企业官网建设流程全解析

1. 为什么要在 Dify 里接 MCP，而不是继续堆提示词

如果你已经在用 Dify 搭写作助手，大概率遇到过这几个卡点：模型 Key 散落在每个应用的模型供应商配置里，换一次通道要挨个应用改；写作流程里想调用外部能力（查资料、跑脚本、读本地文件），只能靠 HTTP 请求节点硬拼，参数一多就乱；多个应用共用同一套模型，额度、日志、限流完全看不到全局。

MCP（Model Context Protocol）解决的正是「工具怎么被模型稳定调用」这件事。它把工具的描述、入参 schema、调用入口标准化，Dify 通过 MCP Server 插件把工作流暴露成一个可被发现的工具，再用 MCP 客户端节点去发现和调用。这样写作助手就不只是「一段提示词 + 一次 LLM 调用」，而是「工作流即工具」的智能体链路。

而 TaoToken 在这里的角色是统一 Key 与 API 通道：Dify 的模型供应商、MCP 相关的模型调用，都指向同一个入口，Key 只维护一份。这篇就按「Dify 工作流 → MCP Server 插件暴露 → MCP 客户端调用 → 写作助手验证」的顺序，把可复制的配置和踩坑点讲清楚。适合已经跑通过 Dify 基础 Chatflow、想进一步做智能体写作链路的开发者。

2. TaoToken 前置：统一 Key 与接入地址

在动手配 Dify 之前，先把模型通道这件事定下来。TaoToken 提供统一的 API 入口，Dify 里配置模型供应商时填它的地址即可，不用在每个应用里重复填不同厂商的 Key。

官网入口：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=

API 基址（配置时用这个，不带额外参数）：https://taotoken.net/api

你需要先拿到一个 API Key，入口在控制台的 API Keys 页面：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite

拿到 Key 之后，Dify 的模型供应商配置大致是这样填的（以 OpenAI 兼容方式接入为例）：

注意：Base URL 只写到 /api，不要自己拼 /v1 之类的后缀，具体路径由 Dify 的供应商适配层处理。填错最常见的表现是 404 或「模型不存在」。

如果你更习惯用配置文件管理，Dify 自部署场景下模型供应商的 Key 一般走环境变量或供应商配置，本地开发时可以用一份 settings.json / config.toml 骨架统一管理，避免散落：

{ "llm": { "provider": "openai-compatible", "base_url": "https://taotoken.net/api", "api_key": "sk-你的TaoTokenKey", "default_model": "你的模型名", "timeout": 60 }, "mcp": { "enabled": true, "server_name": "writing-tools" } }

[llm] provider = "openai-compatible" base_url = "https://taotoken.net/api" api_key = "sk-你的TaoTokenKey" default_model = "你的模型名" timeout = 60 [mcp] enabled = true server_name = "writing-tools"

这份骨架的作用是：模型通道和 MCP 开关集中在一处，Dify 应用里只引用，不重复填。实际部署时把 api_key 换成环境变量注入，别硬编码进仓库。

3. 可复制配置：Dify 工作流 + MCP Server 插件

3.1 先建一个最小写作工作流

在 Dify 工作室创建一个 Chatflow（或 Workflow），命名为「写作助手-风格模仿」。开始节点加一个字符串变量author，用来接收「模仿谁的风格」这个输入。

接着加一个 LLM 节点，系统提示词可以这样写：

你是一位写作助手。请模仿 {{author}} 的写作风格，围绕用户给出的主题写一段 200 字左右的短文。 要求：保留该作者常见的句式节奏与用词偏好，不要直接复制其原文。

把开始节点的author变量映射进提示词，再加一个结束节点输出结果，保存并发布。这一步先确保纯 LLM 链路能跑通，再去接 MCP。

3.2 安装 MCP Server 插件并暴露工作流

在 Dify 插件市场安装 MCP Server 插件。安装后新建一个 MCP Server 配置，App 选择刚才发布的「写作助手-风格模仿」工作流。

Schema 按工作流入参来写，这里只有一个author：

{ "name": "poem", "description": "模仿输入的作者风格写诗歌或短文", "inputSchema": { "title": "poem", "type": "object", "properties": { "author": { "title": "author", "description": "作者名", "type": "string" } }, "required": ["author"] } }

