Dify Agent 调用 Fastapi MCP Server实战

01

—

Fastapi MCP Server 实现

1、Fastapi框架中可以同时实现http restful接口和mcp server。

代码如下：

`` from datetime import datetime
`` 
`` import uvicorn
`` from fastapi import FastAPI, Depends, HTTPException, Header
`` from fastapi_mcp import FastApiMCP
`` 
`` app = FastAPI()
`` 
`` 
`` # 授权验证，如果不需要，可以删除
`` async def verify_token(authorization: str | None = Header(None)):
``     # 这里替换为实际的验证逻辑，比如数据库查询，JWT验证等
``     valid_tokens = {"123456", "abcdef"}  # 示例有效token集合
``     if authorization not in valid_tokens:
``         raise HTTPException(status_code=403, detail="Invalid Token")
``     return True
`` 
`` 
`` # 注意：要设置添加明确的 operation_id 参数，这会让大模型更容易理解工具的作用
`` # 编写一个获取当前时间的接口
`` @app.get("/getCurrentTime", operation_id="get_current_time")
`` async def get_current_time():
``     return {"current_time": datetime.now().strftime("%Y-%m-%d %H:%M:%S")}
`` 
`` 
`` # 编写一个模拟获取用户信息的接口
`` @app.get("/users/{user_id}", operation_id="get_user_info")
`` async def get_user_info(user_id: int, is_auth: bool = Depends(verify_token)):  # 验证请求头，需要授权访问
``     # 这里的data可以替换成实际的查询数据库，这里只作为示例返回
``     data = {
``         "user_id": user_id,
``         "name": "wangzy",
``         "sex": "男",
``         "birthday": "2000-01-01",
``     }
``     return data
`` 
`` @app.post("/add", operation_id="add_two_number")
`` async def add(a: int, b: int) -> int:
``     """Add two numbers"""
``     return a + b
`` 
`` 
`` # 创建 MCP 服务器实例，绑定到 FastAPI app
`` mcp = FastApiMCP(app)
`` # 挂载 MCP 服务器，默认路径是 /mcp（可以修改）
`` mcp.mount()
`` 
`` if __name__ == "__main__":
``     uvicorn.run(app, host="0.0.0.0", port=8000)

2、postman验证http restful 接口

3、Cherry Studio配置mcp server

配置mcp server （如果开启了认证，需要配置认证headers）

可以在工具tab中看到所有的http restful api 同时也发布了mcp 工具。

4、Cherry Studio验证mcp server

fastapi中的FastApi和MCP Server也可以分开独立部署，适用于将 MCP 服务与主 API 在物理上隔离，或者为 MCP 使用不同的安全策略的场景。

笔者也顺便调研了下python实现此类有没有更优的方案，发现目前大家都推荐Fastapi或FastMCP这两个方案，对比如下，笔者使用现状需要同时兼顾http restful api和mcp server，所以应该会选择用Fastapi_mcp的方案。

02

—

Dify安装部署

笔者demo环境采用Docker Compose 方式部署，详细参考官方文档：

https://legacy-docs.dify.ai/zh-hans/getting-started/install-self-hosted/docker-compose

1、部署前提条件

2、克隆Dify仓库代码

# 假设当前最新版本为 0.15.3

git clone https://github.com/langgenius/dify.git --branch 0.15.3

3、启动 Dify

4、访问Dify

配置后登录Dify页面如下：

03

—

Dify中配置大模型及Agent

1、配置大模型

在Dify主页面找到设置选项

如下图，选择【模型供应商】配置，可以配置公有的大模型，也可以配置本地ollama部署的大模型

配置ollama大模型时，需要先安装相关插件：

注：笔者在配置本地ollama部署的大模型时，由于大模型默认启动127.0.0.1的地址，而Dify又是部署在docker容器内，所以从Dify容器中没有识别本机的127.0.0.1回环地址。

所以需要ollama启动的时候，先在环境变量中配置OLLAMA_HOST，然后再启动ollama ollama serve

Dify配置ollama大模型如下：

2、Dify安装mcp相关插件

安装好后如下：

插件中Api Key 授权配置

配置内容如下：

{ "server_name": { "url": "http://192.168.43.78:8000/mcp", "headers": {"Content-Type": "application/json", "Authorization": "123456"}, "timeout": 50, "sse_read_timeout": 50 }}

3、Dify创建Chatflow

输入应用名称及描述

添加Agent节点

Agent配置

Agent试运行：

如下图所示，通过大模型调用了最开始定义的getcurrenttime mcp server。

4、Dify Chatflow中调用mcp server 验证

可以看到，在Dify中工作区找到前面配置的Chatflow【testmcpserver】，在对话框中可以看到，可以正常调用Fastapi启用的mcp server。

注：笔者测试过程中，发现有一半的概率调用，Agent给出的回答是“I am thinking about how to help you”，发现大模型已经调用了mcp server拿到了数据，只不过回答的时候没有给出这个答案，猜测有可能是提示词等原因，后续再跟进排查原因。

04

—

总结

本篇文章内容实现了在Dify平台，配置Chatflow的Agent调用Fatsapi启用的MCP Server的一个demo，笔者后续会基于这个demo，在公司去实践故障诊断相关的自主规划Agent。后续整个项目顺利投产后，应该再总结一篇在生产环境中的项目实战总结。