Dify MCP 服务器

“dify” MCP 服务器能做什么？

dify MCP（模型上下文协议）服务器作为桥梁，将 AI 助手与 Dify 工作流连接起来，使其能够与外部数据源、API 和服务交互。通过 MCP 接口暴露 Dify 工作流工具，服务器使 AI Agent 能以编程方式触发和管理 Dify 工作流。这提升了开发流程，允许 AI 系统用 Dify 作为后端，查询数据库、管理文件或对接 API。服务器支持通过环境变量或 YAML 文件进行配置，适用于云端和本地部署场景。

提示模板列表

仓库中未提供关于提示模板的信息。

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

资源列表

仓库或 README 未明确记录资源信息。

工具列表

仓库或 README 未找到明确的工具清单，仅提及 “MCP 的工具”，但未给出具体名称或描述。

加入我们的新闻通讯

免费获取最新提示、趋势和优惠。

电子邮件地址

订阅

该 MCP 服务器的应用场景

• 工作流编排：让 AI Agent 可远程触发和控制 Dify 工作流，实现复杂业务或开发流程自动化。
• API 集成：通过 Dify 连接 AI 系统与外部服务，实现无缝 API 调用与数据获取。
• 云端工作流访问：便于将托管于云端的 Dify 工作流连接至兼容 MCP 的客户端，提升可扩展性与可访问性。
• 基于环境的配置：支持环境变量和 YAML 配置，适用于本地和云端部署。
• 集中式工作流管理：可在单一 MCP 服务器实例中管理和调用多个 Dify 工作流，便于流程统一运维。

如何搭建

Windsurf

1. 确保已安装 Node.js 和 uvx/uv 等前置条件。

2. 通过环境变量或 YAML 文件准备配置。

3. 在你的配置中添加 Dify MCP 服务器：

   {
     "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. 保存并重启 Windsurf。

5. 验证服务器已运行且可访问相关工作流。

Claude

1. 安装 uvx 或 uv，并设置环境变量或配置文件。

2. 在 Claude MCP 客户端中添加以下配置：

   {
     "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. 保存、重启并验证配置效果。

Cursor

1. 确保已安装 uvx/uv 且环境变量已设置或准备好 config.yaml。

2. 在 Cursor 的 MCP 配置中插入服务器配置：

   {
     "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. 保存并重启 Cursor。

4. 确认服务器运行状态。

Cline

1. 安装 uvx/uv 并设置环境变量或提供 config.yaml。

2. 在 MCP 配置中添加 Dify MCP 服务器：

   {
     "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. 保存并重启 Cline。

4. 检查 Dify 工作流是否可访问。

API 密钥安全存储

请始终使用环境变量存储诸如 API 密钥等敏感数据。示例配置：

{
  "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}"  // 使用系统环境变量
      }
    }
  }
}

如何在流程中使用 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到 FlowHunt 工作流中，首先添加 MCP 组件，并将其连接到你的 AI Agent：

点击 MCP 组件，打开配置面板。在系统 MCP 配置区域，使用如下 JSON 格式填写你的 MCP 服务器信息：

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

配置完成后，AI Agent 即可将该 MCP 作为工具，访问其全部功能。请记得将 “dify-mcp-server” 替换为你实际的 MCP 服务器名称，并将 URL 替换为你自己的 MCP 服务器地址。

概览

根据现有信息，该 MCP 服务器为 Dify 工作流集成到兼容 MCP 的平台提供了基础且可靠的能力。但关于提示、资源和工具的文档缺失，降低了其在高级或标准化 LLM 场景下的可用性。

我们的看法

MCP 评分：4/10。
dify-mcp-server 上手简单，支持良好的云端/本地配置，但缺乏提示、资源和工具能力的文档，限制了其更广泛的 MCP 应用价值。

MCP 评分