超實用！Dify快速接入本地MCP服務
Dify 可以通過插件實現 MCP 服務調用，而被調用的 MCP 服務基本可以分為以下兩類：
- 通用 MCP 服務（非本地 MCP 服務）。
- 本地 MCP 服務。
本地 MCP 服務指的是本地通過 Java 或其他語言實現的 MCP 服務器端。
當你會用 Dify 調用本地 MCP 服務，也就意味著你會使用 Dify 調用通用 MCP 服務了，因為實現步驟和原理基本都是一樣。
一、什么是MCP？
MCP 是 Model Context Protocol，模型上下文協議，它是由 Anthropic（Claude 大模型母公司）提出的開放協議，用于大模型連接外部“數據源”的一種協議。
它可以通俗的理解為 Java 界的 Spring Cloud Openfeign，只不過 Openfeign 是用于微服務通訊的，而 MCP 用于大模型通訊的，但它們都是為了通訊獲取某項數據的一種機制，如下圖所示：
圖片
二、為什么需要MCP？
MCP 存在的意義是它解決了大模型時代最關鍵的三個問題：數據孤島、開發低效和生態碎片化等問題。
1.打破數據孤島，讓AI“連接萬物”
大模型本身無法直接訪問實時數據或本地資源（如數據庫、文件系統），傳統方式需要手動復制粘貼或定制接口。MCP 通過標準化協議，讓大模型像“插USB”一樣直接調用外部工具和數據源，例如：
- 查天氣時自動調用氣象 API，無需手動輸入數據。
- 分析企業數據時直接連接內部數據庫，避免信息割裂。
2.降低開發成本，一次適配所有場景
在之前每個大模型（如 DeepSeek、ChatGPT）需要為每個工具單獨開發接口（Function Calling），導致重復勞動，MCP 通過統一協議：
- 開發者只需寫一次 MCP 服務端，所有兼容 MCP 的模型都能調用。
- 用戶無需關心技術細節，大模型可直接操作本地文件、設計軟件等。
3.提升安全性與互操作性
- 安全性：MCP 內置權限控制和加密機制，比直接開放數據庫更安全。
- 生態統一：類似 USB 接口，MCP 讓不同廠商的工具能“即插即用”，避免生態分裂。
4.推動AIAgent的進化
MCP 讓大模型從“被動應答”變為“主動調用工具”，例如：
- 自動抓取網頁新聞補充實時知識。
- 打開 Idea 編寫一個“Hello World”的代碼。
MCP 的誕生，相當于為AI世界建立了“通用語言”，讓模型、數據和工具能高效協作，最終釋放大模型的全部潛力。
三、MCP組成和執行流程
MCP 架構分為以下 3 部分：
- 客戶端：大模型應用（如 DeepSeek、ChatGPT）發起 MCP 協議請求。
- 服務器端：服務器端響應客戶端的請求，并查詢自己的業務實現請求處理和結果返回。
運行流程：
- 用戶提問 LLM。
- LLM 查詢 MCP 服務列表。
- 找到需要調用 MCP 服務，調用 MCP 服務器端。
- MCP 服務器接收到指令。
- 調用對應工具（如數據庫）執行。
- 返回結果給 LLM。
四、編寫本地MCP服務
接下來，我們使用 Spring AI 來實現本地 MCP 服務器端，它的主要實現步驟如下：
- 添加 MCP Server 依賴。
- 設置 MCP 配置信息。
- 編寫 MCP Server 服務代碼。
- 將 MCP Server 進行暴露設置。
關鍵實現代碼如下。
4.1 添加 MCP Server 依賴
<dependencies>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-mcp-server-webflux</artifactId>
</dependency>
</dependencies>
<repositories>
<repository>
<name>Central Portal Snapshots</name>
<id>central-portal-snapshots</id>
<url>https://central.sonatype.com/repository/maven-snapshots/</url>
<releases>
<enabled>false</enabled>
</releases>
<snapshots>
<enabled>true</enabled>
</snapshots>
</repository>
<repository>
<id>spring-milestones</id>
<name>Spring Milestones</name>
<url>https://repo.spring.io/milestone</url>
<snapshots>
<enabled>false</enabled>
</snapshots>
</repository>
<repository>
<id>spring-snapshots</id>
<name>Spring Snapshots</name>
<url>https://repo.spring.io/snapshot</url>
<releases>
<enabled>false</enabled>
</releases>
</repository>
</repositories>MCP Server 依賴有三種類型：
- 標準輸入/輸出 （STDIO）：spring-ai-starter-mcp-server
- Spring MVC****（服務器發送的事件）：spring-ai-starter-mcp-server-webmvc
- Spring WebFlux（響應式 SSE）：spring-ai-starter-mcp-server-webflux
4.2 設置 MCP 配置信息
MCP Server 包含以下配置信息：
配置項 | 描述 | 默認值 |
enabled | 啟用/禁用 MCP 服務器 | TRUE |
stdio | 啟用/禁用 stdio 傳輸 | FALSE |
name | 用于標識的服務器名稱 | mcp-server |
version | 服務器版本 | 1.0.0 |
type | 服務器類型 （SYNC/ASYNC） | SYNC |
