

    同样的我们也能得到对应的 SSE 地址。

    Image

    大家注意哦，这次我们用的是魔搭托管的MCP服务。也就是会有Hosted的字样，如果是local的需要大家本地部署。这里本地部署我们就不过多介绍了，学有余力的小伙伴可以自行尝试。

    Image

    3.3 国内支持MCP的产品

    案例三：高德地图MCP

    一、高德MCP介绍

    在高德地图的加成下可以快速完成与地图相关的大模型任务。

    Image

    Image

    二、高德MCP申请

    1. 1. 注册一个高德开发者账号

    2. 注册认证地址：https://console.amap.com/dev/id/phone

    3. 2. 创建新应用

    进入【应用管理】，点击页面右上角【创建新应用】，填写表单即可创建新的应用。

    Image

    1. 3. 创建 Key

    进入【应用管理】，在我的应用中选择需要创建 Key 的应用，点击【添加 Key】，表单中的服务平台选择【Web 服务】。

    Image

    1. 4. 获取 Key

    Image

    创建成功后，可获取 Key 和安全密钥。

    1. 5. 获取到的 sse 配置如下

    {
  "mcpServers": {
    "amap-amap-sse": {
      "url": "https://mcp.amap.com/sse?key=您在高德官网上申请的key"
    }
  }
}

    案例四：智谱搜索MCP

    智谱 AI 的介绍咱们在之前和大家说过，这里我们展示一下搜索的 MCP。

    Image

    Image

    获取 Key 的方式和大模型一致，这里就不赘述啦。大家贴上 key 即可。

    {
  "mcpServers": {
    "zhipu-web-search-sse": {
      "url": "https://open.bigmodel.cn/api/mcp/web_search/sse?Authorization=YOUR API Key"
    }
  } 
}

    目前支持 MCP 的接口越来越多，将来会有更多更好用的 MCP 出现。这里距离了一些方便大家学习和使用哦。

    4. 保姆级教程：搭建 MCP 智能体

    4.1 先搭建一个 Dify 适配 MCP 配置的智能体

    这里我们需要做的是先配好 MCP SSE / StreamableHTTP 插件。如何配置呢之前给大家看过啦。这里我们写一个智能体辅助我们修改从魔搭社区获取的链接~

    Image

    prompt 如下：

    你需要将用户输入的mcp 配置json 转为目标json，或是用户直接输入 url 或是用户输入url 和用户名，都需要以目标json的结构返回。

例如用户输入：
{
"mcpServers":{
    "12306-mcp":{
      "type":"sse",
      "url":"https://mcp.api-inference.modelscope.net/123/sse"
    }
}
}

返回json：
{
    "12306-mcp":{
        "url":"https://mcp.api-inference.modelscope.net/123/sse",    
        "headers":{},
        "timeout":60,    
        "sse_read_timeout":300
    },
}

    我们拿 12306 的 MCP 配置测试一下：

    Image

    看上去还是挺简单的。

    4.2 测试MCP配置

    Image

    搞定后会出现这样的字样~

    Image

    4.3 第一个 MCP 应用搭建

    Image

    目前支持 MCP 的应有有如上图所示的三种，因为需要 agent 支撑。我们制作一个 Agent 应用。

    Image

    你叫“火车侠”，是12306-MCP专属AI助理，专注于铁路出行服务。你的核心任务是：  
调用MCP工具时先获取工具列表，在选择12306-MCP来回答。需要了解清楚本MCP如何使用。查询车票、规划行程，提供最优推荐。

    Image

    Image

    大模型对话界面

    Image

    MCP调用截图

    Image

    真实时刻表

    大模型返回结果，确实是准确无误的，比直接用 app 查方便，也很适合老人用！

    Thought: 现在我已经获取了明天（2025-06-23）银川到中卫的所有火车车次信息，包括车次类型、出发到达时间、历时以及各座位类型的余票情况。信息完整且无需进一步补充，接下来需要将结果整理成自然语言回答用户。Action:
2025年6月23日银川到中卫的火车车次信息如下（按出发时间排序）：

