Dify+DeepSeek+MCP：手把手教你将工作流秒变智能工具 ——从“本地工作流”到“跨平台复用”的效率革命

最新推荐文章于 2025-07-08 10:46:46 发布

码力金矿

最新推荐文章于 2025-07-08 10:46:46 发布

阅读量452

点赞数 4

CC 4.0 BY-SA版权

分类专栏：人工智能 MCP python 文章标签：人工智能大数据架构安全 microsoft python java

本文链接：https://blog.csdn.net/lbh73/article/details/148846515

你是否遇到过这样的困扰：辛辛苦苦搭建好的Dify工作流（如智能客服、数据分析），却只能在本地使用？一旦需要复用到其他系统（如某编程IDE、某企业办公平台），就得重新开发适配层？今天，我们将通过MCP（模型上下文协议），彻底解决这一痛点，让Dify工作流变身“即插即用”的智能工具！

一、为什么需要将Dify工作流转为MCP工具？
场景痛点：
假设你开发了一个“会议纪要生成”工作流，但某企业客户要求将其集成到他们的办公系统中。传统方式需：

重写接口适配
调整参数格式
重新部署环境
MCP解决方案：
通过标准化协议（MCP），Dify工作流可直接暴露为工具，其他系统仅需调用统一接口即可复用，无需关心底层实现！

二、实现步骤：三步将Dify工作流转为MCP工具
步骤1：发布Dify工作流为工具
操作示例：

创建并测试工作流：
- 在Dify中设计一个“智能邮件生成”工作流，包含以下节点：
  - 用户输入：邮件主题、收件人、正文
  - 调用DeepSeek模型生成邮件草稿
  - 调用某云存储API保存草稿
- 关键点：确保工作流输入输出参数清晰（如输入{subject: string, recipients: array}，输出{draft: string}）。
发布为工具：
- 进入Dify控制台 → 工作流管理 → 点击“发布为工具”
- 输入工具名称（如generate_email）、描述（“根据输入生成邮件草稿”）
- 注意：工具需支持API调用，路径类似/api/tools/generate_email
  步骤2：安装并配置MCP插件
  插件选择：

某MCP插件：在Dify插件市场搜索“MCP SSE”或“MCP-server”，安装支持SSE（服务器发送事件）的插件。

配置流程：

插件设置：

在插件配置界面，添加MCP服务器信息：

{
         
         
  "server_name": {
         
         
    "url": "http://your-dify-ip:port/sse",  // 替换为Dify