小白也能学会！Dify大模型智能出行方案配置教程（收藏版）

本文通过Dify平台实例，讲解了如何配置Agent节点和FunctionCalling策略，实现AI对用户输入的智能分析并动态调用MCP工具。文章详细介绍了工作流编排步骤，包括安装Dify Agent策略插件、配置MCP工具、设置Agent策略等，并拆解了Agent模式策略的执行过程，展示了AI如何根据任务需求自主决策最佳执行路径。适合想学习大模型应用的程序小白，手把手教你开发极简AI Agent应用。

如何在 Workflow 中灵活编排 MCP 工具？

我们今天用的案例非常简单。要实现的功能是，用户可以自由跟 AI 对话，AI 调取高德 MCP 服务，提供最佳的出行方案。

为了简化演示，就只有三个节点：开始、策略和结束；

核心在于中间的 Agent 节点，配置 FunctionCalling 策略。这里的策略使得Agent 会根据用户输入的智能分析需求，动态选择并调用合适的 MCP 工具。非常适合处理复杂任务，让 AI 自主决策最佳执行路径。

一、工作流编排

---

1-Agent 策略配置

开始节点之后，选择 Agent 节点。

然后，为 Agent 节点配置 AGENT 策略。

2-安装 Dify Agent 策略插件

这里需要留意，策略插件需要到插件市场上下载和安装最新的Dify Agent 策略版本。

Agent 策略安装地址如下，我当前的版本是：0.0.23。

3-配置MCP 工具

然后，将 MCP 配置成工具列表。

这里省略了配置 MCP 工具的步骤，详细过程可以看我上一篇在 Dify 中调用高德 MCP 服务的这篇文章了解。

完成配置后，可以看到这里的工具箱是满的。

接下来，把几个核心的重要配置项做一下说明。

Dify 官方内置的 Function Calling 策略的配置项包括：

1. 1. 模型： 选择驱动 Agent 的大语言模型。本次案例选择的是 Qwen235B。

2. 2. 工具： 工具的使用方式由 Agent 策略定义，点击 ”+” 添加并配置 Agent 可调用的工具。前面演示的是配置 MCP 为工具。

3. 3. 指令： 定义 Agent 的任务目标和上下文。支持使用 Jinja 语法引用上游节点变量。

4. 4. 查询： 接收用户输入。

5. 5. 最大迭代次数： 设定 Agent 的最大执行步数。可以默认。

6. 6. 输出变量： 提示节点输出的数据结构。如果对输出格式没有要求，也可以默认。

我的配置参考如下：

4-添加结束节点

最后，添加一个结束节点，引用：Agent 输出的 text。

OK，测试一下。

5-效果测试

输入：

佛山千灯湖地铁站到磨碟沙地铁站的路线

我看一下执行情况：

二、Dify 的 Agent 模式策略拆解

---

我们详细拆解一下策略节点发生了什么事情。从历史执行记录中，我们可以调取Agent 策略。

为了方便大家理解，我整理了一下整个 Agent 策略过程，发生了什么。大概是这样的 4 个步骤。

1-流程起点：【任务理解】

Agent借助自然语言理解，把“佛山千灯湖地铁站 → 磨碟沙地铁站怎么走？”这句模糊提问，精准转化为内部可执行目标：“规划从佛山千灯湖地铁站到广州磨碟沙地铁站的公共交通路线。”

2-核心中枢：【思考规划】

先获取两站坐标与城市归属 再用跨城公共交通规划工具计算路线 最终生成清晰换乘方案

3-能力执行：【工具调用】

第 1 次调用 maps_geo：解析“佛山千灯湖地铁站” → 坐标 + 佛山 第 2 次调用 maps_geo：解析“磨碟沙地铁站” → 坐标 + 广州

第 3 次调用 maps_direction_transit_integrated：输入两组坐标与城市，返回地铁/公交换乘方案

4-闭环终点：【结果反馈】

Agent整合三次调用结果，输出： “佛山千灯湖站 → 广州磨碟沙站：先乘广佛线至西塱站，换乘广州 8 号线至磨碟沙站，全程约 55 分钟。”

这样的策略，足够 AI 能够根据任务情况，自行规划和判断任务的执行情况。

好了，在 Dify 中手搓一个极简的 AIAgent 应用已经完成了。

我们可以看到在 Agent 策略和 MCP 工具的支持下，我们就能进行各种各样 AIAgent 应用的开发了！

## 最后

近期科技圈传来重磅消息：行业巨头英特尔宣布大规模裁员2万人，传统技术岗位持续萎缩的同时，另一番景象却在AI领域上演——AI相关技术岗正开启“疯狂扩招”模式！据行业招聘数据显示，具备3-5年大模型相关经验的开发者，在大厂就能拿到50K×20薪的高薪待遇，薪资差距肉眼可见！

业内资深HR预判：不出1年，“具备AI项目实战经验”将正式成为技术岗投递的硬性门槛。在行业迭代加速的当下，“温水煮青蛙”式的等待只会让自己逐渐被淘汰，与其被动应对，不如主动出击，抢先掌握AI大模型核心原理+落地应用技术+项目实操经验，借行业风口实现职业翻盘！

深知技术人入门大模型时容易走弯路，我特意整理了一套全网最全最细的大模型零基础学习礼包，涵盖入门思维导图、经典书籍手册、从入门到进阶的实战视频、可直接运行的项目源码等核心内容。这份资料无需付费，免费分享给所有想入局AI大模型的朋友！

👇👇扫码免费领取全部内容👇👇

部分资料展示

1、 AI大模型学习路线图

2、 全套AI大模型应用开发视频教程

从入门到进阶这里都有，跟着老师学习事半功倍。

3、 大模型学习书籍&文档

4、 AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5、大模型大厂面试真题

整理了百度、阿里、字节等企业近三年的AI大模型岗位面试题，涵盖基础理论、技术实操、项目经验等维度，每道题都配有详细解析和答题思路，帮你针对性提升面试竞争力。

6、大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

• 👇👇扫码免费领取全部内容👇👇

这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】