Servidor Dify MCP

O que faz o Servidor “dify” MCP?

O dify MCP (Model Context Protocol) Server é uma ponte que conecta assistentes de IA com fluxos de trabalho Dify, permitindo que eles interajam com fontes de dados externas, APIs e serviços. Ao expor ferramentas de fluxo de trabalho Dify através da interface MCP, este servidor permite que agentes de IA disparem e gerenciem fluxos de trabalho Dify de forma programática. Isso aprimora fluxos de desenvolvimento ao permitir que sistemas de IA consultem bancos de dados, gerenciem arquivos ou interajam com APIs usando o Dify como backend. O servidor suporta configuração via variáveis de ambiente ou arquivos YAML, tornando-o adaptável tanto para ambientes em nuvem quanto locais.

Lista de Prompts

Nenhuma informação fornecida sobre modelos de prompt no repositório.

Lista de Recursos

Nenhum recurso explícito documentado no repositório ou README.

Lista de Ferramentas

Nenhuma lista explícita de ferramentas encontrada no repositório ou README. Há referência a “ferramentas do MCP”, mas nenhum nome ou descrição específica é fornecido.

Casos de Uso deste Servidor MCP

• Orquestração de Fluxos de Trabalho: Permite que agentes de IA disparem e controlem fluxos de trabalho Dify remotamente, automatizando processos de negócios ou desenvolvimento complexos.
• Integração de API: Facilita a conexão entre sistemas de IA e serviços externos via Dify, permitindo chamadas de API e recuperação de dados de forma transparente.
• Acesso a Fluxos em Nuvem: Facilita a conexão de fluxos Dify hospedados em nuvem a clientes compatíveis com MCP, melhorando escalabilidade e acesso.
• Configuração Baseada em Ambiente: Suporta tanto variáveis de ambiente quanto configuração via YAML, tornando-o adequado para implantações locais e em nuvem.
• Gestão Centralizada de Fluxos: Permite o gerenciamento e a invocação de múltiplos fluxos Dify a partir de uma única instância do servidor MCP para operações otimizadas.

Como configurar

Windsurf

1. Certifique-se de que pré-requisitos como Node.js e uvx/uv estejam instalados.

2. Prepare a configuração via variáveis de ambiente ou um arquivo YAML.

3. Adicione o Servidor Dify MCP à sua configuração:

   {
     "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. Salve e reinicie o Windsurf.

5. Verifique se o servidor está rodando e os fluxos de trabalho estão acessíveis.

Claude

1. Instale uvx ou uv e configure variáveis de ambiente ou um arquivo de configuração.

2. Adicione a seguinte configuração ao cliente Claude MCP:

   {
     "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. Salve, reinicie e verifique a configuração.

Cursor

1. Certifique-se de que uvx/uv esteja instalado e as variáveis de ambiente estejam configuradas ou o config.yaml esteja preparado.

2. Insira a configuração do servidor no config MCP do Cursor:

   {
     "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. Salve e reinicie o Cursor.

4. Confirme a operação do servidor.

Cline

1. Instale uvx/uv e configure variáveis de ambiente ou forneça um config.yaml.

2. Adicione o Servidor Dify MCP na configuração MCP:

   {
     "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. Salve e reinicie o Cline.

4. Verifique se os fluxos Dify estão acessíveis.

Protegendo Chaves de API

Sempre use variáveis de ambiente para armazenar dados sensíveis como chaves de API. Exemplo de configuração:

{
  "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}"  // Use variável de ambiente do sistema
      }
    }
  }
}

Como usar este MCP em fluxos

Usando MCP no FlowHunt

Para integrar servidores MCP no seu fluxo de trabalho FlowHunt, comece adicionando o componente MCP ao seu fluxo e conectando-o ao seu agente de IA:

Clique no componente MCP para abrir o painel de configuração. Na seção de configuração do sistema MCP, insira os detalhes do seu servidor MCP usando este formato JSON:

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

Após configurado, o agente de IA poderá usar este MCP como ferramenta com acesso a todas as suas funções e capacidades. Lembre-se de trocar “dify-mcp-server” pelo nome real do seu servidor MCP e de substituir a URL pela URL do seu servidor MCP.

Visão Geral

Com base nas informações disponíveis, este servidor MCP oferece integração básica, porém robusta, de fluxos Dify em plataformas compatíveis com MCP. Contudo, a documentação sobre prompts, recursos e ferramentas está ausente, o que reduz a usabilidade para interações LLM avançadas ou padronizadas.

Nossa opinião

Pontuação MCP: 4/10.
O dify-mcp-server é fácil de configurar e oferece bom suporte para configurações em nuvem/local, mas falta documentação sobre prompts, recursos e capacidades de ferramentas, o que limita sua utilidade mais ampla em MCP.

Pontuação MCP