Serveur Dify MCP

À quoi sert le serveur « dify » MCP ?

Le serveur dify MCP (Model Context Protocol) est une passerelle qui connecte les assistants IA aux workflows Dify, leur permettant d’interagir avec des sources de données, des API et des services externes. En exposant les outils de workflow Dify via l’interface MCP, ce serveur autorise les agents IA à déclencher et gérer les workflows Dify de façon programmatique. Cela enrichit les workflows de développement en autorisant les systèmes IA à interroger des bases de données, gérer des fichiers ou interagir avec des API en utilisant Dify comme backend. Le serveur accepte une configuration via variables d’environnement ou fichiers YAML, ce qui le rend adaptable à la fois pour le cloud et les environnements locaux.

Liste des prompts

Aucune information fournie sur les modèles de prompt dans le dépôt.

Liste des ressources

Aucune ressource explicite documentée dans le dépôt ou le README.

Liste des outils

Aucune liste explicite d’outils trouvée dans le dépôt ou le README. Il est fait mention des « outils du MCP » mais sans nom ou description spécifique.

Cas d’usage de ce serveur MCP

• Orchestration de workflows : Permet aux agents IA de déclencher et contrôler à distance des workflows Dify, automatisant des processus métier ou de développement complexes.
• Intégration d’API : Facilite la connexion entre systèmes IA et services externes via Dify, permettant des appels API et des récupérations de données sans friction.
• Accès aux workflows cloud : Simplifie la connexion des workflows Dify hébergés dans le cloud à des clients compatibles MCP, améliorant évolutivité et accessibilité.
• Configuration basée sur l’environnement : Prend en charge la configuration par variables d’environnement et YAML, adaptée aux déploiements locaux comme cloud.
• Gestion centralisée des workflows : Permet la gestion et l’appel de plusieurs workflows Dify depuis une seule instance du serveur MCP pour des opérations simplifiées.

Comment le configurer

Windsurf

1. Vérifiez que les prérequis comme Node.js et uvx/uv sont installés.

2. Préparez la configuration via les variables d’environnement ou un fichier YAML.

3. Ajoutez le serveur Dify MCP à votre configuration :

   {
     "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"
         }
       }
     }
   }
   

4. Sauvegardez et redémarrez Windsurf.

5. Vérifiez que le serveur fonctionne et que les workflows sont accessibles.

Claude

1. Installez uvx ou uv et configurez les variables d’environnement ou un fichier de config.

2. Ajoutez la configuration suivante au client Claude MCP :

   {
     "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"
         }
       }
     }
   }
   

3. Sauvegardez, redémarrez et vérifiez la configuration.

Cursor

1. Vérifiez que uvx/uv est installé et que les variables d’environnement sont définies ou préparez un config.yaml.

2. Insérez la configuration du serveur dans la config MCP de Cursor :

   {
     "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"
         }
       }
     }
   }
   

3. Sauvegardez et redémarrez Cursor.

4. Confirmez le fonctionnement du serveur.

Cline

1. Installez uvx/uv et configurez les variables d’environnement ou fournissez un config.yaml.

2. Ajoutez le serveur Dify MCP à la configuration MCP :

   {
     "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"
         }
       }
     }
   }
   

3. Sauvegardez et redémarrez Cline.

4. Vérifiez que les workflows Dify sont accessibles.

Sécurisation des clés API

Utilisez toujours des variables d’environnement pour stocker les données sensibles comme les clés API. Exemple de configuration :

{
  "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": "${DIFY_APP_SKS}"  // Utilisez la variable d’environnement système
      }
    }
  }
}

Comment utiliser ce MCP dans les flows

Utilisation de MCP dans FlowHunt

Pour intégrer des serveurs MCP dans votre workflow FlowHunt, commencez par ajouter le composant MCP à votre flow et connectez-le à votre agent IA :

Cliquez sur le composant MCP pour ouvrir le panneau de configuration. Dans la section de configuration système MCP, insérez les détails de votre serveur MCP en utilisant ce format JSON :

{
  "dify-mcp-server": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Une fois la configuration terminée, l’agent IA pourra utiliser ce MCP comme un outil avec accès à toutes ses fonctions et capacités. N’oubliez pas de remplacer “dify-mcp-server” par le vrai nom de votre serveur MCP et de mettre l’URL de votre propre serveur MCP.

Vue d’ensemble

D’après les informations disponibles, ce serveur MCP offre une intégration basique mais robuste des workflows Dify dans les plateformes compatibles MCP. Cependant, la documentation concernant les prompts, ressources et outils est absente, ce qui limite son usage pour les interactions LLM avancées ou standardisées.

Notre avis

Score MCP : 4/10.
Le dify-mcp-server est facile à configurer et propose un vrai support cloud/local, mais il manque de documentation sur les prompts, ressources et outils, ce qui limite son utilité MCP à plus grande échelle.

Score MCP