Dify插件开发

在学会Dify中使用DeepSeek模型后Dify使用deepseek，我们可以用Dify快速搭建一个聊天工具或者通过工作流完成较为复杂的任务，但是对于一些定制化比较高的操作，或者任务中的某个流程在现有的工作流中没有插件能满足需求，就需要我们自定义开发插件了。Dify官方给了文档https://github.com/langgenius/dify-docs/blob/main/zh_CN/plugins/quick-start/develop-plugins/extension-plugin.md，我们可以参照文档一步步实现。

不同场景需要开发不同类型的插件: 针对每种插件类型，提供专门的开发指南：

• 模型 (Models): 学习如何将不同的 AI 模型打包、配置并作为插件进行管理。
• 工具 (Tools): 为 Agent 和工作流构建专业能力，如数据分析、内容处理、自定义集成等。
• Agent 策略 (Agent Strategies): 创建自定义的推理策略（如 ReAct, CoT, ToT）来赋能 Dify 中的自主 Agent。
• 扩展 (Extensions): 通过 HTTP Webhook 实现与外部服务的集成，处理复杂逻辑。

包 (Bundles): 了解如何将多个插件组合打包，以便于分发和部署。

不同插件的开发流程都差不多，这里以Extension为例，介绍下Dify插件的完整开发流程。不得不承认Dify在产品化这块儿做得还可以，虽然比不上coze这样的商业化产品，但是文档和工具还是比较全面的。

首先我们下载开发插件用的脚手架：

https://github.com/langgenius/dify-plugin-daemon/releases/download/0.0.9/dify-plugin-darwin-amd64

下载下来后查看下版本

chmod +x dify-plugin-darwin-amd64
./dify-plugin-darwin-amd64 version
v0.0.9

然后用脚手架初始化工程

./dify-plugin-darwin-amd64 plugin init

然后交互式的填入需要的信息，就可以生成插件项目的框架，文件目录如下

% tree
.
|____endpoints
| |____firstexp.yaml
| |____firstexp.py
|_____assets
| |____icon.svg
|____requirements.txt
|____group
| |____firstexp.yaml
|____PRIVACY.md
|____README.md
|____.gitignore
|____manifest.yaml
|____GUIDE.md
|____.github
| |____workflows
| | |____plugin-publish.yml
|____.env.example
|____main.py
|____.difyignore

UIDE.md 一个简短的引导教程，带领你完成插件的编写流程。

README.md 关于当前插件的简介信息，你需要把有关该插件的介绍和使用方法填写至该文件内。

_assets 存储所有与当前插件相关的多媒体文件。

endpoints 按照 cli 中的引导创建的一个 Extension 类型插件模板，该目录存放所有 Endpoint 的功能实现代码。

group 指定密钥类型、多语言设置以及 API 定义的文件路径。

main.py 整个项目的入口文件。

manifest.yaml 整个插件的基础配置文件，包含该插件需要什么权限、是什么类型的扩展等配置信息。

requirements.txt 存放 Python 环境的依赖项。

由于python2和python3容易冲突，我们初始化一个python的虚拟环境

python3 -m venv myenv
# 激活当前环境
source myenv/bin/activate
# 退出环境
deactivate

安装依赖的的包

pip3 install werkzeug  -i https://mirrors.aliyun.com/pypi/simple/
pip3 install dify_plugin -i  https://mirrors.aliyun.com/pypi/simple/

或者

pip3 install -r requirements.txt

接下来就调试下默认的插件能否运行起来。Dify 提供远程调试方式，前往“插件管理”页获取调试 Key 和远程服务器地址。

进入插件目录firstexp下，拷贝 .env.example 文件并重命名为 .env，将获取的远程服务器地址和调试 Key 等信息填入其中。

INSTALL_METHOD=remote
REMOTE_INSTALL_HOST=debug.dify.ai
REMOTE_INSTALL_PORT=5003
REMOTE_INSTALL_KEY=********-****-****-****-************

需要注意的是，在本地调试的时候REMOTE_INSTALL_HOST需要换成本地地址127.0.0.1，但是在发布前需要改为

REMOTE_INSTALL_HOST=host.docker.internal

因为插件运行在docker环境中时，需要通过上述域名寻址，否则插件会一直安装失败，因为在docker环境中无法链接。

然后运行python -m main 命令启动插件。这时候我们就可以在Dify后台的插件列表中看到我们刚刚开发的插件了。测试跑通以后，我们需要打包安装插件。

./dify-plugin-darwin-amd64 plugin package  ./firstexp
2025/05/07 15:22:51 package.go:39: [INFO]plugin packaged successfully, output path: firstexp.difypkg

然后点击插件安装，或者拖拽安装，等几秒就安装成功了。如果报下面错误

PluginDaemonBadRequestError: plugin verification has been enabled, and the plugin you want to install has a bad signature

需要改下Dify的配置然后重启Dify在 .env 文件中添加以下配置

FORCE_VERIFYING_SIGNATURE=false

这将禁用插件签名验证，允许安装未验证的插件。安装完成后的插件如下

回过头来我们看下生成的源码，入口文件main.py

from dify_plugin import Plugin, DifyPluginEnv
plugin = Plugin(DifyPluginEnv(MAX_REQUEST_TIMEOUT=120))
if __name__ == '__main__':
    plugin.run()

里面启动了plugin，它的寻址是通过配置文件manifest.yaml

plugins:
  tools:
    - provider/firstexp.yaml

定位到这个yaml文件内容

extra:
  python:
    source: tools/firstexp.py

就来到了具体插件源码中

from collections.abc import Generator
from typing import Any
from dify_plugin import Tool
from dify_plugin.entities.tool import ToolInvokeMessage
class FirstexpTool(Tool):
    def _invoke(self, tool_parameters: dict[str, Any]) -> Generator[ToolInvokeMessage]:
        yield self.create_json_message({
            "result": "Hello, world!"
        })

我们编辑这个代码就能实现自己复杂的逻辑