在上一篇文章中，我们介绍了如何通过 MCP 插件，让 dify 作为客户端（Client）去调用外部 MCP 服务器工具，如 Zapier 提供的 7000+ 集成。
Dify MCP 插件指南：一键连接 Zapier，轻松调用 7000+ App 工具
Mcp-server 是一个由 Dify 社区贡献的 Extension 类型插件。安装后，你可以把任何 Dify 应用转变成符合 MCP 标准的 Server Endpoint，供外部 MCP 客户端直接访问。它的主要功能包括：
暴露为 MCP 工具：将 Dify 应用抽象为单一 MCP 工具，供外部 MCP 客户端（如 Cursor、Claude Desktop、Cline，Windsurf、Dify 等）调用。 利用 Dify Endpoint 功能：用户创建应用 Endpoint 后，将获得唯一的 URL，外部 MCP 客户端可直接通过该 URL 连接。 提供 MCP 服务：插件在 Dify 插件环境中自动启动 HTTP 服务，基于 HTTP 和 SSE 协议，高效处理外部 MCP 客户端请求，包括协议握手、能力发现以及工具调用。
1. 下载并安装插件
在 Dify Marketplace 中下载并安装 mcp-server 插件。
2. 选择要发布的 Dify 应用
以 Deep Research 应用为例，该应用根据用户提问，利用 Tavily 插件进行多轮迭代检索（检索次数由用户输入的 depth 参数控制），最后通过 LLM 节点整合信息并生成研究报告。
3. 配置 MCP Server Endpoint
在 mcp-server 插件的配置页面，填写以下内容：
Endpoint Name：Endpoint 名称。 App：选择要发布为 MCP Server 的 Dify 应用。 App Type：应用类型（Chat 或 Workflow）。 App Input Schema：定义应用的输入参数，帮助外部系统理解与该应用的交互方式，格式为 JSON。
例如，下面 JSON 定义了一个名为 deep_research 的应用的输入参数：
{"name": "deep_research","description": "Conduct in-depth research based on the user query.","inputSchema": {"title": "deep_researchArguments","type": "object","properties": {"query": {"title": "User Query","description": "The user's main question or topic for research.","type": "string"},"depth": {"title": "Search Depth","description": "Optional: Specifies the desired depth of the research","type": "number"}},"required": ["query"]}}
Schema 说明：
properties：列出应用接收的所有参数及其类型。 description：用于向 MCP Client 说明此应用的主要功能，帮助系统在需要时自动发现并调用。 required：声明调用应用时必须提供的参数。对于聊天类应用（Agent / Chatflow），query 通常是必需的。
4. 获取自动生成的 Endpoint URL
配置完成并保存后，插件将自动生成 Endpoint URL，即 MCP Server 地址。该 URL 支持 HTTP 和 SSE 协议，供外部 MCP 客户端连接，实现高效的标准化交互。
5. 在 Cursor 中添加 Dify MCP Server
现在，可以在支持 MCP 的客户端中添加刚刚创建的 Dify MCP Server。以 Cursor IDE 为例，在其 MCP Server 配置中添加如下条目（将 URL 替换为实际生成的 Endpoint URL）：
{"mcpServers": {"dify_deep_research": {"url": "https://*******.ai-plugin.io/sse"}}}
配置完成后，即可开始使用。下面这张图展示了使用 Cursor 开发 Dify 插件的过程：在 Agent 模式下，Cursor 会自动调用 Deep Research 工具，结合上下文完成对 Dify 插件类型的多轮研究，从而帮助你获取更深入、全面的信息，提升开发效率与代码质量。
除了集成到开发工具外，Dify MCP Server 同样适合将 AI 能力嵌入各种内部业务流程。例如，通过 Dify 工作流实现的客户请求自动分类、报告摘要生成、文档关键信息提取等任务，都能便捷地通过 MCP Server 插件发布为 MCP 服务。
相比传统的 REST API，MCP 提供了一种更贴合 AI 场景的接口，尤其便于 AI Agent 进行工具发现与动态调用。Agent 可以自动探索并理解如何使用这些 Dify 服务，无需像调用标准 API 那样进行硬编码或手动配置，实现过程更加灵活、高效。
需要注意的是，为避免潜在的数据安全风险，我们建议仅在私有网络环境中使用 MCP Server 插件。
写在最后借助社区提供的 MCP Server 插件，你可以轻松将 Dify 应用发布为符合 MCP 标准的服务，供外部系统直接调用，从而显著提升应用的复用率与集成效率。与此同时，我们也在积极推进 Dify 的原生 MCP 支持。未来版本将内置连接外部 MCP Server 的功能，并允许将 Dify 应用一键发布为 MCP Server，帮助你在更多场景下集成 AI 应用的能力。敬请期待！
