发布日期: 2025-06-19

更新日期: 2025-12-04

文章字数: 1.8k

阅读时长: 8 分

MCP + Cursor + Dify 实践指南

本文将详细介绍如何将 MCP (Model Context Protocol)、Cursor 和 Dify 三者结合使用，构建一个强大的 AI 开发工作流。

整体架构

flowchart TB
    subgraph Dev["开发环境"]
        C["Cursor
(AI 代码编辑器)"]
    end
    
    subgraph MCP["MCP 协议层"]
        M1["MCP Server
(Dify API)"]
        M2["MCP Server
(文件系统)"]
        M3["MCP Server
(其他工具)"]
    end
    
    subgraph Dify["Dify 平台"]
        D1["知识库
(RAG)"]
        D2["工作流
(Workflow)"]
        D3["API 服务"]
    end
    
    C -->|MCP Protocol| M1
    C -->|MCP Protocol| M2
    C -->|MCP Protocol| M3
    M1 -->|HTTP API| D3
    D3 --> D1
    D3 --> D2
    
    style C fill:#e1f5ff
    style MCP fill:#fff4e1
    style Dify fill:#e8f5e9

第一部分：Cursor 如何使用 MCP

什么是 MCP？

MCP (Model Context Protocol) 是 Anthropic 推出的开放协议，允许 AI 助手安全地访问外部工具和数据源。

MCP 的核心优势

安全访问：标准化的安全访问机制
扩展能力：轻松集成各种外部服务
统一接口：使用统一的协议规范

配置 MCP 服务器

1. 配置文件位置

macOS: ~/Library/Application Support/Cursor/User/globalStorage/rooveterinaryinc.roo-cline/settings/cline_mcp_settings.json
Windows: %APPDATA%\Cursor\User\globalStorage\rooveterinaryinc.roo-cline\settings\cline_mcp_settings.json
Linux: ~/.config/Cursor/User/globalStorage/rooveterinaryinc.roo-cline/settings/cline_mcp_settings.json

2. 基础配置示例

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/path/to/allowed/directory"
      ]
    }
  }
}

3. 常用 MCP 服务器

mindmap
  root((MCP 服务器))
    文件系统
      访问本地文件
      读写权限控制
    GitHub
      API 集成
      仓库管理
    数据库
      PostgreSQL
      SQLite
    Dify API
      知识库查询
      工作流调用
      对话生成

第二部分：Dify 平台介绍

什么是 Dify？

Dify 是一个 LLM 应用开发平台，提供：

知识库管理：基于 RAG 的知识检索
工作流编排：可视化的工作流设计
API 服务：RESTful API 接口
多模型支持：支持多种大语言模型

Dify 核心功能

graph TB
    subgraph Dify["Dify 平台"]
        KB["知识库
Knowledge Base"]
        WF["工作流
Workflow"]
        API["API 服务"]
        Chat["对话应用
Chat App"]
    end
    
    KB -->|RAG| API
    WF -->|编排| API
    API -->|调用| Chat
    
    style KB fill:#e3f2fd
    style WF fill:#f3e5f5
    style API fill:#e8f5e9
    style Chat fill:#fff3e0

Dify 资源链接

官方文档: https://docs.dify.ai/zh-hans/introduction
GitHub: https://github.com/langgenius/dify/

第三部分：RAG 基础认知

RAG 工作原理

sequenceDiagram
    participant U as 用户
    participant R as RAG 系统
    participant KB as 知识库
    participant LLM as 大语言模型
    
    U->>R: 提出问题
    R->>KB: 检索相关文档
    KB-->>R: 返回相关片段
    R->>LLM: 问题 + 上下文
    LLM-->>R: 生成答案
    R-->>U: 返回答案

RAG 的关键要点

对于如何调用 Dify，需要对 RAG 有基本认知：

知识整理：RAG 不是简单投喂数据，需要对知识进行整理和清洗
文档分段：合理的文档分段策略直接影响检索效果
检索机制：RAG 只是帮你检索数据，最终由大模型处理
上下文管理：如何将检索到的内容有效传递给模型

RAG 流程详解

flowchart TD
    Start["原始文档"] --> Process["文档处理"]
    Process --> Clean["清洗整理"]
    Clean --> Split["文档分段"]
    Split --> Embed["向量化"]
    Embed --> Store["存储到向量数据库"]
    
