Dify+MCP 组合拳:彻底根治 Excel 上传知识库回答数据不准的难题!

大家可能已经对MCP有一定的了解了!

今天,带大家写一个通信方式为SSE的MCP服务器,让你的Dify拥有自主查询数据库的能力!

一、基本流程

我们通过在自然语言与AI交互,

null

一、安装MySql

本步骤安装Mysql,如果电脑已经安装有Mysql或者服务器部署有Mysql,本步骤可跳过

一)下载

由于Mysql的下载安装比较繁琐,按照我的风格,我又把他做成了一键安装包,只需点击安装即可自动安装,老规矩,我把MySql一键安装包下载链接放到了同名工众号上,维信搜索工众号:阿坡RPA,回复关键字:mysql,链接自动掉落。

二)安装

解压下载好的一键安装包后,安装步骤:

① 双击根目录内的 MySql管理工具.exe

② 点击安装 按钮即可等待安装完成

③ 复制mysql账号密码

④ 在navicat内填写好账号密码(公众号内回复 navicat 获下载连接)

⑤ 点击左侧测试连接

出现成功确认框,表示成功安装了MySql,接下来即可开始后面的操作了

null

二、把数据导入MySql

一)创建数据库

img

二)导入数据表

注意:导入sql文件测试数据,在下载mysql的网盘内获取

null

null

三、安装并启动MCP服务

下载mysql-mcp-server源码,这是一个github项目的源码,原github地址是:https://github.com/mangooer/mysql-mcp-server-sse

我已经下载好放在同一个网盘里,请根据文章开头获取方式获取,下打开载好的项目源码,进入源码目录:

一)初始化源码项目为uv项目

输出指令:

# 初始化uv init

null

二)创建虚拟环境

# 创建虚拟环境uv venv

null

三)激活虚拟环境

.venv\Scripts\activate

null

四)安装项目依赖

uv pip install -r .\requirements.txt        

null

五)数据库配置

在项目的env 文件内配置前面获取到的mysql账户密码及地址

null

六)运行server

本项目会开启一个 SSE 通信方式的MCP服务,方便AI通过url远程调用本服务

uv run -m src.server

可以看到,MCP服务运行在了 3000 端口,请记住该端口号,后面配置Dify工作流会用到

null

四、Dify工作流调用MCP服务

一)安装插件

安装 MCP Agent策略 MCP SSE 插件,以供后面使用

null

二)创建对话工作流应用

null

三)开始节点

开始节点什么都不用填写,默认使用输入框的内容 sys.query 作为输入参数

null

四)Agent策略节点

1、选择策略工具

选择刚才下载的 MCP Agent 策略作为意图识别的工具,他会自主来决策,该选择调用工具列表中的哪个工具执行任务

null

2、选择AI模型

null

3、添加工具

① 点击添加工具

② 选择前面安装的插件工具

获取MCP工具列表,调用MCP工具,两个都要选择,此处仅以第一个为例,第二个操作步骤一样

③ 点击工具授权

④ 填写MCP的SSE服务配置

此处填写的信息就用到了前面启动MCP服务时我提到的端口号 3000

{  "mysql-server": {    "url": "http://host.docker.internal:3000/sse",    "headers": {}, "timeout": 60,    "sse_read_timeout": 300  }}

null

4、启用工具

null

5、选择另一个工具

null

6、填写指令提示词

你是一名水果店员工,负责调用工具列表,查询水果表数据,水果表表结构如下:CREATE TABLE `fruits` (
  `id` int NOT NULL COMMENT 'ID',
  `name` varchar(20) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL COMMENT '水果名称',
  `price` decimal(6,2) NOT NULL COMMENT '水果价格',
  `stock` int NOT NULL COMMENT '库存',
  `origin` varchar(20) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL COMMENT '产地',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_general_ci COMMENT='水果表';

null

7、设置查询提示词

聊天输入框的值就是 sys.query

null

五)直接回复节点

null

六)测试效果

1、dify的返回结果

null

2、可以看到MCP服务控制台的打印信息

null

3、工作流的日志追踪

null

七)保存工作流

null

总结

MCP结合数据库的方案为Dify等知识库应用提供了高效、精准的结构化数据检索能力,显著提升了数据查询的准确性和灵活性,弥补了RAG的检索精度上的不足。

但是,这一方案也是有缺点的,与RAG每次只检索相关文本片段不同,MCP+数据库会真正执行SQL查询,若一次查询数据量过大,会消耗大量Token,甚至可能导致MCP客户端卡死。

在实际应用中,我们应该将两种技术结合使用,取长补短,灵活处理自己的业务场景。

如何零基础入门 / 学习AI大模型?

