mcpField
M
Model Context Protocol (MCP) Server for dify workflows

Model Context Protocol (MCP) Server for dify workflows

本地服务
github.com/YanxingLiuAI 与智能体27979 周前更新

关于 Model Context Protocol (MCP) Server for dify workflows

这是一个将 Dify 工作流作为 MCP 工具暴露的服务端实现。用户可通过配置 Dify 基础 URL 与应用密钥,在支持 MCP 的客户端中调用对应的 Dify 工作流。适合希望在 MCP 客户端中直接使用 Dify 工作流的用户。

主要功能

  1. 01通过 MCP 工具调用 Dify 工作流
  2. 02支持环境变量或 config.yaml 配置
  3. 03可配置多个 Dify 应用密钥
  4. 04可通过 uvx 直接从 Git 仓库运行

适用场景

  1. 01在 MCP 客户端中调用已有的 Dify 工作流
  2. 02在云端托管的 Dify 环境中通过环境变量进行配置

MCP 相关

该项目是 MCP 服务,将每个 Dify 应用对应的工作流封装为 MCP 工具,供兼容 MCP 的客户端调用。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"dify": {
"command": "uvx",
"args": [
"git+https://github.com/YanxingLiu/dify-mcp-server"
],
"env": {
"DIFY_BASE_URL": "<DIFY_BASE_URL>",
"DIFY_APP_SKS": "<DIFY_APP_SKS>"
}
}
}
}
启动命令uvx 'git+https://github.com/YanxingLiu/dify-mcp-server'
需要配置的环境变量
DIFY_BASE_URL
DIFY_APP_SKS

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
pypigit+https://github.com/YanxingLiu/dify-mcp-server

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

用于 dify 工作流的 Model Context Protocol(MCP)服务

一个用于使用 dify 的简单 MCP 服务实现。它通过调用 MCP 工具来实现 Dify 工作流的调用。

📰 新闻

  • [2025/4/15] 现在支持直接使用环境变量传递 base_url 和 app_sks,让云托管平台上的使用更加便捷。

🔨安装

可以通过 Smithery 安装,也可以手动安装。

步骤 1:准备 config.yaml 或环境变量

你可以使用环境变量或 config.yaml 文件来配置服务。

方法 1:使用环境变量(推荐用于云平台)

设置以下环境变量:

export DIFY_BASE_URL="https://cloud.dify.ai/v1"
export DIFY_APP_SKS="app-sk1,app-sk2" # Comma-separated list of your Dify App SKs
  • DIFY_BASE_URL:Dify API 的基础 URL。
  • DIFY_APP_SKS:以逗号分隔的 Dify 应用 Secret Key(SK)列表。每个 SK 通常对应一个你希望通过 MCP 提供的不同 Dify 工作流。
方法 2:使用 config.yaml

创建一个 config.yaml 文件,用于存储 Dify 基础 URL 和应用 SK。

config.yaml 示例:

dify_base_url: "https://cloud.dify.ai/v1"
dify_app_sks:
  - "app-sk1" # SK for workflow 1
  - "app-sk2" # SK for workflow 2
  # Add more SKs as needed
  • dify_base_url:Dify API 的基础 URL。
  • dify_app_sks:Dify 应用 Secret Key(SK)列表。每个 SK 通常对应一个不同的 Dify 工作流。

你可以使用以下命令快速创建此文件(请根据需要调整路径和值):

# Create a directory if it doesn't exist
mkdir -p ~/.config/dify-mcp-server

# Create the config file
cat > ~/.config/dify-mcp-server/config.yaml <<EOF
dify_base_url: "https://cloud.dify.ai/v1"
dify_app_sks:
  - "app-your-sk-1"
  - "app-your-sk-2"
EOF

echo "Configuration file created at ~/.config/dify-mcp-server/config.yaml"

运行服务时(如步骤 2 所示),如果选择此方法,需要通过 CONFIG_PATH 环境变量提供此 config.yaml 文件的路径。

步骤 2:在客户端上安装

❓ 如果尚未安装 uv 或 uvx,可以使用以下命令快速安装:

curl -Ls https://astral.sh/uv/install.sh | sh
✅ 方法 1:使用 uvx(无需克隆代码,推荐)
{
"mcpServers": {
  "dify-mcp-server": {
    "command": "uvx",
      "args": [
        "--from","git+https://github.com/YanxingLiu/dify-mcp-server","dify_mcp_server"
      ],
    "env": {
       "DIFY_BASE_URL": "https://cloud.dify.ai/v1",
       "DIFY_APP_SKS": "app-sk1,app-sk2",
    }
  }
}
}

或

{
"mcpServers": {
  "dify-mcp-server": {
    "command": "uvx",
      "args": [
        "--from","git+https://github.com/YanxingLiu/dify-mcp-server","dify_mcp_server"
      ],
    "env": {
       "CONFIG_PATH": "/Users/lyx/Downloads/config.yaml"
    }
  }
}
}
✅ 方法 2:使用 uv(本地克隆并通过 uv 启动)

你也可以在客户端中手动运行 dify MCP 服务。客户端配置应采用以下格式:

{
"mcpServers": {
  "mcp-server-rag-web-browser": {
    "command": "uv",
      "args": [
        "--directory", "${DIFY_MCP_SERVER_PATH}",
        "run", "dify_mcp_server"
      ],
    "env": {
       "CONFIG_PATH": "$CONFIG_PATH"
    }
  }
}
}

或

{
"mcpServers": {
  "mcp-server-rag-web-browser": {
    "command": "uv",
      "args": [
        "--directory", "${DIFY_MCP_SERVER_PATH}",
        "run", "dify_mcp_server"
      ],
    "env": {
       "CONFIG_PATH": "$CONFIG_PATH"
    }
  }
}
}

配置示例:

{
"mcpServers": {
  "dify-mcp-server": {
    "command": "uv",
      "args": [
        "--directory", "/Users/lyx/Downloads/dify-mcp-server",
        "run", "dify_mcp_server"
      ],
    "env": {
       "DIFY_BASE_URL": "https://cloud.dify.ai/v1",
       "DIFY_APP_SKS": "app-sk1,app-sk2",
    }
  }
}
}
开始使用

最后,你可以在任何支持 MCP 的客户端中使用 dify 工具。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。