Dify中MCP协议实战，如何实现？

目录MCP 是什么Dify 作为 Client：调用外部 MCP 工具搭建 MCP 天气服务端在 Dify 中接入“天气感知”能力Dify 作为 Server：被外部应用调用搭建“翻译专家”工作流启用 MCP 服务在外部 AI 应用中调用 在之前的博客中已经介绍了 MCP 的概念，以及在 LangChain 中如何使用 MCP 协议。今天这篇博客，将带大家实战如何在 Dify 中实现 MCP 场景。在开始正式的内容前，还是先简单的介绍一下 MCP。 MCP 是什么 想象一下，你想要构建一个超级 AI 助手，它不仅能陪你聊天，还能帮你查询实时天气、读取本地数据库里的库存信息等。为了实现这些功能，在过去，你需要为每一个外部工具编写特定的“适配器”。AI 模型本该是通用的智能大脑，但连接外部世界（工具和数据）的方式却极其割裂和破碎，需要花费大量时间在“对齐接口”这种低效的重复劳动上，MCP 协议应运而生。可以把 MCP 想象成 AI 世界的 USB 接口。USB 的出现改变了一切，它提供了一个统一的标准：无论你是鼠标、键盘还是 U 盘，只要符合 USB 协议，插上就能用。MCP 就是要成为 AI 与外部数据/工具连接的 USB 标准。它将世界分成了两端： Host (主机端)：需要使用工具的 AI 应用，比如 Claude Desktop 客户端、Dify。 Server (服务端)：提供特定能力的工具，比如一个能查天气的 Python 脚本，或者一个连接 MySQL 数据库的服务。 只要 Host 和 Server 都支持 MCP 协议，它们就能瞬间“握手”成功，Host 能够自动理解 Server 提供了什么工具，需要什么参数，而无需人工再去编写复杂的接口定义。 Dify 在 MCP 的生态中，它既可以是“插U盘的主机”，也可以是“被别人插的U盘”。 Dify 作为 Client (主机端)：调用外部能力。 Dify 作为 Server (服务端)：暴露自身能力。 这可能是更有趣的一点，比如在 Dify 里精心编排了一个复杂的工作流，这个工作流本身可以被封装成一个标准的 MCP 工具。这意味着，在其他 AI 应用中，可以直接调用在 Dify 里搭建好的这个强大的 Agent。 Dify 作为 Client：调用外部 MCP 工具 在这一部分，想让 Dify 的 AI 助手拥有“感知”当下天气的能力，而不是在那胡诌过去的训练数据。即将 Dify 作为一个“主机”，让它去连接一个 MCP Server。 搭建 MCP 天气服务端 首先，需要一个能够“说” MCP 协议的服务端。这里用到了 Python 的 mcp 库。 pip install mcp httpx 创建一个 Python 文件 weather_server.py 实现天气查询的 MCP 服务，不需要手写复杂的协议握手代码，只需要用几个简单的装饰器即可。使用免费的 Open-Meteo API 进行天气查询。 import httpx from mcp.server.fastmcp import FastMCP # 初始化 FastMCP 服务器 mcp = FastMCP("Weather Service", host="0.0.0.0", port=8000) async def _get_lat_long(city_name: str): """ 内部辅助函数：使用 Open-Meteo Geocoding API 将城市名称转换为经纬度。