HOA-mcp-server

HOA MCP Agent 教程

本指南将逐步介绍如何在 Dify 中设置并运行 Receipt MCP Agent，并使用“llm_en_v_1_3_1”模型。

前提条件

开始之前，请确保满足以下条件：

1. 已通过 Docker 安装并运行 Dify（未在 localhost 上运行）
2. 可以访问 LLM 端点
3. 端点可访问模型“llm_en_v_1_3_1”

第 1 步：向 Dify 添加 LLM 模型

1. 点击界面右上角的用户图标
2. 从下拉菜单中选择“Settings”
3. 转到“Model Provider”选项卡
4. 如果尚未安装，请安装“OpenAI-API-compatible”模型
5. 在“OpenAI-API-compatible”模型中，点击“Add Model”并按以下内容进行配置：
   • Model Type：LLM
   • Model Name：llm_en_v_1_3_1
   • API Key：留空
   • API endpoint URL：http://<your-server-ip>:5001/openai/v1
   • Model context size：4096

第 2 步：设置 MCP Agent

1. 在 Dify 界面顶部，转到“Tool”选项卡
2. 点击“Custom”选项卡
3. 点击“Create Custom Tool”
4. 将“Name”字段设为“Call MCP Tool”
5. 确保 MCP 服务正在运行。可在终端中输入以下内容启动：

   python server.py
   

6. 将“Schema”字段设为以下配置：

{
  "openapi": "3.0.0",
  "info": {
    "title": "Call MCP Tool",
    "version": "1.0.0",
    "description": "Call various MCP tools via MCP Server"
  },
  "servers": [
    {
      "url": "http://host.docker.internal:8000"
    }
  ],
  "paths": {
    "/mcp/execute": {
      "post": {
        "summary": "Call MCP Tool",
        "description": "Call MCP Tool",
        "operationId": "callTool",
        "parameters": [
          {
            "name": "Accept",
            "in": "header",
            "required": true,
            "description": "Client must accept both application/json and text/event-stream",
            "schema": {
              "type": "string",
              "example": "application/json, text/event-stream"
            }
          }
        ],
        "requestBody": {
          "required": true,
          "content": {
            "application/json": {
              "schema": {
                "type": "object",
                "properties": {
                  "jsonrpc": {
                    "type": "string"
                  },
                  "id": {
                    "type": "integer"
                  },
                  "method": {
                    "type": "string",
                    "enum": [
                      "tools/list", "tools/call"
                    ],
                    "description": "Method to execute"
                  },
                  "params": {
                    "type": "object",
                    "description": "Parameters for the method"
                  }
                },
                "required": [
                  "method"
                ]
              }
            }
          }
        },
        "responses": {
          "200": {
            "description": "Success",
            "content": {
              "application/json": {
                "schema": {
                  "type": "object",
                  "properties": {
                    "result": {
                      "type": "string",
                      "description": "Result of the operation"
                    }
                  }
                }
              },
              "text/event-stream": {
                "schema": {
                  "type": "string",
                  "description": "Server-sent events stream"
                }
              }
            }
          },
          "400": {
            "description": "Bad Request"
          },
          "406": {
            "description": "Not Acceptable - Client must accept both application/json and text/event-stream",
            "content": {
              "application/json": {
                "schema": {
                  "type": "object",
                  "properties": {
                    "error": {
                      "type": "string",
                      "example": "Client must accept both application/json and text/event-stream content types"
                    }
                  }
                }
              }
            }
          },
          "500": {
            "description": "Internal Server Error",
            "content": {
              "application/json": {
                "schema": {
                  "type": "object",
                  "properties": {
                    "error": {
                      "type": "string",
                      "description": "Error message"
                    }
                  }
                }
              }
            }
          }
        }
      }
    }
  }
}

7. 完成后点击“Save”

第 3 步：通过 Dify 集成 LLM 和 MCP Agent

创建临时聊天流

1. 在主界面中找到“Create App”框
2. 点击“Create from Blank”
3. 选择“Chatflow”
4. 将聊天流命名为“temp”

添加“Call Tool”块

1. 右键点击“Answer”块
2. 选择“Change Block”
3. 在“Tools”选项卡下，选择“Call MCP Tool”
4. 将“Call Tool”块连接到 LLM 块

导出临时聊天流

1. 点击左上角的聊天流名称
2. 点击“Export DSL”
3. 将“temp.yml”移至项目文件夹

导入 HOA MCP Agent yml

1. 在项目文件夹中运行：

   python generate_yml.py
   

2. 在主界面中找到“Create App”框
3. 点击“Import DSL file”
4. 在项目文件夹中选择“HOA MCP Agent.yml”文件
5. 在“Log In”块的“params”部分中，将参数“host_ip”、“email”和“password”替换为你的凭据

配置说明

• 请确保将 <your-server-ip> 替换为实际的服务器 IP 地址
• 确保在最后一步正确配置所有必需的凭据
• 使用 Agent 前必须先启动 MCP 服务

故障排查

• 如果遇到连接问题，请确认 Docker 未在 localhost 上运行
• 确保可通过指定的 URL 访问 MCP 服务
• 检查所有必需端口是否已开放且可访问