Dify+MCP+MySQL：智能问数本地实践

本文分享了基于Dify+MCP+MySQL构建AI问答系统的实践经验。主要内容包括：系统架构：Dify作为AI开发平台，MCP作为中间层，MySQL存储数据环境部署：在macOS系统下使用Docker部署Dify，通过conda创建Python虚拟环境运行MCP服务数据库配置：创建专用MySQL数据库存储金融股票数据工作流配置：在Dify中集成MCP插件，建立对话工作流应用问题解决：详细记录了MC

SophiaSSSSS

1320人浏览 · 2025-05-29 17:55:15

SophiaSSSSS · 2025-05-29 17:55:15 发布

此记，一为流程备忘和指引，二为分享共建。
参考多篇帖子，最主要一篇是：
《Dify+MCP 组合拳：彻底根治 Excel 上传知识库回答数据不准的难题！》。在此感谢。
https://blog.csdn.net/python1234567_/article/details/147592305

实际实践下来，与该帖子还是有比较大差异的，虽然dify+mcp的整体流程几乎一样，不过在python环境配置上采用了不同方式。原帖子用uv，我不太懂，换成了conda。

部署架构概述

Dify作为AI应用开发平台，MCP作为中间层，MySQL作为数据存储，三者结合构建完整解决方案。
Dify是一个开源的大型语言模型（LLM）应用开发平台，提供了直观的界面，可帮助开发者快速构建AI聊天助手、工作流、RAG、Agent等生产级的生成式AI应用。
MCP（模型上下文协议）通过为AI模型提供标准化接口，增强其与外部数据源和工具的交互能力，从而支持更智能、上下文感知的自动化。

我的环境准备

操作系统：macOS（15.4）+ Docker环境
软件依赖：Python 3.12、Docker、MySQL 8.0+
硬件配置：M4芯片（10+10核）、24G内存、1T存储

一、MySQL部署与配置

安装MySQL
自行官网下载安装，我装的是mysql 8.4。
创建专用数据库与用户

安装mysql之后，可以下载安装dbeaver数据管理客户端来对mysql进行新建数据库、数据存储、迁移和查看等。

我本来有在用的数据库和部分金融-股票数据，所以直接新建一个库ai_agent_test作为智能问数本地实践测试使用，数据则从现有金融数据库复制一份现有的股票数据，供后续“智能问数”。
在这里插入图片描述

二、Dify平台部署

Dify是一个开源的大型语言模型（LLM）应用开发平台，提供了直观的界面，可帮助开发者快速构建AI聊天助手、工作流、RAG、Agent等生产级的生成式AI应用。

可以参考这篇帖子：
大模型（deepseek）之运用Dify构建智能体和工作流应用
https://blog.csdn.net/qq_31400983/article/details/143751581

在安装好docker之后，可以开始dify部署。我采用的是docker部署方式。
dify官网：https://dify.ai/
GitHub源码和镜像：https://github.com/langgenius/dify

克隆代码库
下载Dify代码。可以直接访问Dify官网直接选择进入Github页面下载代码，也可以在cmd窗口运行以下代码克隆代码（事先为Dify克隆文件创建一个文件夹，如docker_files）：

cd docker_files   # 如果没有这一步，则默认下载在根目录下。
git clone https://github.com/langgenius/dify.git

创建dify Docker

cd dify/docker
cp .env.example .env
docker compose up -d

– 这里“dify/docker”要根据实际情况替换实际路径。
此步骤可以参考官网。
在这里插入图片描述

前端构建与启动

在浏览器输入：http://127.0.0.1/install或者http://localhost/install
回车即可打开dify前端页面。登录后页面如下：
在这里插入图片描述

三、MCP中间层集成

（一）下载mysql-mcp-server源码

下载mysql-mcp-server源码，这是一个github项目的源码，原github地址是：https://github.com/mangooer/mysql-mcp-server-sse

（二）准备python环境

因为采取的是源码方式 / Source Code Method，所以需要准备python环境。（如果采用docker方式，则不用）

创建虚拟环境及安装依赖包
创建python虚拟环境命名为ai_agent并激活，以及安装必要的依赖包：
– – “ai_agent”可以自定义为你喜欢的名字

# 创建指定Python版本的虚拟环境
conda create --name ai_agent python=3.12  
# 激活虚拟环境
conda activate ai_agent       
# 从 requirements.txt 批量安装
pip install -r requirements.txt

# 如果requirements.txt批量安装失败，可以尝试单包安装（示例）
pip install mcp
pip install aiomysql
pip install python-dotenv
pip install sqlparse

PS：
我本机用的是anaconda，所以习惯用conda命令。
然后，我的requirements.txt批量安装失败了，所以是单包安装解决的，就几个包，不多。
在这里插入图片描述

（三）数据库配置

复制.env.example为.env，并根据实际情况修改。如下图：

# 数据库连接配置
MYSQL_HOST=localhost      # MySQL服务器地址
MYSQL_PORT=3306           # MySQL服务器端口
MYSQL_USER=root           # MySQL用户名
MYSQL_PASSWORD=root12345   # MySQL密码（留空表示无密码）
MYSQL_DATABASE=ai_agent_test  # 要连接的数据库名

