Dify MCP 实战二

发布工作流为 AI 工具服务，全流程配置 + Cherry 调用实战

在上一篇 Dify × MCP 实战（一）：用插件一分钟搞定 MCP Server（含时间踩坑实践）中，我演示了如何在 Dify 中快速接入 MCP 工具服务。

本篇我们将反过来，把 Dify 工作流 ** 发布为 MCP 服务 ** ，并在 Cherry Studio 中作为工具调用。这个功能对多智能体系统、跨平台集成非常关键，我也是折腾了几次才通。

安装插件

在插件页面，点击 1 探索Marketplace,然后在 2 的位置搜索 mcp server ，点击安装。

端口开放

在 docker-compose.yaml 中，需要将 plugin_daemon 的端口给开放了

plugin_daemon:  
  image:langgenius/dify-plugin-daemon:0.1.2-local  
  restart:always  
  ports:  
    - "${EXPOSE_PLUGIN_DEBUGGING_PORT:-5003}:${PLUGIN_DEBUGGING_PORT:-5003}"  
    - "${PLUGIN_DAEMON_PORT:-5002}:${PLUGIN_DAEMON_PORT:-5002}/tcp"

在plugin_daemon 的 ports 中把5002端口添加上去。

原因：dify的插件都是安装到plugin_daemon模块中运行的， MCP server 将工作流转成http服务，需要借助 plugin_daemon 模块本身的端口，所以我们要将5002开放出去

⚠️ 注意：很多同学忽略了 plugin_daemon 的端口暴露，导致发布的服务不可用。

添加工作流发布为mcp服务

• 1 点击右上角的插件
• 2 找到 MCP server 点击，会弹出右侧的面板
• 在 3 的位置点击 + ，弹出下面的数据

• 在 APP 中选中工作流
• 选择应用的类型
• 添加工作流的参数
• 最后点击保存

这里可以设置Bearer token，用于安全认证，内网环境，看业务需求了。

比如我的工作流有两个参数，需要注意的是，官方没有字段的description说明，加上以后也生效的

{
  "name":"dify_meta",
  "description":"通过元数据检索知识库",
  "inputSchema":{
    "properties":{
      "category":{
        "title":"category",
        "type":"string",
        "description":"元数据分类"
      },
      "query":{
        "title":"query",
        "type":"string"
      }
    },
    "required":[
      "category",
      "query"
    ],
    "title":"metaArguments",
    "type":"object"
  }
}