Dify MCP Server

一个将 Dify 工作流转换为 MCP (Model Context Protocol) 服务的 Node.js 包，支持在 Cursor 等 AI 开发环境中使用。

功能特性

• ✅ 将 Dify 工作流转换为 MCP 工具
• ✅ 支持阻塞和流式两种执行模式
• ✅ 完整的配置管理和环境变量支持
• ✅ TypeScript 开发，提供完整的类型定义
• ✅ 支持 MCP 协议的工具调用和资源访问
• ✅ 详细的错误处理和日志记录
• ✅ 可打包为 npm 包发布

快速开始

1. 安装依赖

npm install

2. 配置环境变量

复制 .env.example 文件为 .env 并配置你的 Dify 信息：

cp .env.example .env

编辑 .env 文件：

# Dify 配置
DIFY_API_KEY=your_dify_api_key_here
DIFY_BASE_URL=https://api.dify.ai/v1
DIFY_APP_ID=your_dify_app_id_here

# MCP 服务器配置
MCP_SERVER_PORT=3000
MCP_SERVER_HOST=localhost

# 日志配置
LOG_LEVEL=info

# 工作流配置
WORKFLOW_TIMEOUT=30000
MAX_RETRY_ATTEMPTS=3

3. 构建项目

npm run build

4. 启动服务器

npm start

或者开发模式：

npm run dev

项目结构

src/
├── config/           # 配置管理
│   └── index.ts      # 环境变量和配置类
├── types/            # TypeScript 类型定义
│   └── index.ts      # Dify API 和 MCP 相关类型
├── services/         # 业务逻辑服务
│   └── difyService.ts # Dify API 服务
├── mcp/              # MCP 协议实现
│   └── server.ts     # MCP 服务器类
└── index.ts          # 应用程序入口

MCP 工具

可用工具

1. execute_workflow - 执行 Dify 工作流

   • 输入参数: inputs (对象), mode (blocking|streaming), user (可选)
   • 支持阻塞和流式两种执行模式

2. get_workflow_status - 获取工作流任务状态

   • 输入参数: taskId (字符串)

3. validate_inputs - 验证输入参数

   • 输入参数: inputs (对象)

4. get_service_status - 获取服务状态

   • 输入参数: 无

可用资源

1. dify://config - Dify 配置信息
2. dify://tools - 可用工具列表

在 Cursor 中使用

1. 安装 MCP 服务器

npm install -g dify-mcp-server

2. 配置 Cursor

在 Cursor 的 MCP 配置中添加：

{
  "mcpServers": {
    "dify": {
      "command": "dify-mcp-server",
      "env": {
        "DIFY_API_KEY": "your_dify_api_key",
        "DIFY_APP_ID": "your_dify_app_id"
      }
    }
  }
}

3. 使用示例

在 Cursor 中，你可以直接调用 Dify 工作流：

// 执行工作流
const result = await execute_workflow({
  inputs: {
    question: "什么是人工智能？",
    temperature: 0.7
  },
  mode: "blocking"
});

// 获取工作流状态
const status = await get_workflow_status({
  taskId: "task_123"
});

API 文档

DifyService

主要服务类，负责与 Dify API 交互：

const service = new DifyService();

// 连接测试
await service.connect();

// 执行工作流（阻塞模式）
const result = await service.executeWorkflowBlocking(inputs, user);

// 执行工作流（流式模式）
await service.executeWorkflowStreaming(inputs, user, onData, onError, onComplete);

// 获取工作流状态
const status = await service.getWorkflowStatus(taskId);

Config

配置管理类：

import config from './config';

// 获取配置实例
const config = Config.getInstance();

// 验证配置
if (config.validate()) {
  console.log('配置有效');
}

// 获取配置摘要
console.log(config.getSummary());

开发指南

添加新的 MCP 工具

1. 在 src/mcp/server.ts 的 defineTools() 方法中添加工具定义
2. 在 setupHandlers() 方法中添加工具处理逻辑
3. 在相应的服务类中实现业务逻辑

自定义工作流输入验证

在 DifyService.validateInputs() 方法中添加自定义验证规则：

validateInputs(inputs: Record<string, any>): { isValid: boolean; errors: string[] } {
  const errors: string[] = [];

  // 示例：验证必需字段
  if (!inputs.question) {
    errors.push('question 字段是必需的');
  }

  // 示例：验证数据类型
  if (inputs.temperature && typeof inputs.temperature !== 'number') {
    errors.push('temperature 必须是数字');
  }

  return { isValid: errors.length === 0, errors };
}

部署和发布

构建发布包

npm run build
npm pack

发布到 npm

npm login
npm publish

Docker 部署

创建 Dockerfile：

FROM node:18-alpine

WORKDIR /app

COPY package*.json ./
RUN npm install --only=production

COPY dist/ ./dist/
COPY .env.example ./

EXPOSE 3000

CMD ["node", "dist/index.js"]

构建和运行：

docker build -t dify-mcp-server .
docker run -p 3000:3000 --env-file .env dify-mcp-server

故障排除

常见问题

1. 连接 Dify 失败

   • 检查 DIFY_API_KEY 和 DIFY_APP_ID 是否正确
   • 验证网络连接和防火墙设置

2. 工作流执行失败

   • 检查输入参数格式
   • 查看 Dify 控制台的错误日志

3. MCP 协议错误

   • 确保 MCP 客户端版本兼容
   • 检查服务器日志获取详细错误信息

调试模式

设置环境变量启用详细日志：

LOG_LEVEL=debug

许可证

MIT License

贡献

欢迎提交 Issue 和 Pull Request！

更新日志

v1.0.0

• 初始版本发布
• 支持基本的 Dify 工作流执行
• 完整的 MCP 协议实现
• TypeScript 支持和类型定义