• 需要準備文本生成模型、向量模型、Rerank 模型（可選），這些都可以在 阿里云百煉平臺 申請免費使用額度。

• 準備知識庫文檔，我這里使用 Dify 維護知識庫API 文檔進行展示。

• 已熟悉使用 Cursor 。

# 下載代碼
git clone https://github.com/langgenius/dify.git
# 進入docker目錄
cd docker
# 使用 docker compose 部署
cp .env.example .env
docker compose up -d

1. 向量檢索：基于向量相似度檢索方式。

2. 全文索引：基于關鍵詞倒排索引，類似 ES。

3. 混合索引：同時執行全文檢索和向量檢索，最后通過 Rerank 模型對結果進行重排序。Top K 表示返回的結果數量（相似度得分最高的 K 個值）。

{"mcpServers": {"OnlineDifyServer": {"url": "https://api.dify.ai/mcp/server/QfH9DT07Mf33kxCX/mcp"}
}

import os
import uuid
from typing import Dict, Any, Optionalimport httpx
from dotenv import load_dotenv
from mcp.server.fastmcp import FastMCP# 定義一個 FastMCp 實例
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]]:"""查詢知識庫信息"""if not API_KEY:return {"error": "API_KEY 未配置或為空"}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"查詢知識庫請求失敗：{e}"}except Exception as e:return {"error": f"未知錯誤：{e}"}def format_response_data(response_data: Dict[str, Any]) -> str:"""格式化 Dify 返回數據"""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:"""用于查詢 Dify 維護知識庫接口文檔參數:- query: 查詢內容,str格式- 請求示例:1、通過文本創建文檔2、通過文件創建文檔3、創建空知識庫4、知識庫列表..."""response_data = await query_knowledge(query)return format_response_data(response_data)if __name__ == "__main__":# 運行 MCP 服務器，默認傳輸協議 stdiomcp.run(transport="stdio")

{"mcpServers": {"LocalDifyServer": {"command": "uv","args": ["--directory","D:\\workspace\\project\\python\\2025\\good-agent-fastapi\\mcps","run","dify_mcp_server.py"],"env": {"API_KEY": "填寫服務密鑰"}}}
}