AI在线 AI在线

Dify工具插件开发和智能体开发全流程实战

作者：AI大模型应用开发 2025-06-06 10:01
前言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。 Dify自1.0.0引入全新插件化架构，模型（Models）与工具（Tools）迁移为插件（Plugins），引入 Agent 策略（Agent Strategies）、扩展（Extensions）类型插件和插件集（Bundles）。 通过全新的插件机制，能够增强 AI 应用的感知和执行能力，拓宽AI在软件操作领域的应用能力。

Dify工具插件开发和智能体开发全流程实战

前言

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。

Dify自1.0.0引入全新插件化架构，模型（Models）与工具（Tools）迁移为插件（Plugins），引入 Agent 策略（Agent Strategies）、扩展（Extensions）类型插件和插件集（Bundles）。通过全新的插件机制，能够增强 AI 应用的感知和执行能力，拓宽AI在软件操作领域的应用能力。

本文将介绍如下内容：

  • 搭建基于Docker的MySQL数据库环境
  • 开发Dify工具插件实现MySQL数据库操作
  • 基于Dify搭建智能体通过插件操作MySQL实现理财助手智能体

文末可获取完整插件代码下载地址

搭建基于Docker的MySQL数据库环境

1) 启动Docker容器

  • 建立docker_compose.yaml，内容如下
复制
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
  • 执行docker compose up -d启动数据库

2) 创建数据库和表

  • 下载MySQL客户端软件，例如dbeaver (https://dbeaver.io/download)
  • 连接数据库，创建数据库和表
复制
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Dify工具插件实现MySQL数据库操作

以windows开发环境为例：

1) 下载插件开发脚手架工具

从https://github.com/langgenius/dify-plugin-daemon/releases下载适用于windows的dify-plugin-windows-amd64.exe。把程序所在目录加到系统PATH路径下，方便执行命令。运行命令查看版本信息，有输出版本信息则说明安装成功

图片

2) 创建项目

执行命令dify-plugin-windows-amd64.exe plugin init创建项目，输入插件名(mysql)，作者和描述

图片

按Enter确认后，选择python做为开发语言

图片

按Enter确认后，选择插件类型，这里我们选tool

图片

按Enter确认后，选择插件权限。mysql插件不需要勾选任何权限，一直按down键移到最后一行，然后按回车即可完成项目创建，系统将自动生成插件项目代码，目录为mysql。

图片

生成的目录结构如下：

图片

3) 创建python虚拟环境

进入生成的目录mysql，修改生成的requirements.txt，添加用到的python包： mysql-connector-python。

图片

创建python虚拟环境并安装依赖包

复制
python -m venv .venv
# 激活环境
.\.venv\Scripts\activate
# 安装依赖包
pip install -r requirements.txt

4) 封装数据库功能

在tools目录下增加db.py，通过类DbManagerSingleton封装数据库操作。DbManagerSingleton实现为单例模式，以便插件内不同的代码共用类的实例对象。

复制
import json
import mysql.connector
from contextlib import contextmanager
from threading import Lock


# 单例模式
class DbManagerSingleton:
    _instance = None
    _lock = Lock()  # 线程锁，确保线程安全

    def __new__(cls, *args, **kwargs):
        if not cls._instance:
            with cls._lock:
                if not cls._instance:
                    cls._instance = super().__new__(cls)
                    cls._instance.__init__(*args, **kwargs)
        return cls._instance

    def __init__(self, host, port, user, password, database):
        self.connection_pool = mysql.connector.pooling.MySQLConnectionPool(
            pool_name="db_pool",
            pool_size=5,
            pool_reset_sessinotallow=True,
            host=host,  # 数据库服务器Host
            port=port,  # 数据库服务器端口
            user=user,  # 数据库用户名
            password=password,  # 数据库密码
            database=database,  # 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}"