K195次：01:15银川站发车，03:28抵达中卫站，历时2小时13分。硬座24.5元（有票）、硬卧70.5元（剩余18张）、软卧108.5元（剩余4张）、无座24.5元（有票）。
Z311次：03:52银川站发车，06:47抵达中卫站，历时2小时55分。硬座24.5元（有票）、硬卧70.5元（有票）、软卧108.5元（剩余19张）、无座24.5元（有票）。
K1087次：06:10银川站发车，08:37抵达中卫站，历时2小时27分。硬座24.5元（有票）、硬卧70.5元（有票）、软卧108.5元（有票）、无座24.5元（有票）。
2635次：06:22银川站发车，09:12抵达中卫站，历时2小时50分。硬座21.5元（有票）、硬卧67.5元（有票）、软卧105.5元（有票）、无座21.5元（有票）。
7511次：06:41银川站发车，10:36抵达中卫站，历时3小时55分。硬座18.5元（有票）、无座18.5元（有票）。
C8221次（城际）：06:57银川站发车，08:12抵达中卫南站，历时1小时15分。二等座37元（有票）、一等座60元（有票）、商务座112元（剩余10张）。
7531次：07:17银川站发车，15:38抵达中卫站，历时8小时21分。硬座46.5元（有票）、无座46.5元（有票）。
D8953次（动车）：07:48银川站发车，09:03抵达中卫南站，历时1小时15分。二等座65元（有票）、一等座104元（有票）、无座65元（有票）。
D2749次（动车）：08:12银川站发车，09:27抵达中卫南站，历时1小时15分。二等座65元（有票）、一等座104元（有票）、无座65元（有票）。
D8941次（动车）：08:35银川站发车，09:50抵达中卫南站，历时1小时15分。二等座82元（有票）、一等座131元（有票）、无座82元（有票）。
C8209次（城际）：08:40银川站发车，10:01抵达中卫南站，历时1小时21分。二等座51元（有票）、一等座82元（有票）、无座51元（有票）。
D2763次（动车）：10:00银川站发车，11:21抵达中卫南站，历时1小时21分。二等座82元（有票）、一等座131元（有票）、无座82元（有票）。
D8933次（动车）：12:05银川站发车，13:29抵达中卫南站，历时1小时24分。二等座82元（有票）、一等座131元（有票）、无座82元（有票）。
D2767次（动车）：13:47银川站发车，15:08抵达中卫南站，历时1小时21分。二等座82元（有票）、一等座131元（有票）、无座82元（有票）。
C8211次（城际）：14:45银川站发车，16:06抵达中卫南站，历时1小时21分。二等座65元（有票）、一等座104元（有票）、无座65元（有票）。
K41次：15:13银川站发车，18:10抵达中卫站，历时2小时57分。硬座24.5元（有票）、硬卧70.5元（有票）、软卧108.5元（剩余5张）、无座24.5元（有票）。
D8945次（动车）：15:55银川站发车，17:10抵达中卫南站，历时1小时15分。二等座82元（有票）、一等座131元（有票）、无座82元（有票）。
C8213次（城际）：18:30银川站发车，19:51抵达中卫南站，历时1小时21分。二等座51元（有票）、一等座82元（有票）、无座51元（有票）。
D8937次（动车）：19:22银川站发车，20:37抵达中卫南站，历时1小时15分。二等座74元（有票）、一等座119元（有票）、无座74元（有票）。
K1517次：19:52银川站发车，22:49抵达中卫站，历时2小时57分。硬座24.5元（有票）、硬卧70.5元（有票）、软卧108.5元（剩余7张）、无座24.5元（有票）。
T303次：20:26银川站发车，23:03抵达中卫站，历时2小时37分。硬座24.5元（有票）、硬卧70.5元（剩余1张）、软卧无票、无座24.5元（有票）。
K359次：20:35银川站发车，23:32抵达中卫站，历时2小时57分。硬座24.5元（有票）、硬卧70.5元（有票）、软卧108.5元（有票）、无座24.5元（有票）。
C8207次（城际）：21:00银川站发车，22:27抵达中卫南站，历时1小时27分。二等座56元（有票）、一等座89元（有票）、无座56元（有票）。
K1295次：21:31银川站发车，次日00:13抵达中卫站，历时2小时42分。硬座24.5元（有票）、硬卧70.5元（有票）、软卧108.5元（有票）、无座24.5元（有票）。
K815次：22:40银川站发车，次日01:20抵达中卫站，历时2小时40分。硬座24.5元（有票）、硬卧70.5元（有票）、软卧108.5元（有票）、无座24.5元（有票）。
注：部分车次（如7534次）为途径灵武、宁东等站的区间车，已过滤仅保留银川站发车的直达车次。您可根据出行时间和预算选择合适车次，建议通过12306 App或官网实时查询余票并购票。

