研究Aiops有一段时间了，目前手里有不少可落地的方案了，接下来会把这些方案全部整理到我的大模型课程里。同时，欢迎大家把你遇到的场景在评论区留言。我会在能力范围内给你提供思路和建议。
昨天这篇文章dify" data-itemshowtype="0" linktype="text" data-linktype="2">Aiops探索：这个场景我决定放弃n8n而是选择Dify如果你看过，那你也就理解我为什么要在n8n里调用Dify了。
原因只有一个，Dify的Agent里调用MCP工具效果非常好，而n8n无法实现这样的效果。我既想用n8n的工作流但同时还想用Dify Agent的效果。所以就有了今天这篇文章。
首先，要了解如何访问Dify的API，点击左侧的访问API
就能看到Dify官方提供的API示例
点击右上角的“API 密钥”，先创建一个API key。然后通过这个curl命令来测一下API的连通性
说明：其中api_key就是你刚刚创建的密钥，query就是我们要发给这个agent的问题，files可以不带。
curl -X POST 'http://192.168.186.138/v1/chat-messages' \--header 'Authorization: Bearer app-xxx' \--header 'Content-Type: application/json' \--data-raw '{"inputs": {},"query": "查看ansible版本","response_mode": "streaming","conversation_id": "","user": "n8n-user"}'
它返回的结果是一大堆数据块，这是因为我们用的是流式输出（"response_mode": "streaming"）。
而Dify的Agent又不支持阻塞模式（"response_mode": "blocking"）
也正是因为这个问题，我们必须要在n8n里增加一个code节点来拼凑这些数据块。下面来看看如何在n8n里调用Dify的API。
节点1：Chat Trigger
用来发送我们的指令，比如：“给主机aming01安装nginx”、“查看aming02机器的磁盘使用情况”、“检查aming03机器上是否运行mysql服务”等等
节点2：HTTP Request
这个节点用来请求Dify的API，具体的设置，请看以下截图
这些完全是根据前面那个curl命令来的。
节点3：code（JavaScript）
这个节点的作用就是将流式输出的数据块合成为一个文本，代码内容是这样的：
// 获取 HTTP Request 节点返回的原始字符串// 请确保前一个节点返回的字段名是 'data' (n8n HTTP Request 默认非 JSON 响应通常存在这)const rawData = items[0].json.data;let fullAnswer = "";if (rawData) {// 1. 按行分割数据 (处理 SSE 流)const lines = rawData.split('\n');// 2. 遍历解析for (const line of lines) {// 只处理以 "data: " 开头的有效行if (line.startsWith('data: ')) {// 去掉前缀，提取 JSON 字符串const jsonStr = line.substring(6).trim();// 遇到 [DONE] 则结束if (jsonStr === '[DONE]') break;try {const json = JSON.parse(jsonStr);// 🎯 核心过滤逻辑：// 只拼接 'agent_message' (Agent模式) 或 'message' (Chat模式)// 自动过滤掉 'agent_thought' (思考过程) 和 'ping' 等无关信息if (['agent_message', 'message'].includes(json.event)) {fullAnswer += json.answer;}} catch (e) {// 忽略解析失败的行（防止因个别坏数据导致流程崩溃）}}}}// 3. 返回干净的结果// 大多数 n8n Chat Trigger 默认寻找 'text' 或 'output' 字段return [{json: {text: fullAnswer // 这里只包含最终拼接好的、易读的 Markdown 文本}}];
来看一下最终的效果