    Query["用户查询"] --> Search["向量检索"]
    Store --> Search
    Search --> Rank["相关性排序"]
    Rank --> Context["构建上下文"]
    Context --> LLM["大语言模型"]
    LLM --> Answer["生成答案"]

第四部分：集成实践

创建 Dify MCP 服务器

1. 项目初始化

mkdir dify-mcp-server
cd dify-mcp-server
npm init -y
npm install @modelcontextprotocol/sdk axios

2. 创建服务器文件 (`dify-server.js`)

#!/usr/bin/env node

import { Server } from '@modelcontextprotocol/sdk/server/index.js';
import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';
import {
  CallToolRequestSchema,
  ListToolsRequestSchema,
} from '@modelcontextprotocol/sdk/types.js';
import axios from 'axios';

const DIFY_API_KEY = process.env.DIFY_API_KEY || '';
const DIFY_BASE_URL = process.env.DIFY_BASE_URL || 'https://api.dify.ai/v1';

const server = new Server(
  {
    name: 'dify-mcp-server',
    version: '0.1.0',
  },
  {
    capabilities: {
      tools: {},
    },
  }
);

// 列出可用工具
server.setRequestHandler(ListToolsRequestSchema, async () => ({
  tools: [
    {
      name: 'query_knowledge_base',
      description: '查询 Dify 知识库',
      inputSchema: {
        type: 'object',
        properties: {
          query: {
            type: 'string',
            description: '查询问题',
          },
          knowledge_base_id: {
            type: 'string',
            description: '知识库 ID',
          },
        },
        required: ['query', 'knowledge_base_id'],
      },
    },
    {
      name: 'chat_completion',
      description: '使用 Dify 进行对话',
      inputSchema: {
        type: 'object',
        properties: {
          message: {
            type: 'string',
            description: '用户消息',
          },
          conversation_id: {
            type: 'string',
            description: '对话 ID（可选）',
          },
        },
        required: ['message'],
      },
    },
    {
      name: 'run_workflow',
      description: '运行 Dify 工作流',
      inputSchema: {
        type: 'object',
        properties: {
          workflow_id: {
            type: 'string',
            description: '工作流 ID',
          },
          inputs: {
            type: 'object',
            description: '工作流输入参数',
          },
        },
        required: ['workflow_id'],
      },
    },
  ],
}));

// 处理工具调用
server.setRequestHandler(CallToolRequestSchema, async (request) => {
  const { name, arguments: args } = request.params;

  try {
    switch (name) {
      case 'query_knowledge_base': {
        const response = await axios.post(
          `${DIFY_BASE_URL}/datasets/${args.knowledge_base_id}/retrieve`,
          {
            query: args.query,
            top_k: 5,
          },
          {
            headers: {
              'Authorization': `Bearer ${DIFY_API_KEY}`,
              'Content-Type': 'application/json',
            },
          }
        );
        return {
          content: [
            {
              type: 'text',
              text: JSON.stringify(response.data, null, 2),
            },
          ],
        };
      }

      case 'chat_completion': {
        const response = await axios.post(
          `${DIFY_BASE_URL}/chat-messages`,
          {
            inputs: {},
            query: args.message,
            response_mode: 'blocking',
            conversation_id: args.conversation_id || '',
          },
          {
            headers: {
              'Authorization': `Bearer ${DIFY_API_KEY}`,
              'Content-Type': 'application/json',
            },
          }
        );
        return {
          content: [
            {
              type: 'text',
              text: response.data.answer || JSON.stringify(response.data, null, 2),
            },
          ],
        };
      }

      case 'run_workflow': {
        const response = await axios.post(
          `${DIFY_BASE_URL}/workflows/run`,
          {
            inputs: args.inputs || {},
          },
          {
            headers: {
              'Authorization': `Bearer ${DIFY_API_KEY}`,
              'Content-Type': 'application/json',
            },
            params: {
              user: 'mcp-user',
            },
          }
        );
        return {
          content: [
            {
              type: 'text',
              text: JSON.stringify(response.data, null, 2),
            },
          ],
        };
      }

      default:
        throw new Error(`未知工具: ${name}`);
    }
  } catch (error) {
    return {
      content: [
        {
          type: 'text',
          text: `错误: ${error.message}`,
        },
      ],
      isError: true,
    };
  }
});