    deepseek R1 和 V3 效果似乎不好，我后面换了豆包的 doubao seed 1.6 250615 模型，效果会更好一些。

    后续会出 MCP 工作流实践 和 工作流转换 MCP 介绍，大家可以持续关注。

    图片

    一起“点赞”三连↓

Datawhale
关注
Dify MCP 保姆级教程来了！大语言模型 vs 智能体Agent？揭秘AI如何通过MCP接口自主开发游戏
分享平时的学习心得和笔记
06-24 754
摘要：本文深入探讨如何利用MCP（模型上下文协议）和Dify平台构建具备"自主开发游戏"能力的AI智能体。传统大语言模型在复杂任务处理上存在局限，而MCP协议通过标准化工具调用，解决了Function Call在意图识别和扩展性方面的痛点。文章详细对比了大语言模型、智能体Agent与MCP的区别，并提供从环境配置到实战开发的完整流程，展示如何让AI理解自然语言指令并自动调用Unity引擎API生成游戏场景。最后分析了MCP在游戏开发中的技术优势及未来应用前景，为开发者提供了从"
Dify Workflows MCP Server （TypeScript）设计与实战
roamingcode的博客
02-27 3483
一个 Model Context Protocol (MCP) 服务器的 TypeScript 实现，将 Dify 工作流作为工具暴露出来，可直接集成到Cline或Roo Code中进行调用。
Dify助力：构建知识库，实现智能问答
2401_85390073的博客
06-23 852
摘要：本文介绍了使用Dify平台构建知识库问答系统的完整流程，包括知识库构建、问答Agent创建和系统发布。首先通过解析学生手册文档建立知识库，配置关键参数和模型；然后创建"新生入学指南"问答Agent，设定详细提示词规范；最终实现快速解答新生入学相关问题。系统包含入学准备、报到流程、生活规范、学习制度等模块，确保回答准确性和权威性。此外文章还分享了大模型学习的7个阶段路径及配套资源获取方式。该系统有效解决了学生手册查阅不便的问题，提升了信息获取效率。
超实用！Dify快速接入本地MCP服务
python1234_的博客
06-04 2746
Dify 可以通过插件实现 MCP 服务调用，而被调用的 MCP 服务基本可以分为以下两类： 通用 MCP 服务（非本地 MCP 服务）。 本地 MCP 服务。
PyTorch强化学习——PyTorch基础详解
AAI666666的博客
02-02 1719
我们将使用 PyTorch 作为实现强化学习算法的数值计算库。PyTorch 是 Facebook 开发的科学计算和机器学习库，张量 (Tensor) 是 PyTorch 中的核心数据结构，类似于 NumPy 中的 ndarray。
分享AI大模型入门到精通的正确学习路线，收藏起来慢慢学
bugyinyin的博客
08-14 512
随着人工智能技术的飞速发展，特别是深度学习领域的突破，AI大模型已经成为推动各行各业变革的关键力量。从自然语言处理到计算机视觉，再到多模态融合，AI大模型正在以前所未有的速度改变着我们的世界。对于想要进入这个领域的学习者来说，了解正确的学习路线至关重要。一份系统的技术路线图，详尽的全套学习资料，不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点，还能提供一条高效、有序的学习路径。无论是初学者，还是希望在某一细分领域深入发展的资深开发者，这样的学习路线图都能够起到事半功倍的效果。
Dify 与 MCP：开启智能体应用开发新征程
2401_84204413的博客
04-23 2011
