Dify工作流框架服务器搭建教程

1.安装docker

官方下载链接：https://www.docker.com/
安装好后打开docker修改一下镜像服务器。

复制这段代码到配置文件，点击保存后docker会重启

{
  "builder": {
    "gc": {
      "defaultKeepStorage": "20GB",
      "enabled": true
    }
  },
  "experimental": false,
  "features": {
    "buildkit": true
  },
  "registry-mirrors": [
    "https://docker.registry.cyou",
    "https://docker-cf.registry.cyou",
    "https://dockercf.jsdelivr.fyi",
    "https://docker.jsdelivr.fyi",
    "https://dockertest.jsdelivr.fyi",
    "https://mirror.aliyuncs.com",
    "https://dockerproxy.com",
    "https://mirror.baidubce.com",
    "https://docker.m.daocloud.io",
    "https://docker.nju.edu.cn",
    "https://docker.mirrors.sjtug.sjtu.edu.cn",
    "https://docker.mirrors.ustc.edu.cn",
    "https://mirror.iscas.ac.cn",
    "https://docker.rainbond.cc"
  ]
}

window用户下载git 工具

https://git-scm.com/downloads
下载安装后，会得到几个git工具，我们打开git bash窗口

下载dify，

直接用git下载最新的dify版本（我目前用的1.6.0），原本下了1.8.1但是不知道是不是镜像问题无法部署所以切到了1.6.0版本

国外github路径：git clone https://github.com/langgenius/dify.git 这个需要点技术才可以拉到
国内镜像： git clone https://gitcode.com/GitHub_Trending/di/dify.git

重点重点！！！！！！！！！！！！，一定要把.env.exanple文件改名把后面的.example删掉，否则就无法启动

进入到docker文件夹路径，执行部署启动服务器

docker compose -p dify up -d

当指令执行成功之后就会显示如下

此时我们就可以直接访问127.0.0.1进入我们的dify服务器了
首先就是创建我们的用户名

Dify导入LLM AI模型

没有LLM的可以先安装LLM工具，然后下载自己喜欢的AI模型
我这里已经部署好LLM了

进入dify设置页面配置LM STUDIO里面的模型

等

填写的模型名字要一致，然后http地址复制后后面需要加/v1
sss
成功配置好模型之后就可以使用了

接下来我们创建一个agent应用

现在我们的mcp工具为空的

编写MCP工具接口

接下来我们开始编写第一个mcp工具
1.初始化python环境，安装fastmcp工具

from fastmcp import FastMCP

# 初始化FastMCP服务器
mcp = FastMCP("MyServer",host="172.22.16.1", port=8000)

# 注册工具函数
@mcp.tool
def get_wether(city: str) -> str:
    '''
    :param city 城市
    :return 返回天气信息
    '''
    return f"16度!"


mcp.run(transport="sse")

DIFY导入MCP工具

添加成功后就会出现在这里

然后还有就是刚刚代码部分，注释部分并非无用在python运行时候mcp.tool会自动转成注释


所以这里要注意就是我们的函数命名规则，还有注释，需要让Agent易懂的语言
现在回到刚刚创建的agent 里面就可以看到可以添加的mcp工具了，我们添加全部就行

我们测试一下是否可以，直接问题大模型问题他就会自己选择工具了

{"get_wether": "深圳"}

调用get_wether，传入参数深圳，到目前为止基础的功能就实现了，后续如果想要更多的API也可以自己自行实现，例如数据查询，爬虫，编辑文件，查询文件，智能家居控制等