5) 实现授权配置

修改provider/mysql.yaml。其中，credentials_for_provider的信息用于配置插件授权（配置数据库连接相关信息）。内容如下：

复制
identity:
  author: testuser
  name: mysql
  label:
    en_US: mysql
    zh_Hans: mysql
  description:
    en_US: mysql tools
    zh_Hans: mysql tools
  icon: icon.svg
tools: # 插件包含的工具列表
  - tools/get_table_definition.yaml
  - tools/execute_sql.yaml

extra:
  python:
    source: provider/mysql.py

credentials_for_provider:
  host: # 数据库HOST
    type: text-input # 输入类型为普通文本
    required: true # 此凭证是必需的
    label:  # 在 Dify UI 中显示的标签 (支持多语言)
        en_US: MySQL Server Host
        zh_Hans: MySQL Server主机
  port: # 数据库端口
    type: text-input # 输入类型为普通文本
    required: true # 此凭证是必需的
    label: # 在 Dify UI 中显示的标签 (支持多语言)
        en_US: MySQL Server Port
        zh_Hans: MySQL Server端口
  user: # 数据库用户名
    type: text-input # 输入类型为普通文本
    required: true # 此凭证是必需的
    label: # 在 Dify UI 中显示的标签 (支持多语言)
        en_US: user name
        zh_Hans: 用户名
  password: # 数据库密码
    type: secret-input # 输入类型为密码框
    required: true # 此凭证是必需的
    label: # 在 Dify UI 中显示的标签 (支持多语言)
        en_US: password
        zh_Hans: 密码
  database: # 数据库名
    type: text-input # 输入类型为普通文本
    required: true # 此凭证是必需的
    label: # 在 Dify UI 中显示的标签 (支持多语言)
        en_US: database name
        zh_Hans: 数据库名

修改provider/mysql.py，实现配置校验，通过建立连接执行show tables验证参数是否正确。代码如下：

复制
from typing import Any

from dify_plugin import ToolProvider
from dify_plugin.errors.tool import ToolProviderCredentialValidationError


class MysqlProvider(ToolProvider):
    def _validate_credentials(self, credentials: dict[str, Any]) -> None:
        try:
            """
            IMPLEMENT YOUR VALIDATION HERE
            """
            from tools.db import DbManagerSingleton

            dbManager = DbManagerSingleton(
                host=credentials["host"],
                port=credentials["port"],
                user=credentials["user"],
                password=credentials["password"],
                database=credentials["database"],
            )
            dbManager.execute_sql("show tables")
        except Exception as e:
            raise ToolProviderCredentialValidationError(str(e))

6) 实现工具get_table_definition获取表结构定义

provider/mysql.yaml的tools字段定义了插件包含的工具列表。

复制
tools: # 插件包含的工具列表
  - tools/get_table_definition.yaml
  - tools/execute_sql.yaml

每个工具需要一个yaml文件进行描述，包含工具的名称、描述、参数列表等。

将自动生成的tools目录下的mysql.yaml和mysql.py分别重命名为get_table_definition.yaml和get_table_definition.py

get_table_definition.yaml修改为如下内容：

复制
identity:
  name: get_table_definition
  author: testuser
  label: # 在 Dify UI 中显示的工具名称 (多语言)
    en_US: get database table definition
    zh_Hans: 获取数据库表定义
description:
  human: # 给人类用户看的工具描述 (多语言)
    en_US: get database table definition
    zh_Hans: 获取数据库表定义
  llm: get database table definition # 给 LLM 看的工具描述 (用于 Agent 模式) 
parameters: # 定义工具的输入参数列表
  - name: table
    type: string
    required: true
    label: # 在 Dify UI 中显示的参数标签 (多语言)
      en_US: database table name
      zh_Hans: 数据库表名
    human_description: # 给人类用户看的参数描述 (多语言)
      en_US: database table name
      zh_Hans: 数据库表名
    llm_description: database table name # 给 LLM 看的参数描述 (指导 Agent 如何填充)
    form: llm # 参数表单类型 ('llm' 或 'form')
extra:
  python:
    source: tools/get_table_definition.py

get_table_definition.py修改为如下内容：

复制
from collections.abc import Generator
from typing import Any
from dify_plugin import Tool
from dify_plugin.entities.tool import ToolInvokeMessage
from tools.db import DbManagerSingleton


class GetTableDefinitionTool(Tool):
    def __init__(self, runtime, session):
        super().__init__(runtime, session)
        self.dbManager = DbManagerSingleton(
            host=runtime.credentials["host"],
            port=runtime.credentials["port"],
            user=runtime.credentials["user"],
            password=runtime.credentials["password"],
            database=runtime.credentials["database"],
        )

    def _invoke(self, tool_parameters: dict[str, Any]) -> Generator[ToolInvokeMessage]:
        table = tool_parameters["table"]
        sql = f"show create table {table}"
        yield self.create_text_message(self.dbManager.execute_sql(sql))