本文更偏向于实战，我会讲解如何通过 Dify 调用 1Panel 的 MCP Server，至于 MCP 的具体组成、MCP 各部分的含义本文将不会涉及或只在必要的地方予以说明。本文选择 1Panel MCP Server 作为示例单纯是因为其操作简单、易于使用，同时我个人管理服务器使用的也是 1Panel。
Dify MCP 插件指南：一键连接 Zapier，轻松调用 7000+ App 工具
Gaga246的博客
04-10 2106
2025 年可谓“Agent 元年”。随着 AI Agent 的快速发展，如何让 LLM 以统一、标准的方式与外部应用交互已成为关键议题。在这之前，Anthropic 于 2024 年底推出了模型上下文协议（MCP）。作为一项新兴的开放协议，MCP 为 LLM 与外部应用之间构建了双向通信通道，就像是 AI 的“USB-C”接口，帮助模型发现、理解并安全调用各种外部工具或 API。这意味着：
一键部署 Dify + MCP Server，高效开发 AI 智能体应用
阿里巴巴中间件
04-03 1780
将上述 MCP Server 打包为镜像，部署到 SAE 上，可以直接用 saectl 一键部署，支持按照暴露 CLB 类型的 MCP Service 地址，SAE 平台内置了应用的监控、日志等，围绕应用提供了的全套运维体系，在 SAE 界面可以看到应用已经创建出来，并且处于 Running 状态，日志标准输出显示服务器运行中。SAE 应用中心为用户提供了 Dify 应用模板，您只需要在控制台填写表单，我们会为您自动创建并运行部署流水线，将 Dify 一键部署至 SAE。
【Dify+deepseek+MCP】从入门到精通，手把手教你效率开挂（三）
z551646的博客
04-12 3703
经过前两期的铺垫，今天我们开始正式进入MCP的实战——。\1. “怎么让dify具备MCP客户端和服务器的能力？\2. “如何配置外部MCP服务？”如高德地图，Zapier服务\3. “怎么零代码搭建MCP智能体？​在Dify社区里，开发者们在插件市场大展身手，精心打造出多款超实用的 MCP插件，让 Dify 拥有了神奇的 “智能连接魔杖”。通过插件能力，轻轻松松就能把外部强大的 MCP 服务，无缝接入到自己的 Agent 应用或工作流中，给 AI 助手装上超级外挂！
Dify MCP (模型上下文协议) 保姆级教程来了！
分享平时的学习心得和笔记
06-24 1012
摘要： 本文对比了大语言模型（LLM）与智能体Agent的核心差异：LLM被动响应，而Agent主动调用工具完成任务。传统智能体通过提示词或Function Call实现，但存在同步阻塞、集成复杂等问题。MCP协议作为解决方案，提供标准化接口和异步通信，支持动态工具调用。实战部分演示了如何用Dify和MCP协议调用Unity接口实现AI自动开发游戏，涵盖环境配置、MCP服务器连接及工作流设计。MCP协议简化了智能体开发，使其能高效完成复杂任务。
银河麒麟服务器V10SP1-2403+Dify+Deepseek（本地&在线） 本地构建知识库（保姆级）（无需翻墙）-物料
02-25
银河麒麟服务器V10SP1-2403+Dify+Deepseek（本地&在线） 本地构建知识库（保姆级）（无需翻墙）-物料
标题：Dify MCP（模型上下文协议）保姆级教程来了！大语言模型 VS 智能体Agent？
分享平时的学习心得和笔记
06-24 408
今天，我将带你深入一个能让AI帮你开发游戏的黑科技——Dify MCP（模型上下文协议），并通过对比传统智能体和现代Agent的实现方式，揭示MCP如何颠覆AI开发！目标：用Dify和MCP构建一个能自主开发简单游戏的智能体，无需手动写游戏逻辑代码。二、技术背景：从“大语言模型”到“智能体Agent”，MCP为何是关键？三、实战：Dify + MCP开发游戏——让AI自己写代码、设计关卡！六、总结：拥抱MCP，让AI开发更自由！