保存后复制生成的 SSE 请求链接，形如http://你的Dify地址/mcp/xxx/sse，下一步要用。

3.3 安装 MCP 客户端工具并填 URL

再安装调用 MCP 的客户端插件（MCP 工具调用类插件）。在它的服务配置里，把上一步复制的 SSE 链接填进 url 参数，保存。

注意：SSE 链接里的主机名必须是 MCP 客户端容器能访问到的地址。Dify 用 Docker 部署时，localhost往往指向容器自身而不是宿主机，这是后面 404/连接拒绝的高频原因。

3.4 创建智能体并挂载 MCP 工具

新建一个 Agent 应用，提示词里说明它的职责，例如：

你是一个写作助手。当用户要求「模仿某作者风格写作」时，调用 poem 工具，把作者名作为参数传入，然后基于返回结果润色输出。

在工具设置里添加「发现 MCP 工具」和「调用 MCP 工具」，保存发布。到这里，链路就是：用户 → Agent → MCP 客户端 → MCP Server → 写作工作流 → LLM（走 TaoToken 通道）→ 返回。

4. 验证请求：从对话到工作流跑通

配置完成后别急着写复杂提示词，先用最小输入验证。在 Agent 调试预览里输入：

模仿鲁迅的风格写一段关于秋天的短文

预期行为是：Agent 识别到需要调用poem工具，参数author为「鲁迅」，MCP 客户端发起调用，写作工作流执行 LLM 节点并返回文本，Agent 再输出。

如果你想绕过 Agent 直接验证 MCP Server 是否正常，可以用 curl 探一下 SSE 端点是否可达：

curl -i http://你的Dify地址/mcp/xxx/sse

正常会返回200且Content-Type: text/event-stream。如果返回 404，说明链接路径不对或插件没启动；返回连接拒绝，多半是网络/容器地址问题。

再验证模型通道是否走通：在 Dify 的模型供应商页面点「测试」，或在任意 LLM 节点单独运行一次。成功时能看到正常补全结果；失败时错误信息里通常会带状态码，方便定位是 Key 问题还是地址问题。

实测下来，只要 SSE 可达 + 模型测试通过，整条链路基本就通了。写作助手的输出质量则取决于提示词和工作流设计，这部分可以后续迭代。

5. 本篇常见错排查

MCP 工具发现为空：Schema 里的name和实际工作流入参对不上，或 MCP Server 没选对 App。检查 Schema 的properties是否覆盖了工作流所有必填变量。

调用返回 404：SSE 链接复制不完整，或 Dify 地址用了localhost。换成容器网络内可达的地址，或宿主机 IP。

模型报 401/403：TaoToken Key 填错、过期，或 Base URL 写成了带/v1的地址。回到供应商配置核对，Base URL 用https://taotoken.net/api。

调用超时：写作工作流里 LLM 节点耗时较长，MCP 客户端默认超时可能不够。适当调大超时，或把工作流拆成更短的步骤。

Agent 不调用工具：提示词里没明确「何时调用」，或工具没在 Agent 的工具列表里启用。把调用条件写清楚，并确认「发现/调用 MCP 工具」都已添加。

改了工作流但 MCP 没更新：MCP Server 插件缓存了旧版本，重新保存一次 MCP Server 配置或重启插件。

6. 继续往下走：把 Key 和链路管起来

写作助手跑通只是第一步。真正上线时，你会需要多应用共用同一套模型通道、按应用看调用量、随时切换模型而不改业务代码——这些正是统一 Key 接入的价值。相关入口按用途分流：

• 需要创建或轮换 Key、查看调用：API Keys 页面 https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite
• 想先验证模型对话效果再接入：模型对话 https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_content=chat&utm_campaign=rewrite
• 长期做编码/Agent 类应用，关注额度与稳定性：Coding Plan https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding_plan&utm_campaign=rewrite
• 接入细节和参数说明：接入文档 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite

把 Dify 的模型供应商指向同一个 API 入口，MCP 工作流作为工具挂到 Agent 上，写作助手就从「单次生成」变成了可复用、可观测的智能体链路。下一步可以试着把「查资料」「改写」「配图描述」拆成多个 MCP 工具，让 Agent 自己编排。