resource-change-notification | 啟用資源更改通知 | TRUE |
prompt-change-notification | 啟用提示更改通知 | TRUE |
tool-change-notification | 啟用工具更改通知 | TRUE |
tool-response-mime-type | （可選）每個工具名稱的響應 MIME 類型。例如，將 mime 類型與工具名稱相關聯spring.ai.mcp.server.tool-response-mime-type.generateImage=image/pngimage/pnggenerateImage() | - |
sse-message-endpoint | Web 傳輸的 SSE 終端節點路徑 | /mcp/message |
其中 MCP Server 又分為以下兩種類型。
服務器類型
- 同步服務器：默認服務器類型，它專為應用程序中的簡單請求-響應模式而設計。要啟用此服務器類型，請在您的配置中設置。 激活后，它會自動處理同步工具規格的配置，spring.ai.mcp.server.type=SYNC。
- 異步服務器：異步服務器實現使用非阻塞作并針對非阻塞作進行了優化。要啟用此服務器類型，請使用配置您的應用程序。此服務器類型會自動設置具有內置 Project Reactor 支持的異步工具規范，spring.ai.mcp.server.type=ASYNC。
4.3 編寫MCPServer服務代碼
編寫天氣預報查詢偽代碼：
import org.springframework.ai.tool.annotation.Tool;
import org.springframework.stereotype.Service;
import java.util.Map;
@Service
publicclass WeatherService {
@Tool(description = "根據城市名稱獲取天氣預報")
public String getWeatherByCity(String city) {
Map<String, String> mockData = Map.of(
"西安", "晴天",
"北京", "小雨",
"上海", "大雨"
);
return mockData.getOrDefault(city, "抱歉：未查詢到對應城市！");
}
}4.4 將服務暴露出去
@Bean
public ToolCallbackProvider weatherTools(WeatherService weatherService) {
return MethodToolCallbackProvider.builder().toolObjects(weatherService).build();
}這樣 MCP Server 就編寫完成了。
5.Dify調用本地MCP
Dify 調用 MCP 主要步驟如下：
- 安裝 MCP 插件。
- 配置 MCP 服務 HTTP 地址。
- 配置 Agent 相關信息。
- 運行測試。
具體配置如下。
5.1 安裝 MCP 插件
安裝 Agent 策略（支持 MCP 工具）如下圖所示：
圖片
“
MCP SSE 選裝，非必須，可以為后續 Agent 提供 MCP 工具列表，方便 LLM 正確理解和調用工具。
5.2 配置 MCP 服務地址
Dify 只支持 HTTP 協議的 MCP 服務調用，它的配置格式如下：
{
"server_name1": {
"transport": "sse",
"url": "http://127.0.0.1:8000/sse",
"headers": {},
"timeout": 50,
"sse_read_timeout": 50
},
"server_name2": {
"transport": "sse",
"url": "http://127.0.0.1:8001/sse"
},
"server_name3": {
"transport": "streamable_http",
"url": "http://127.0.0.1:8002/mcp",
"headers": {},
"timeout": 50
},
"server_name4": {
"transport": "streamable_http",
"url": "http://127.0.0.1:8003/mcp"
}
}支持配置多個 MCP 服務，或者是以下 JSON 格式也支持：
{
"mcpServers": {
"server_name1": {
"transport": "sse",
"url": "http://127.0.0.1:8000/sse",
"headers": {},
"timeout": 50,
"sse_read_timeout": 50
},
"server_name2": {
"transport": "sse",
"url": "http://127.0.0.1:8001/sse"
},
"server_name3": {
"transport": "streamable_http",
"url": "http://127.0.0.1:8002/mcp",
"headers": {},
"timeout": 50
},
"server_name4": {
"transport": "streamable_http",
"url": "http://127.0.0.1:8003/mcp"
}
}
}5.3 配置 Agent
Agent 需要配置的項目比較多，首先是 Agent 策略：
圖片
圖片
然后是 LLM，選擇合適的大模型即可，之后配置 MCP 工具和 HTTP 地址，如下圖所示：
圖片
之后配置指令和查詢問題：
圖片
5.4 測試 MCP 調用
我們創建的是一個 ChatFlow，執行效果如下：
圖片
執行符合預期。
小結
Dify 調用 MCP 服務主要依靠的是 HTTP 地址和 MCP 協議，對于用戶來說他面向的是大模型，對于程序來說是大模型調用了 MCP 服務，所以大模型端也就是 MCP 的客戶端。我們會調用本地 MCP 服務了，那么問題來了，如何調用通用的 MCP 服務呢？
