【LLM】如何在Cursor中调用Dify工作流
这篇文章将通过一个接口文档知识库示例，带你了解如何在 Cursor 中通过 Mcp Server 调用 Dify 平台配置的工作流。
1. 准备工作
-
需要准备文本生成模型、向量模型、Rerank 模型（可选），这些都可以在 阿里云百炼平台 申请免费使用额度。
-
准备知识库文档，我这里使用 Dify 维护知识库API 文档进行展示。
-
已熟悉使用 Cursor 。
我使用的文本生成模型为：qwen-plus-2025-04-28，向量模型：text-embedding-v4，rerank 模型：gte-rerank-v2。
1.1 如何将在线的 API 文档一键转换成 markdown 格式？
你可以通过我开发的 ' 顾得助手 ' （chrome 扩展程序）一键将网页内容转换为任意格式文档。该扩展程序已上架 chrome 应用商店，搜索 顾得助手 即可获得，也可以通过 github 下载体验最新功能，地址：https://github.com/herogus/good_ai_chrome_extension。我的这篇博客有详细介绍，感兴趣的可以点击阅读。
下图是简单的请求示例：
2. 知识库工作流搭建
2. 安装 Dify
windows 下需要安装 Docker destop，安装教程可参考我的博客：
【环境搭建】Java、Python、Nodejs等开发环境搭建_node.js python环境安装-CSDN博客文章浏览阅读1.1k次，点赞7次，收藏21次。最近新买了一台电脑，开发的同学都知道，重新在新电脑搭建开发环境是一件相对繁琐的事，这篇文章我将介绍如何搭建Java（jdk、maven等）、Python（uv、conda等）、Nodejs、Docker Desktop（wsl2、docker等）等环境和应用。_node.js python环境安装https://blog.csdn.net/u013176571/article/details/148382037?spm=1001.2014.3001.5502
# 下载代码
git clone https://github.com/langgenius/dify.git
# 进入docker目录
cd docker
# 使用 docker compose 部署
cp .env.example .env
docker compose up -d也可以体验官方提供的在线免费版（需科学上网）：https://cloud.dify.ai/apps
2.2 知识库搭建
2.2.1 创建知识库
进入 Dify 首页 》 知识库 》 创建知识库 》 创建一个新的知识库
2.2.2 文本分段设置
上传文件后会进入到文本分割设置界面，点击‘预览块’支持查看分割详情。
-
分段设置：用于设置 ' 文本分块 ' 规则，文本文档可以按照 \n\n,\n （段落、行） , markdown 文档按照标题分块 ##，###，####。
-
Embedding 模型设置：这里配置向量模型，用于资源向量化。
-
检索设置，支持以下几种检索方式：
-
向量检索：基于向量相似度检索方式。
-
全文索引：基于关键词倒排索引，类似 ES。
-
混合索引：同时执行全文检索和向量检索，最后通过 Rerank 模型对结果进行重排序。Top K 表示返回的结果数量（相似度得分最高的 K 个值）。
注：配置完之后，可以在 召回测试 中测试效果，如果效果不好，可以尝试调整 相似度阈值 （值越大，精确度越高）。
2.2.3 搭建知识库工作流
你可以在 ‘ 探索 ’ 模块使用已有的模板创建工作流或者在 ' 工作室 ' 模块创建一个新的工作流。
我这边使用最简单的配置，根据请求内容直接进行知识库检索，然后通过大模型总结后返回，你可以在 '知识检索' 之前，增加一个 '问题分类' 流程，让模型根据不同的输入内容，索引到不同的知识库。
配置好后，点击 发布 按钮，发布自己的应用。
3. 配置MCP_SERVER
3.1 官方提供的 MCP 服务
3.1.1 入口
可以在 ' 编辑描述 ' 中说明工作流的功能以及调用说明。
3.1.2 cursor 配置
进入 cursor ，编辑 mcp.json，其中 url 为上图 ‘ 服务端点 URL ’。
{"mcpServers": {"OnlineDifyServer": {"url": "https://api.dify.ai/mcp/server/QfH9DT07Mf33kxCX/mcp"}
}3.2 自己开发一个 MCP Server
3.2.1 python 源码
当然我喜欢自己自足，下面是我用 python 开发的一个调用 Dify 工作流（应用）的 Mcp Server 。
里面的 BASE_URL 是固定的，不同的工作流（应用）对应不同的 API_KEY。
import os
import uuid
from typing import Dict, Any, Optionalimport httpx
from dotenv import load_dotenv
from mcp.server.fastmcp import FastMCP# 定义一个 FastMCp 实例
mcp = FastMCP("DIFY_MCP_SERVER")# DIFY API配置信息
load_dotenv()
BASE_URL = "https://api.dify.ai/v1/chat-messages"
API_KEY = os.getenv("API_KEY")async def query_knowledge(query: str) -> Optional[Dict[str, Any]]:"""查询知识库信息"""if not API_KEY:return {"error": "API_KEY 未配置或为空"}headers = {"Authorization": f"Bearer {API_KEY}","Content-Type": "application/json",}data = {"query": query,"user": str(uuid.uuid4()),"inputs": {},"response_mode": "blocking","conversation_id": "",}try:async with httpx.AsyncClient(timeout=120.0) as client:response = await client.post(BASE_URL, headers=headers, json=data)response.raise_for_status()print(f"Response status: {response.status_code}")print(f"Response text: {response.text}")return response.json()except httpx.HTTPError as e:return {"error": f"查询知识库请求失败：{e}"}except Exception as e:return {"error": f"未知错误：{e}"}def format_response_data(response_data: Dict[str, Any]) -> str:"""格式化 Dify 返回数据"""event = response_data.get("event", "")if "error" == event:return str(response_data["message"])return response_data.get("answer", "")@mcp.tool()
async def query_dify_interface_info(query: str) -> str:"""用于查询 Dify 维护知识库接口文档参数:- query: 查询内容,str格式- 请求示例:1、通过文本创建文档2、通过文件创建文档3、创建空知识库4、知识库列表..."""response_data = await query_knowledge(query)return format_response_data(response_data)if __name__ == "__main__":# 运行 MCP 服务器，默认传输协议 stdiomcp.run(transport="stdio")
请求密钥在这里获取：
3.2.2 cursor 配置
{"mcpServers": {"LocalDifyServer": {"command": "uv","args": ["--directory","D:\\workspace\\project\\python\\2025\\good-agent-fastapi\\mcps","run","dify_mcp_server.py"],"env": {"API_KEY": "填写服务密钥"}}}
}4. 验证Mcp Server是否加载
Cursor 设置界面，出现如下信息说明工具加载正常。
5. 执行效果
问：查询DIFY 创建空知识库接口文档
6. 拓展
6.1 如何提高查询匹配度？
在使用过程中，可能口语提问往往不能查询到自己想要的结果，可以尝试在每个文本分段中，增加常见问题段落以提高自然提问命中率，比如（以 ' 通过文本创建文档 ' 接口为例）：
#### 💬 常见用户提问- 如何通过一段文本添加一个知识文档？
- 可以用 API 上传文字内容吗？
- 不上传文件，怎么创建文档？
- `create_by_text` 是什么用的？