Dify+deepseek+MCP从入门到精通，手把手教你效率开挂！

你是否曾为重复搭建相同的工作流而烦恼？是否希望将已有的Dify工作流快速复用到其他场景？本文将带你一步步实现Dify工作流→MCP工具的转换，让AI能力像“积木”一样灵活调用！

一、背景：为什么需要将Dify工作流转为MCP工具？
想象一下：你用Dify搭建了一个“生成天气邮件”的工作流，但每次需要调用时都要重复配置。MCP协议就像“AI界的USB接口”，让你的工作流秒变可调用工具，支持跨平台复用（如某Cursor、某DeepSeek等）。
核心价值：

1. 复用性：一次开发，多场景调用。
2. 标准化：统一接口，降低集成成本。
3. 智能化：AI自动识别工具并调用。

二、实战步骤：三步将Dify工作流转为MCP工具
步骤1：Dify工作流发布为工具

1. 进入Dify控制台：
   • 找到已搭建的“生成天气邮件”工作流，点击“发布”。
   • 输入工具名称（如weather_email_generator）和描述，设置输入参数（如city、subject）。
   • 关键点：参数需与工作流输入字段一致，否则调用时会报错。
2. 生成工具ID：
   • 发布后，系统会返回工具ID（如tool_123），记录备用。
     步骤2：安装配置MCP插件
3. 安装MCP-server插件：
   • 进入Dify插件市场，搜索“MCP-server”，安装后进入配置界面。
   • 配置示例：

     {
       "端点名称": "天气邮件工具",
       "App": "weather_email_generator",  // 工作流名称
       "App Type": "Workflow",
       "App Input Schema": {
         "type": "object",
         "properties": {
           "city": {"type": "string", "description": "城市名称"},
           "subject": {"type":0"string", "description": "邮件主题"}
         },
         "required": ["city", "subject"]
       }
     }
     

4. 修改Dify环境变量：
   • 找到Dify的.env文件，将EXPOSE_PLUGIN_DEBUGGING_HOST和ENDPOINT_URL_TEMPLATE中的localhost改为服务器IP，确保外部可访问。
     步骤3：获取MCP链接并调用
5. 生成MCP服务地址：
   • 配置完成后，插件会生成一个URL（如https://your-server.com/sse），复制此链接。
6. 在外部工具中调用：
   • 以某Cursor为例，在其MCP配置中添加：

     {
       "mcpServers": {
         "weather_email": {
           "url": "https://your-server.com/sse"
         }
       }
     }
     

   • 测试调用：输入“生成北京天气邮件”，AI会自动调用你的Dify工具，返回邮件内容。

三、案例实战：生成天气邮件全流程
场景：用户说“发一封明天北京天气的会议提醒邮件”。
MCP流程：

1. 意图识别：AI解析出“天气查询”和“邮件生成”需求。
2. 工具调用：
   • 调用Dify的天气API工具获取数据。
   • 调用已发布的邮件生成工具，填入数据。
3. 结果整合：生成邮件并发送，反馈给用户。

四、技术进阶：MCP的隐藏优势

1. 跨平台复用：同一工具可被某DeepSeek、某Cherry Studio等调用。
2. 动态参数：支持根据用户输入动态调整参数（如自动补全城市名称）。
3. 安全可控：通过JWT令牌限制调用权限，防止未授权访问。

五、总结：从“单打独斗”到“工具复用”
通过MCP协议，Dify工作流不再是“一次性工具”，而是成为可复用的“AI积木”。无论是个人开发者还是企业团队，都能快速构建高效协作的AI生态。