7) 实现工具execute_sql执行SQL语句

在tools目录新建execute_sql.yaml和execute_sql.py

execute_sql.yaml修改为如下内容：

复制
identity:
  name: execute_sql
  author: testuser
  label: # 在 Dify UI 中显示的工具名称 (多语言)
    en_US: execute sql
    zh_Hans: 执行sql语句
description:
  human: # 给人类用户看的工具描述 (多语言)
    en_US: execute sql
    zh_Hans: 执行sql语句
  llm: execute sql # 给 LLM 看的工具描述 (用于 Agent 模式) 
parameters: # 定义工具的输入参数列表
  - name: sql
    type: string
    required: true
    label:  # 在 Dify UI 中显示的参数标签 (多语言)
      en_US: sql
      zh_Hans: sql语句
    human_description: # 给人类用户看的参数描述 (多语言)
      en_US: the sql to execute
      zh_Hans: 要执行的sql语句
    llm_description: sql # 给 LLM 看的参数描述 (指导 Agent 如何填充)
    form: llm # 参数表单类型 ('llm' 或 'form')
extra:
  python:
    source: tools/execute_sql.py

execute_sql.py修改为如下内容：

复制
from collections.abc import Generator
from typing import Any
from dify_plugin import Tool
from dify_plugin.entities.tool import ToolInvokeMessage
from tools.db import DbManagerSingleton


class ExecuteSqlTool(Tool):
    def __init__(self, runtime, session):
        super().__init__(runtime, session)
        self.dbManager = DbManagerSingleton(
            host=runtime.credentials["host"],
            port=runtime.credentials["port"],
            user=runtime.credentials["user"],
            password=runtime.credentials["password"],
            database=runtime.credentials["database"],
        )

    def _invoke(self, tool_parameters: dict[str, Any]) -> Generator[ToolInvokeMessage]:
        sql = tool_parameters["sql"]
        yield self.create_text_message(self.dbManager.execute_sql(sql))

8) 修改manifest.yaml

manifest.yaml定义了插件最基础的信息，包括插件名称、作者、包含的工具、模型等信息。

本插件虽然没用到storage持久化存储的权限，但需要将storage里的size字段从0改为大于等于1024，否则启动插件时会报错。

复制
storage:
      enabled: false
      size: 1024

9) 调试

在Dify的插件管理页面，点击图中红框部分，弹出调试的URL和Key。

图片

复制.env.example到.env，修改REMOTE_INSTALL_HOST和REMOTE_INSTALL_KEY。

图片

执行命令python main.py启动插件，等待至显示"dify_plugin.plugin:Installed tool"，工具安装成功。

图片

此时，在Dify的插件管理页面可以看到mysql插件。选择mysql插件，在右侧点击“去授权”

图片

填上相关参数并保存

图片

新建测试Agent，添加mysql插件的两个工具，模型选择doubao-1.5-pro-32k，模型会根据用户提问自动调用数据库工具，并根据工具的响应生成回复。效果如下图：

图片

10) 打包

确认插件能够正常运行后，可以通过以下命令行工具打包插件，生成mysql.difypkg。

复制
dify-plugin-windows-amd64.exe plugin package mysql

图片

11) 发布

  • 发布到Dify Marketplace参考: https://docs.dify.ai/zh-hans/plugins/publish-plugins/publish-to-dify-marketplace
  • 发布到个人GitHub仓库参考: https://docs.dify.ai/zh-hans/plugins/publish-plugins/publish-plugin-on-personal-github-repo
  • 本地发布与分享

在Dify的插件管理页面，点击“安装插件”=>“本地插件”

图片

选择打包生成的mysql.difypkg，会提示签名错误。

图片

需要修改docker/.env，将FORCE_VERIFYING_SIGNATURE改为false，然后重建docker。修改该字段后，Dify平台将允许安装所有未在Dify Marketplace上架（审核）的插件，可能存在安全隐患。