Dify MCP （模型上下文协议)保姆级教程来了！大语言模型 VS 智能体Agent？以前的智能体是怎么实现的？
分享平时的学习心得和笔记
06-24 577
摘要： MCP（Model Context Protocol）是AI开发的革命性协议，解决了传统Function Call的扩展性差、上下文断裂等痛点。它将工具调用标准化，支持动态扩展与多模态协作，显著提升开发效率与安全性。通过Dify平台+MCP协议，可实现AI自主开发游戏等复杂任务，如自动生成Unity场景。未来，MCP或将成为统一AI开发的关键，推动"全民AI开发"时代。建议开发者关注其生态发展并实践应用。
人工智能agent：dify mcp协议
最新发布
大模型训练
06-27 1088
MCP Client 发起工具调用的实体，也就是 Dify 工作流或 Agent。它通过 Dify 平台提供的标准化接口（工具节点）来请求服务。 MCP Server / Host 提供实际服务的端点。在这个例子中，就是模拟 API 服务器 上的各个API (/api/pump/status, /api/cmms/pump/history 等)。这个服务器理解工具调用背后转换成的 HTTP 请求并返回数据。
大模型入门实战：通过 HuggingFace 调用 Llama3
python12345_的博客
01-10 1683
至此，我们成功演示了如何通过 Hugging Face 的 Transformers 调用 Llama 模型，并获取了模型的回答。但是如果你的需求只是简单地调用模型，而无需进行微调或复杂的部署，可以尝试使用 Ollama。它不仅操作更加便捷，还提供了开箱即用的 RESTful 接口，适合快速集成到生产环境中。下一篇，我将会讲解如何通过 Ollama 下载部署 Llama 模型并调用。
dify MCP工具调用
weixin_40297272的博客
04-29 58
前面几篇文章，介绍了Cherry Studio客户端调用MCP，接下来介绍dify如何调用MCP。
在dify构建mcp，结合fastapi接口，以实际业务场景理解MCP
稳稳C9的博客
04-10 3434
网上关于MCP的介绍已经非常多了，我这边就长话短说，有兴趣的可以扩展阅读我们先来看一幅图MCP 提供了一种统一和标准化的方式，将 AI 代理和模型与外部数据和工具集成。它不仅仅是另一个 API；它是一个强大的连接框架，能够实现智能、动态和上下文丰富的 AI 应用。🔌MCP的作用，就像手机充电接口从“混乱”到“统一”的演变过程。统一成“AI 界的 USB Type-C🚀 最终效果：从“杂乱无章”到“即插即用”
Dify搭建保姆级教程
03-26
<think>好的，用户现在在寻找关于Dify搭建的详细教程，特别是保姆级的完整指南。我需要根据他们提供的引用内容来组织回答。首先，用户提到了引用[2]，里面提到了使用Docker部署Dify，然后整合Ollama和私有化知识库的步骤。我应该详细分解这些步骤，确保结构清晰，符合用户要求的系统级指令，比如使用正确的中文回答、分步骤说明，并且生成相关问题。 首先，我需要确认用户的需求是搭建Dify平台，可能用于构建知识库应用。引用中的步骤包括Docker部署、Ollama集成、知识库创建和嵌入模型选择。需要将这些步骤逐一解释，确保每个部分都详细，比如安装Docker的部分可能需要先检查系统是否已安装，如果没有，需要指导用户如何安装。然后，部署Dify时，可能需要拉取镜像、运行容器，并检查服务是否正常启动。 接下来是集成Ollama，用户可能不熟悉Ollama是什么，可能需要简要说明它是一个本地运行大模型的工具，然后给出具体的安装和启动命令。然后配置Dify的后台设置，修改模型配置，这里需要确保用户知道如何找到配置文件，可能需要给出路径或者具体的配置示例。 