大模型时代,火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业?”“谁的饭碗又将不保了?”等问题热议不断。

不如成为「掌握AI工具的技术人」,毕竟AI时代,谁先尝试,谁就能占得先机!

想正式转到一些新兴的 AI 行业,不仅需要系统的学习AI大模型。同时也要跟已有的技能结合,辅助编程提效,或上手实操应用,增加自己的职场竞争力。

但是LLM相关的内容很多,现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学,学习成本和门槛很高

那么我作为一名热心肠的互联网老兵,我意识到有很多经验和知识值得分享给大家,希望可以帮助到更多学习大模型的人!至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

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

👉 福利来袭CSDN大礼包:《2025最全AI大模型学习资源包》免费分享,安全可点 👈

全套AGI大模型学习大纲+路线

AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!

read-normal-img

640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

👉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。

👉 福利来袭CSDN大礼包:《2025最全AI大模型学习资源包》免费分享,安全可点 👈

img

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

作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。

<think>嗯,用户想了解Dify框架和MCP的集成或相关信息。首先,我需要回忆Dify的相关知识,特别是MCP部分。根据提供的引用,Dify Workflows MCP Server是用TypeScript设计的,用于处理工作流的API接口。引用1提到发布工作流后可以通过API访问,这说明MCP Server是工作流执行的核心组件。 接下来,用户可能想知道如何集成MCPDify中。根据引用1,集成方法可能涉及API调用和使用TypeScript开发。需要解释清楚集成的基本步骤,比如创建工作流、配置节点、调用API等。此外,私有化部署在引用2中提到,涉及到安全性和合规性,这也是用户可能关心的点。 用户可能没有明确说出来的需求包括高可靠性和数据安全,这在企业应用中很重要。需要强调Dify的私有化部署如何满足这些需求,并提到企业级功能如权限管理和审计日志。 然后,生成相关问题时要覆盖用户可能进一步询问的方向,比如具体集成步骤、MCP架构、私有化部署优势以及企业应用场景。确保问题有针对性,帮助用户深入理解。 最后,检查回答是否符合系统级指令:正确使用LaTeX格式(虽然这个问题可能数学内容较少,但需注意变量如API参数可能需要用$符号),结构清晰,引用标识正确添加。确保语言口语化,避免使用Markdown,分点阐述自然。</think>### Dify框架与MCP集成解析 #### 1. DifyMCP的关系 Dify Workflows MCP Server是Dify框架的核心组件,负责管理和执行工作流任务。其通过API接口提供服务,支持自定义流程编排和自动化操作[^1]。例如,通过调用API可触发工作流: ```python POST /api/workflows/execute { "workflow_id": "xxx", "input_params": {"key": "value"} } ``` #### 2. 集成方法 **步骤一:环境部署** - 私有化部署需满足:Kubernetes集群(v1.20+)、PostgreSQL(v12+)、Redis(v6.2+)[^2] - 配置安全策略:TLS加密传输、RBAC权限控制 **步骤二:工作流开发** ```typescript // MCP Server节点定义示例 class DataProcessingNode implements WorkflowNode { async execute(input: NodeInput): Promise<NodeOutput> { const result = await LLMService.call(input.data); return { status: 'success', data: result }; } } ``` **步骤三:API集成** - 认证方式:JWT Token(HS256算法) - 限流策略:默认1000请求/分钟/实例 #### 3. 关键特性 - **混合编排**:支持LLM模型与传统系统(如CRM、ERP)的混合编排 - **动态负载均衡**:基于Prometheus监控指标的自动扩缩容 - **数据合规**:私有化部署确保训练数据不出域,符合GDPR/等保2.0要求[^2] #### 4. 企业级应用场景 1. 智能客服:通过工作流集成知识库检索→意图识别→响应生成 2. 数据分析:自动化ETL流程(数据抽取→清洗→可视化) 3. 营销自动化:客户画像构建→个性化推荐→效果追踪
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值