Dify Endpoint 新玩法：AI 应用一键发布为 MCP Server

Dify Endpoint 新玩法，AI 应用一键变身 MCP Server，扩展智能服务新场景。
核心内容：
1. Dify 架构与插件体系支持，实现 AI 应用作为 MCP Server
2. MCP Server 插件功能：转换 Dify 应用为 MCP 兼容 Server Endpoint
3. 详细步骤：从安装插件到配置 Dify 应用为 MCP Server Endpoint

上一篇文章聊了怎么用 MCP 插件让 Dify 作为客户端去调用外部工具——比如 Zapier 的 7000+ 集成。不过 Dify 的模块化架构和插件体系，决定了它不只是能当客户端。反过来，Dify 也能轻松扮演 MCP Server，把自己构建的 AI 应用能力开放给外部系统。这样一来，很多之前不好搞的场景就迎刃而解了。

MCP Server 插件：Dify 与 MCP 客户端的桥梁

社区贡献了一个叫 mcp-server 的 Extension 类型插件，装完之后，你可以把任何一个 Dify 应用转变成符合 MCP 标准的 Server Endpoint，供外部的 MCP 客户端直接访问。核心功能包括：把 Dify 应用抽象成一个 MCP 工具，让 Cursor、Claude Desktop、Cline、Windsurf 甚至其他 Dify 实例都能调用；借助 Dify 的 Endpoint 机制，拿到一个唯一的 URL 地址，外部客户端直接连过来用；插件自己在 Dify 环境里启动 HTTP 服务，基于 HTTP 和 SSE 协议处理握手、发现、工具调用这些流程，效率还不错。

如何将 Dify 应用发布为 MCP Server？

1. 下载并安装插件

先从 Dify Marketplace 里找到 mcp-server 插件，下载安装，这一步没什么说的。

2. 选择要发布的 Dify 应用

拿 Deep Research 应用举例子。这个应用接收用户提问，靠 Ta vily 插件做多轮检索（检索深度由输入的 depth 参数控制），最后让 LLM 节点整合信息生成报告。直接把这类应用发布成 MCP Server，外部系统就能像调用一个本地工具一样用上它。

3. 配置 MCP Server Endpoint

在 mcp-server 插件的配置页面，需要填几个东西：

• Endpoint Name：
  给它起个名字。

• App：
  选择要发布的那个 Dify 应用。

• App Type：
  应用类型，Chat 或者 Workflow。

• App Input Schema：
  用 JSON 定义输入参数，外部系统看了就知道该怎么跟这个应用打招呼。

比如下面这个 JSON 定义了一个叫 deep_research 的应用：

{
  "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"
    ]
  }
}

这里面定义了 query 是必填的，depth 可选。description 字段则帮 MCP 客户端理解这个工具是干什么用的。

4. 获取自动生成的 Endpoint URL

配置完保存，插件会自动生成一个 Endpoint URL——这就是 MCP Server 的地址，支持 HTTP 和 SSE 协议，客户端拿着它就能连上来。

5. 在 Cursor 中添加 Dify MCP Server

打开支持 MCP 的客户端，比如 Cursor IDE，在 MCP Server 配置里加一条记录（把 URL 换成实际生成的地址）：

{
  "mcpServers": {
    "dify_deep_research": {
      "url": "https://*******.ai-plugin.io/sse"
    }
  }
}

配置好之后就可以用了。下面这张图展示的是在 Cursor 的 Agent 模式下，它自动调用了 Deep Research 工具，结合上下文对 Dify 插件类型做多轮研究，帮你拿到更全面的信息，开发效率自然就上去了。

更多应用场景

除了跟 IDE 集成，Dify MCP Server 也适合把 AI 能力嵌入内部业务流程。比如客户请求自动分类、报告摘要生成、文档关键信息提取——这些工作流任务都可以通过 mcp-server 插件发布成 MCP 服务。跟传统的 REST API 比起来，MCP 更贴合 AI 场景，尤其是 AI Agent 可以自动发现和调用工具，不用硬编码或者手动配置，灵活性和效率都高出一截。

当然，有一点需要注意：数据安全。建议只在私有网络环境中使用这个插件，避免把内部能力暴露到外网。

写在最后

社区贡献的 mcp-server 插件让 Dify 应用发布成标准 MCP 服务变得非常顺手，直接提升了应用的复用率和集成效率。另外，我们也在推进 Dify 的原生 MCP 支持。未来的版本会内置连接外部 MCP Server 的功能，也会支持一键把 Dify 应用发布为 MCP Server，帮你把 AI 能力嵌入更多场景。敬请期待。