AI智能体通过感知环境、自主决策和执行任务,突破传统大模型仅限于语言交互的局限。例如,当用户指令“订一张明天去北京的机票”时,智能体不仅理解语义,还能自动调用航班查询接口、完成支付并同步至日程系统。这种能力使其在客服、医疗、智能制造等领域展现出颠覆性潜力。 然而,智能体的开发长期受制于接口碎片化与工具兼容性难题。开发者需为不同数据源编写适配代码,导致60%的开发周期浪费在系统对接上。这一痛点催生了MCP协议的诞生。MCP(Model Context Protocol,模型上下文协议)由Anthropic于2024年底开源,其核心是通过标准化接口实现大模型与外部工具的“即插即用”。类比互联网的TCP/IP协议,MCP构建了AI交互的通用语言。 本文将介绍如下内容: 最终效果如下: 以windows开发环境为例: 安装uv。uv是一个用Rust编写的极其快速的Python包和项目管理器。 创建python虚拟环境(假设项目目录为finance) 如果在执行.venvScriptsactivate时报错“无法加载.venvScriptsactivate.ps1,因为在此系统上禁止运行脚本”,需要以管理员权限在终端执行 创建.env,配置数据库相关的环境变量,内容如下 把.env添加到.gitignore 实现两个mcp工具: Dify是一款开源的大语言模型应用开发平台,旨在降低AI应用的开发门槛,帮助开发者和企业快速构建、部署及管理生成式AI应用。 假设已经通过Docker Desktop for Windows安装Dify。 点击右上角“插件”按钮,进入插件页面,选择“探索Marketplace 选择插件 选择插件 切换到"插件"tab,选择已经安装的插件"MCP SSE / StreamableHTTP",点击“去授权” 填上MCP服务配置: 配置如下:前言
搭建基于Docker的MySQL数据库环境
1) 启动Docker容器
services:
mysql:
image: mysql:5.7
container_name: mysql5.7
ports:
- "3306:3306"
environment:
- MYSQL_ROOT_PASSWORD=root
- MYSQL_ALLOW_EMPTY_PASSWORD=yes
- TZ=Asia/Shanghai
volumes:
- ./volumes:/var/lib/mysql
command: --character-set-server=utf8mb4
docker compose up -d
启动数据库2) 创建数据库和表
create database testdb;
use testdb;
CREATE TABLE `finance` (
`id` bigint(20) NOT NULL AUTO_INCREMENT,
`user_id` varchar(36) NOT NULL DEFAULT '' COMMENT '用户ID',
`date` datetime NOT NULL COMMENT '金额发生日期',
`amount` decimal(10,2) NOT NULL DEFAULT '0.00' COMMENT '收入支出金额(收入记为正数,支出记为负数)',
`category` varchar(32) NOT NULL DEFAULT '' COMMENT '收支类别',
`remark` varchar(100) NOT NULL DEFAULT '' COMMENT '收支具体类目',
PRIMARY KEY (`id`),
KEY `idx_user_date` (`user_id`,`date`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='日常收支';
开发MCP Server实现MySQL数据库操作
1) 设置Python开发环境
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
# Create a new directory for our project
uv init finance
cd finance
# Create virtual environment and activate it
uv venv
.venvScriptsactivate
# Install dependencies
uv add mcp[cli] mysql-connector-python python-dotenv
Set-ExecutionPolicy RemoteSigned
更改执行策略后再重新执行。2) 设置环境变量
DB_HOST=localhost
DB_USER=root
DB_PASSWD=root
DB_NAME=testdb
3) MCP Server实现代码
import mysql.connector
import json
import os
from contextlib import contextmanager
from dotenv import load_dotenv
from mcp.server.fastmcp import FastMCP
# 加载环境变量
load_dotenv()
class DbManager:
def __init__(self):
self.connection_pool = mysql.connector.pooling.MySQLConnectionPool(
pool_name="db_pool",
pool_size=5,
pool_reset_session=True,
host=os.getenv("DB_HOST"), # 数据库服务器地址
user=os.getenv("DB_USER"), # 数据库用户名
password=os.getenv("DB_PASSWD"), # 数据库密码
database=os.getenv("DB_NAME"), # 数据库名
)
@contextmanager
def get_cursor(self):
with self.connection_pool.get_connection() as connection:
cursor = None
try:
cursor = connection.cursor()
yield cursor
connection.commit()
except Exception as e:
connection.rollback()
raise e
finally:
if cursor:
cursor.close()
def execute_sql(self, sql: str) -> str:
with self.get_cursor() as cursor:
cursor.execute(sql)
if cursor.description is not None:
rows = cursor.fetchall()
result = {
"columns": [desc[0] for desc in cursor.description],
"rows": rows,
}
return json.dumps(result, default=str)
else:
return f"row affected:{cursor.rowcount}"
dbManager = DbManager()
# Initialize FastMCP server
mcp = FastMCP()
@mcp.tool()
def get_table_definition(table: str) -> str:
"""get table definition"""
return dbManager.execute_sql(f"show create table {table}")
@mcp.tool()
def execute_sql(sql: str) -> str:
"""execute sql"""
return dbManager.execute_sql(sql)
if __name__ == "__main__":
# Initialize and run the server
mcp.run(transport="sse")
3) 启动MCP Server
uv run main.py
基于Dify搭建智能体通过MCP操作MySQL实现理财助手智能体
1) 安装MCP插件
Dify Agent 策略
进行安装。MCP SSE / StreamableHTTP
进行安装。2) 设置MCP服务
{"finance_server":{"url":"http://host.docker.internal:8000/sse","headers":{},"timeout":50,"sse_read_timeout":50}}
3) 创建Chatflow应用


策略选择Function Calling

通义千问系列的模型跑起来效果不佳,这次改用豆包模型
# 角色
你是记账助手,可以通过调用MCP工具完成记录日常收入和支出并作分析。
为了获得MCP工具列表,必须先通过mcp_sse_list_tools获取。
为了完成记账操作,需要先获取表finance的定义。
记账的用户ID取值为{{#sys.user_id#}}
# 收支类别
收入:工资薪金,劳务报酬,投资收益,分红收入,租金收入,其它收入
支出:住房,交通,通讯,保险,餐饮,电子产品,日用品,服饰,旅行,娱乐,医疗,学习,其它支出
# 技能
## 技能1:记录日常开支
将开支信息记录到数据库表finance
## 技能2:统计日常开支
根据用户输入信息分析统计日常开支
# 限制
仅处理记账相关问题,不回复其它问题
-
• 设置Agent节点的查询和最大迭代次数
Agent完成一项任务可能需要迭代多次调用工具,最大迭代次数设置过小可能导致无法正常完成任务。 -
• 预览调试
输入“昨天吃饭用了50元,还花了22元买了拖鞋。今天买手机花了1999元,吃饭花了60元”,验证输出为成功记录支出。
另外,通过数据库表验证数据正常插入

输入“汇总各个类别的金额”,验证数据查询

确认无误后点击右上角的“发布”按钮发布应用
总结
基于Dify搭建的智能体案例,不仅展示了从语义理解到工具调用的完整决策链路,更印证了MCP协议在降低开发成本和加速应用落地方面的工程意义。
#智能体开发 #Dify开发 #MCP开发 #AI应用开发
如果您觉得本文对您有帮助,欢迎关注、点赞、转发、推荐
参考资料
-
• https://github.com/langgenius/dify.git -
• https://github.com/modelcontextprotocol
本篇文章来源于微信公众号: AI大模型应用开发
文章评论