创建知识库的部分，需要引导用户进入Dify界面，创建知识库，上传文档，并选择嵌入模型。这里需要强调嵌入模型的重要性，比如选择beg-m3模型的高效性，以及如何处理文档格式。完成嵌入后，测试知识库的问答功能，确保一切正常。 最后的应用创建部分，用户可能需要将知识库集成到聊天应用中，这里需要指导用户如何在Dify中创建应用，并绑定知识库，设置对话流程等。 同时，用户提到内网穿透，引用[1]是关于Windows搭建网站和内网穿透的内容，虽然用户主要关注Dify，但可能需要在内网穿透部分简要提及相关工具，如frp或Ngrok，并引用[1]作为参考，但根据用户的问题，可能不需要深入展开，除非用户特别询问。 生成的相关问题需要围绕Dify部署的常见问题，比如优化部署、解决集成问题、模型选择、私有化知识库管理以及内网穿透的具体方法。这些问题应该帮助用户进一步解决可能遇到的挑战。 最后，检查回答是否符合所有系统指令：使用正确的中文、分步骤、LaTeX格式正确（但当前内容中可能没有数学表达式，所以不需要处理）、生成相关问题，并在引用处正确标注[^1]和[^2]。 现在需要将这些思考整理成一个结构清晰、步骤分明的回答，确保用户能够按照步骤操作，同时自然地插入引用标注。</think>以下是关于Dify私有化部署的保姆级教程，整合了Docker部署、Ollama集成与知识库创建的完整流程： ### 一、Docker环境准备 1. 安装Docker Desktop（Windows/Mac）或Docker Engine（Linux） 2. 验证安装：终端执行`docker --version`，显示版本号即成功[^2] ### 二、部署Dify平台 ```bash # 拉取最新镜像 docker pull dify/dify:latest # 启动容器（含PostgreSQL/Redis） docker run -d --name dify \ -p 8080:8080 \ -v /data/dify/storage:/app/dify/storage \ dify/dify:latest ``` 部署完成后访问`http://localhost:8080`进入控制台 ### 三、Ollama集成配置 1. 安装Ollama（支持macOS/Linux/Windows） ```bash # Linux安装示例 curl -fsSL https://ollama.com/install.sh | sh ollama serve ``` 2. 在Dify后台修改模型配置： ```yaml # config.yaml ollama: base_url: http://localhost:11434 models: - llama2 - mistral ``` ### 四、知识库创建流程 1. **新建知识库** - 登录Dify控制台 → 知识库 → 新建 - 命名规范建议：`部门_类型_版本`（如`技术部_产品手册_v1.2`） 2. **文档上传规范** - 支持格式：PDF/DOCX/Markdown/TXT - 单文件建议<20MB - 批量上传使用ZIP压缩包 3. **嵌入模型选择** ```python # beg-m3模型配置示例 embedding_model = "BAAI/bge-m3" max_seq_length = 8192 ``` 该模型支持中英文混合检索，适合长文本处理 ### 五、应用创建与测试 1. 创建对话型应用 2. 绑定已创建的知识库 3. 配置对话流程： ``` 用户输入 → 意图识别 → 知识库检索 → 模型生成 → 结果反馈 ``` 4. 使用测试窗口验证问答准确性
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值