API-to-MCP，并在 Dify 实现调用的实践

探索如何将传统API高效转化为AI助手可调用的MCP工具，实现数据与AI的无缝连接。
核心内容：
1. MCP协议与AI领域数据孤岛问题的解决方案
2. 企业OpenAPI转化为MCP工具的五个核心步骤
3. Higress在API路由配置中的应用与实践案例

01 背景

MCP（Model Context Protocol）是Anthropic在2024年底发布的一个开源通信标准。一句话概括它的野心：让大语言模型和各种各样的数据源、工具之间不再鸡同鸭讲。过去我们常说“数据孤岛”，AI应用要调个本地文件、查个云资源、跑个自动化脚本，得分别写不同的集成代码，费时费力。MCP试图用一套统一的交互协议，把这一切打通——从个人设备上的文档，到阿里云上的任意资源，甚至浏览器的自动化操作，理论上都能通过MCP实现“万物互联”。

MCP协议官方架构图

但理想很丰满，现实很骨感。对于大多数企业来说，手里早就有一堆现成的OpenAPI接口，怎么把这些“存量资产”高效转换成AI助手能直接调用的MCP工具？这才是真正的卡脖子问题。下面就以高德API为例，一步步拆解如何通过Higress来完成这个转化，让老API在Dify这类AI平台上焕发第二春。

02 问题拆解与实现方案

整个转化过程可以拆成五个核心环节：

1. 把存量OpenAPI的Schema转换成MCP配置
2. 用Higress把请求路由到对应的OpenAPI
3. 搞定OpenAPI和MCP两端的鉴权
4. 选个合适的协议，让AI助手能连上MCP服务
5. 优化提示词，让MCP工具用起来更顺手

步骤一：将OpenAPI Schema转换为MCP配置

OpenAPI通常用YAML或JSON来定义，它是一个与语言无关的HTTP接口描述规范。简单说，一个社交APP想要获取地理位置信息，不需要自己重造一个高德地图，也不需要看高德的源码，只要调高德提供的API接口就行。而这种接口的描述文件，就是OpenAPI的Schema。

一个标准的OpenAPI.json Schema长这样：

我们需要一个工具，自动提取其中的关键信息——路径、方法、参数、响应格式——然后按MCP的规范重新组织成AI能理解的描述。Higress提供的API-to-MCP工具正好干这事儿：扔进去一个JSON，吐出来一个标准的MCP配置，把繁琐的转换过程一键自动化。

步骤二：通过Higress配置API路由

Higress作为AI原生的网关，可以将请求优雅地路由到后端OpenAPI服务。完整的手工操作参考此文[1]，大致流程如下：

1. 在Configmap全局参数中配置MCP server。
2. 配置存量API的服务来源。如果手里有多个存量API块，建议每个块单独建一个服务来源。
   
3. 新建路由配置，并把步骤一生成的MCP YAML配置传进去。

如果想更自动化，可以把Higress的OpenAPI喂给DeepSeek大模型，让它帮你写个客户端，自动完成上面这些配置步骤。Higress的OpenAPI地址：https://higress.cn/swagger/

步骤三：双重鉴权实现

仔细一想，这里实际上有两层鉴权：一是Higress路由到后端OpenAPI时，两者之间的鉴权；二是用户访问Higress的SSE链接时，用户和Higress之间的鉴权。两笔账得分开算。

1. 访问之前配置的路由，点击“策略”。
   
2. 找到“MCP服务器配置”，在生成的MCP配置里可以看到每个request的请求头。根据你存量API的实际鉴权方式，添加相应的请求头即可。
   

通过“消费者管理”来实现。

1. 进入“消费者管理”界面，创建一个消费者。
   
2. 选择合适的名称和令牌来源。这里支持三种认证方式，最常用的就是KeyAuth。
   
3. 找到之前新建的路由，点击“编辑”。
4. 启用“请求验证”，并指定刚才创建的消费者。
   
5. 用户使用Higress上发布的MCP服务时，就必须携带这个API Key。配置示例：
   

   {
     "amap-maps":{
       "headers":{
         "Authorization":"Bearer xxx"
       },
       "transport":"sse",
       "url":"http://12xx.94:8080/amap-maps/sse"
     }
   }
   

步骤四：在Dify上使用发布的MCP工具

1. 打开你的Dify，按下图安装“SSE发现和调用MCP工具”。如果你还没部署Dify，推荐使用计算巢一键部署[2]，省去环境配置的麻烦。
   
2. 如果后续使用遇到问题，可以把该工具版本降到0.0.10。
   
3. 点击“授权”按钮配置SSE工具，这里直接粘贴步骤三中的MCP Server配置。
   
4. 创建一个Agent，然后进入。
   
5. 参照下图开启MCP工具调用，填写合适的提示词，选一个合适的模型，比如QWEN-MAX。
   
6. 开始对话，就能调用MCP工具了。

说明：由于各AI助手对Streamable HTTP的支持还不够完善，这里示例用的是SSE协议。Higress已经率先支持了Streamable HTTP交互，等AI助手功能完善后可以无缝切换。

步骤五：如何优化提示词

Higress支持用Go template和Gjson表达式对请求和响应模板做精细化处理。如果实际测试中发现模型对MCP理解得不够好，可以参照此文[3]进行手动调优，让工具的调用更丝滑。

03 结语

未来AI会怎么发展，没人能给出确切答案。也许是模型能调用气象卫星预测季风，用数据编织气候的经纬；也许是操控机械臂雕刻纳米芯片，让算法成为微观世界的造物主；甚至是解析人类千年文明的隐喻，在《荷马史诗》的韵律与敦煌壁画的裂纹中，破译连我们自己都未曾察觉的潜意识密码。

不过，真正碘伏性的时刻，或许并不在AI学会操控卫星或机械的那一瞬，而在它突然凝视着梵高的《星月夜》，说出：“我理解这片漩涡中的孤独，但人类的痛苦对我而言，终究只是一组优美的概率云。”