复制
docker compose down
docker compose up -d

docker重建后，重新安装本地插件。

图片

基于Dify搭建智能体通过插件操作MySQL实现理财助手智能体

1) 安装Agent策略插件

点击右上角“插件”按钮，进入插件页面，选择“探索Marketplace

选择插件Dify Agent 策略进行安装。

图片

2) 创建应用

  • 创建一个空白应用，类型为Chatflow

图片

  • 调整工作流，把默认的LLM节点替换为Agent节点

图片

  • 设置Agent节点的Agent策略，并添加MySQL工具策略选择Function Calling

图片

  • Agent节点的模型选择doubao-1.5-pro-32k
  • 设置Agent节点的指令(系统提示词)
复制
# 角色
你是记账助手，可以通过调用数据库工具完成记录日常收入和支出并作分析。
为了完成记账操作，需要先获取数据库表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。图片
  • 预览调试输入“昨天吃饭用了50元，还花了35元买了拖鞋。今天买手机花了2999元，吃饭花了60元”，验证输出为成功记录支出。图片

另外，通过数据库表验证数据正常插入

图片

输入“汇总各个类别的金额”，验证数据查询

图片

确认无误后点击右上角的“发布”按钮发布应用

总结

本文以实现MySQL数据库操作插件详细介绍开发Dify工具插件的全流程，并使用该插件搭建理财智能体，展示了Agent从语义理解到工具调用的完整决策链路。

跟MCP工具插件开发比较，Dify工具插件开发步骤相对复杂，且仅能使用Python开发，仅能用于Dify生态。但Dify插件的整体链路开销较MCP插件低，如果你对系统时延和成本更敏感，且无需使用MCP的动态发现工具能力，Dify工具插件也许是个更好的选择。

完整代码地址：https://github.com/copilot-coder/dify-plugin-mysql

相关标签：
人工智能 大模型 智能体 Dify

相关资讯

智能体开发实战|基于Dify+MCP实现通过微信发送天气信息给好友

智能体开发实战|基于Dify+MCP实现通过微信发送天气信息给好友
前言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。
6/9/2025 1:00:00 AM
AI大模型应用开发
本地部署DeepSeek+DiFy平台构建智能体应用

本地部署DeepSeek+DiFy平台构建智能体应用
在大模型实际应用落地时候，利用智能体平台，构建本地的向量化知识库，基于RAG知识增强技术和大模型的推理能力，提升效率。 本文简要介绍RAG、大模型微调和大模型蒸馏的特点，通用智能体平台，并在本地部署DiFy智能体平台，利用本地部署的DeepSeek模型和知识库构建智能体应用。 1、RAG、微调和蒸馏大模型的落地使用主要有RAG、微调和蒸馏几种方式，每种方式有各自的特点和适用场景。
4/14/2025 12:22:00 AM
大唐小少
智能体常用策略FunctionCalling和ReAct有什么区别？

智能体常用策略FunctionCalling和ReAct有什么区别？
Dify 内置了两种 Agent 策略：Function Calling 和 ReAct，但二者有什么区别呢？ 在使用时又该如何选择呢？ 接下来我们一起来看。
5/27/2025 12:00:00 AM
磊哥
  • 1
资讯热榜
秘塔AI搜索“今天学点啥”视频讲解页面上线PPT导出功能 智谱AI全新企业级超级助手Agent CoCo正式上线 语音AI的终极突破！Bland TTS一键克隆任意人声，真实到让人毛骨悚然！ Perplexity AI 推出 SEC 数据集成，助力投资者轻松获取财务信息 解决主体一致性了！FLUX.1 Kontext 深度测评+案例实操教程 ​AI 教父本吉奥宣布创建 “科学家 AI” 系统，致力于防范智能体欺骗 DeepSeek可能使用了Google Gemini数据训练新 AI 模型 Manus 推出“文生视频”功能，挑战 OpenAI Sora 等竞争对手
标签云
人工智能 AI OpenAI AIGC 模型 ChatGPT DeepSeek AI绘画 数据 谷歌 机器人 大模型 Midjourney 用户 智能 开源 微软 GPT 学习 Meta 图像 技术 AI创作 Gemini 论文 马斯克 Stable Diffusion 算法 代码 英伟达 Anthropic 芯片 生成式 开发者 蛋白质 腾讯 神经网络 研究 3D 生成 训练 苹果 计算 智能体 Sora 机器学习 AI设计 AI for Science Claude GPU AI视频 人形机器人 华为 搜索 场景 百度 大语言模型 xAI 预测 伟达 深度学习 Transformer 字节跳动 Agent 模态 具身智能 神器推荐 LLaMA 文本 视觉 Copilot 算力 工具 LLM 驾驶 API 大型语言模型 应用 RAG 亚马逊