• 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 。

# 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

1. 向量检索：基于向量相似度检索方式。

2. 全文索引：基于关键词倒排索引，类似 ES。

3. 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）。

{"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")

{"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"}}}
}