在这里插入图片描述

（四）启动服务 / Start the Server

cd /Users/xxx/docker_files/mysql-mcp-server-sse-main    # 改成自己实际路径
python -m src.server     # 默认监听：http://127.0.0.1:3000/sse

可以看到，MCP服务运行在了 3000 端口，请记住该端口号，后面配置Dify工作流会用到。
在这里插入图片描述
从这里开始，由于实现路径接近一致，所以要大篇幅复制一下前面提到的参考帖子内容了。如有侵权，请联系我删除。
《Dify+MCP 组合拳：彻底根治 Excel 上传知识库回答数据不准的难题！》
https://blog.csdn.net/python1234567_/article/details/147592305

四、Dify工作流调用MCP服务

（一）安装插件

安装 MCP Agent策略 MCP SSE 插件，以供后面使用。
（才发现我电脑设置了中文繁体，所以简体“插件”显示成繁体“外褂”。如果看不习惯，可以点击上方链接，参考原帖相应部分。）
在这里插入图片描述
安装好后，是这样的：

（二）创建对话工作流应用

在这里插入图片描述

（三）开始节点

开始节点什么都不用填写，默认使用输入框的内容 sys.query 作为输入参数

在这里插入图片描述

（四）Agent策略节点

1、选择策略工具
选择刚才下载的 MCP Agent 策略作为意图识别的工具，他会自主来决策，该选择调用工具列表中的哪个工具执行任务
在这里插入图片描述

2、选择AI模型
在这里插入图片描述

3、添加工具
① 点击添加工具
② 选择前面安装的插件工具
获取MCP工具列表，调用MCP工具，两个都要选择，此处仅以第一个为例，第二个操作步骤一样
③ 点击工具授权

④ 填写MCP的SSE服务配置

此处填写的信息就用到了前面启动MCP服务时我提到的端口号 3000了。

{  "mysql-server": {    "url": "http://host.docker.internal:3000/sse",    "headers": {}, "timeout": 60,    "sse_read_timeout": 300  }}

在这里插入图片描述

– – 切记：除了端口号，其他信息都不用改。
– – 我一开始以为要根据实际情况自定义，所以尝试在"url"处输入http://127.0.0.1:3000或者http://localhost:3000，也曾尝试把"mysql-server"替换成"mysql_server"，都提示无法连接MCP server。后来发现，直接复制粘贴就OK。
在这里插入图片描述

4、启用工具
在这里插入图片描述

5、选择另一个工具

在这里插入图片描述

6、填写指令提示词

你是一名水果店员工，负责调用工具列表，查询水果表数据，水果表表结构如下：CREATE TABLE `fruits` (
  `id` int NOT NULL COMMENT 'ID',
  `name` varchar(20) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL COMMENT '水果名称',
  `price` decimal(6,2) NOT NULL COMMENT '水果价格',
  `stock` int NOT NULL COMMENT '库存',
  `origin` varchar(20) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL COMMENT '产地',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_general_ci COMMENT='水果表';

在这里插入图片描述
我的提示词和页面：

你是一名投资分析师，负责调用工具列表，查询财经数据，相关表结构如下：
-- ai_agent_test.ods_basicInfo_fund_etf_spot_em definition

CREATE TABLE `ods_basicInfo_fund_etf_spot_em` (
  `代码` varchar(255) DEFAULT NULL,
  `名称` varchar(255) DEFAULT NULL,
  `最新价` double DEFAULT NULL,
  `IOPV实时估值` double DEFAULT NULL,
  `基金折价率` double DEFAULT NULL,
  `涨跌额` double DEFAULT NULL,
  `涨跌幅` double DEFAULT NULL,
  `成交量` double DEFAULT NULL,
  `成交额` double DEFAULT NULL,
  `开盘价` double DEFAULT NULL,
  `最高价` double DEFAULT NULL,
  `最低价` double DEFAULT NULL,
  `昨收` double DEFAULT NULL,
  `振幅` double DEFAULT NULL,
  `换手率` double DEFAULT NULL,
  `量比` double DEFAULT NULL,
  `委比` double DEFAULT NULL,
  `外盘` double DEFAULT NULL,
  `内盘` double DEFAULT NULL,
  `主力净流入-净额` double DEFAULT NULL,
  `主力净流入-净占比` double DEFAULT NULL,
  `超大单净流入-净额` double DEFAULT NULL,
  `超大单净流入-净占比` double DEFAULT NULL,
  `大单净流入-净额` double DEFAULT NULL,
  `大单净流入-净占比` double DEFAULT NULL,
  `中单净流入-净额` double DEFAULT NULL,
  `中单净流入-净占比` double DEFAULT NULL,
  `小单净流入-净额` double DEFAULT NULL,
  `小单净流入-净占比` double DEFAULT NULL,
  `现手` double DEFAULT NULL,
  `买一` double DEFAULT NULL,
  `卖一` double DEFAULT NULL,
  `最新份额` double DEFAULT NULL,
  `流通市值` bigint DEFAULT NULL,
  `总市值` bigint DEFAULT NULL,
  `数据日期` datetime DEFAULT NULL,
  `更新时间` varchar(255) DEFAULT NULL,
  `update_time` timestamp NULL DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;