Dify MCP Server

Co robi serwer MCP “dify”?

dify MCP (Model Context Protocol) Server to most łączący asystentów AI z workflow Dify, umożliwiający im interakcję z zewnętrznymi źródłami danych, API i usługami. Udostępniając narzędzia workflow Dify poprzez interfejs MCP, serwer pozwala agentom AI wywoływać i zarządzać workflow Dify programowo. Usprawnia to prace deweloperskie, umożliwiając systemom AI zapytania do baz danych, zarządzanie plikami czy interakcje z API z wykorzystaniem Dify jako backendu. Serwer obsługuje konfigurację przez zmienne środowiskowe lub pliki YAML, co sprawia, że nadaje się zarówno do chmury, jak i środowisk lokalnych.

Lista promptów

Brak informacji o szablonach promptów w repozytorium.

Lista zasobów

Brak jawnych zasobów udokumentowanych w repozytorium ani pliku README.

Lista narzędzi

Nie znaleziono jawnej listy narzędzi w repozytorium lub README. Jest odniesienie do “narzędzi MCP”, ale nie podano konkretnych nazw ani opisów.

Przykładowe zastosowania tego serwera MCP

• Orkiestracja workflow: Umożliwia agentom AI zdalne wywoływanie i kontrolowanie workflow Dify, automatyzując złożone procesy biznesowe lub deweloperskie.
• Integracja API: Ułatwia połączenie systemów AI z zewnętrznymi usługami przez Dify, umożliwiając płynne wywołania API i pobieranie danych.
• Dostęp do workflow w chmurze: Pozwala łatwo połączyć workflow Dify utrzymywane w chmurze z klientami kompatybilnymi z MCP, poprawiając skalowalność i dostępność.
• Konfiguracja środowiskowa: Wspiera zarówno zmienne środowiskowe, jak i pliki YAML, umożliwiając wdrożenia lokalne i w chmurze.
• Centralne zarządzanie workflow: Pozwala zarządzać i wywoływać wiele workflow Dify z jednej instancji serwera MCP, usprawniając operacje.

Jak skonfigurować

Windsurf

1. Upewnij się, że masz zainstalowane Node.js oraz uvx/uv.

2. Przygotuj konfigurację przez zmienne środowiskowe lub plik YAML.

3. Dodaj Dify MCP Server do swojej konfiguracji:

   {
     "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. Zapisz i zrestartuj Windsurf.

5. Zweryfikuj, że serwer działa i workflow są dostępne.

Claude

1. Zainstaluj uvx lub uv i ustaw zmienne środowiskowe lub plik konfiguracyjny.

2. Dodaj poniższą konfigurację do klienta 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. Zapisz, zrestartuj i sprawdź konfigurację.

Cursor

1. Upewnij się, że uvx/uv jest zainstalowane oraz ustawione są zmienne środowiskowe lub przygotowany jest config.yaml.

2. Wstaw konfigurację serwera do pliku MCP 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. Zapisz i zrestartuj Cursor.

4. Potwierdź działanie serwera.

Cline

1. Zainstaluj uvx/uv i ustaw zmienne środowiskowe lub dostarcz config.yaml.

2. Dodaj Dify MCP Server do konfiguracji 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. Zapisz i zrestartuj Cline.

4. Sprawdź, czy workflow Dify są dostępne.

Zabezpieczenie kluczy API

Zawsze przechowuj wrażliwe dane, takie jak klucze API, w zmiennych środowiskowych. Przykładowa konfiguracja:

{
  "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}"  // Użyj zmiennej środowiskowej systemu
      }
    }
  }
}

Jak korzystać z MCP w flow

Korzystanie z MCP w FlowHunt

Aby zintegrować serwery MCP z workflow w FlowHunt, zacznij od dodania komponentu MCP do swojego flow i połącz go z agentem AI:

Kliknij na komponent MCP, aby otworzyć panel konfiguracji. W sekcji konfiguracji systemu MCP wstaw dane swojego serwera MCP w poniższym formacie JSON:

{
  "dify-mcp-server": {
    "transport": "streamable_http",
    "url": "https://twojserwermcp.przyklad/sciezka/do/mcp/url"
  }
}

Po skonfigurowaniu agent AI będzie mógł korzystać z tego MCP jako narzędzia ze wszystkimi jego funkcjami i możliwościami. Pamiętaj, aby zmienić “dify-mcp-server” na faktyczną nazwę swojego serwera MCP oraz podmienić URL na własny adres serwera MCP.

Przegląd

Na podstawie dostępnych informacji ten serwer MCP oferuje podstawową, ale solidną integrację workflow Dify z platformami obsługującymi MCP. Jednak brak dokumentacji dotyczącej promptów, zasobów i narzędzi obniża jego użyteczność dla zaawansowanych lub standardowych interakcji LLM.

Nasza opinia

Ocena MCP: 4/10.
dify-mcp-server jest łatwy w konfiguracji i oferuje dobre wsparcie dla konfiguracji w chmurze/lokalnie, ale brak dokumentacji dotyczącej promptów, zasobów i możliwości narzędzi ogranicza jego użyteczność w szerszym kontekście MCP.

Ocena MCP