// 启动服务器
async function main() {
  const transport = new StdioServerTransport();
  await server.connect(transport);
  console.error('Dify MCP 服务器已启动');
}

main().catch(console.error);

3. 配置到 Cursor

在 Cursor 的 MCP 配置文件中添加：

{
  "mcpServers": {
    "dify": {
      "command": "node",
      "args": [
        "/path/to/dify-mcp-server/dify-server.js"
      ],
      "env": {
        "DIFY_API_KEY": "your_dify_api_key",
        "DIFY_BASE_URL": "https://api.dify.ai/v1"
      }
    }
  }
}

使用流程

flowchart TD
    Start["在 Cursor 中开始"] --> Use["使用 MCP 工具"]
    Use --> Choose{选择工具}
    
    Choose -->|查询知识库| KB["query_knowledge_base"]
    Choose -->|对话| Chat["chat_completion"]
    Choose -->|工作流| WF["run_workflow"]
    
    KB --> Dify["调用 Dify API"]
    Chat --> Dify
    WF --> Dify
    
    Dify --> Result["返回结果"]
    Result --> Display["在 Cursor 中显示"]

第五部分：最佳实践

1. 知识库管理

flowchart LR
    Doc["文档准备"] --> Clean["清洗整理"]
    Clean --> Split["智能分段"]
    Split --> Embed["向量化"]
    Embed --> Store["存储"]
    Store --> Test["测试检索"]
    Test -->|效果不佳| Clean
    Test -->|效果良好| Use["投入使用"]

关键要点：

文档质量直接影响检索效果
分段策略需要根据文档类型调整
定期更新和维护知识库

2. 工作流设计

明确输入输出：定义清晰的工作流接口
错误处理：添加适当的错误处理机制
性能优化：避免不必要的 API 调用

3. 安全考虑

API 密钥管理：使用环境变量，不要硬编码
访问控制：限制 MCP 服务器的访问范围
日志记录：记录关键操作便于排查问题

第六部分：常见问题

1. MCP 服务器连接失败

解决方案：

检查配置文件路径是否正确
确认 Node.js 和依赖已正确安装
查看 Cursor 日志文件

2. Dify API 调用失败

解决方案：

验证 API 密钥是否正确
检查网络连接
确认 Dify 服务是否正常运行

3. RAG 检索效果不佳

解决方案：

优化文档分段策略
调整检索参数（top_k 等）
改进文档质量和结构

总结

通过结合 MCP、Cursor 和 Dify，我们可以：

✅ 扩展 Cursor 能力：通过 MCP 访问 Dify 的知识库和工作流
✅ 提升开发效率：在代码编辑器中直接查询知识库
✅ 构建智能应用：利用 Dify 的 RAG 能力增强 AI 助手
✅ 统一工作流：在一个环境中完成开发、查询、对话等操作

这个组合为 AI 辅助开发提供了强大的工具链，让开发者能够更高效地利用 AI 能力。

djaigo

https://blog.djaigo.com/ai/mcp-cursor-dify-shi-jian.html

本博客所有文章除特別声明外，均采用 CC BY 4.0 许可协议。转载请注明来源 djaigo !

rag cursor mcp dify ai工具

MQTT协议详解

2025-11-06 net

mqtt 物联网协议

Cursor 接入 MCP (Model Context Protocol) 详细指南

2025-05-20 ai tools

ai cursor mcp 工具集成

MCP + Cursor + Dify 实践指南

MCP + Cursor + Dify 实践指南

整体架构

第一部分：Cursor 如何使用 MCP

什么是 MCP？

MCP 的核心优势

配置 MCP 服务器

1. 配置文件位置

2. 基础配置示例

3. 常用 MCP 服务器

第二部分：Dify 平台介绍

什么是 Dify？

Dify 核心功能

Dify 资源链接

第三部分：RAG 基础认知

RAG 工作原理

RAG 的关键要点

RAG 流程详解

第四部分：集成实践

创建 Dify MCP 服务器

1. 项目初始化

2. 创建服务器文件 (dify-server.js)

3. 配置到 Cursor

使用流程

第五部分：最佳实践

1. 知识库管理

2. 工作流设计

3. 安全考虑

第六部分：常见问题

1. MCP 服务器连接失败

2. Dify API 调用失败

3. RAG 检索效果不佳

总结

程序猿唯一赚钱方式!<br/>The only way to make money for code monkey!

2. 创建服务器文件 (`dify-server.js`)