智能体开发实战 | 基于Dify+MCP实现理财助手智能体

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。

然而，智能体的开发长期受制于接口碎片化与工具兼容性难题。开发者需为不同数据源编写适配代码，导致60%的开发周期浪费在系统对接上。这一痛点催生了MCP协议的诞生。MCP（Model Context Protocol，模型上下文协议）由Anthropic于2024年底开源，其核心是通过标准化接口实现大模型与外部工具的“即插即用”。类比互联网的TCP/IP协议，MCP构建了AI交互的通用语言。

本文将介绍如下内容：

• 搭建基于Docker的MySQL数据库环境
• 开发MCP Server实现MySQL数据库操作
• 基于Dify搭建智能体通过MCP操作MySQL实现理财助手智能体

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

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

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MCP Server实现MySQL数据库操作

以windows开发环境为例：

1) 设置Python开发环境

安装uv。uv是一个用Rust编写的极其快速的Python包和项目管理器。

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

创建python虚拟环境(假设项目目录为finance)

# Create a new directory for our project
uv init finance
cd finance

# Create virtual environment and activate it
uv venv
.venv\Scripts\activate

# Install dependencies
uv add mcp[cli] mysql-connector-python python-dotenv

如果在执行.venv\Scripts\activate时报错“无法加载.venv\Scripts\activate.ps1，因为在此系统上禁止运行脚本”，需要以管理员权限在终端执行Set-ExecutionPolicy RemoteSigned更改执行策略后再重新执行。

2) 设置环境变量

创建.env，配置数据库相关的环境变量，内容如下

DB_HOST=localhost
DB_USER=root
DB_PASSWD=root
DB_NAME=testdb

把.env添加到.gitignore

3) MCP Server实现代码

实现两个mcp工具：

• get_table_definition: 获取表结构定义
• execute_sql: 执行SQL语句

import mysql.connector
import json
import os
from contextlib import contextmanager
from dotenv import load_dotenv
from mcp.server.fastmcp import FastMCP

# 加载环境变量
load_dotenv()


class DbManager:
    def __init__(self):
        self.connection_pool = mysql.connector.pooling.MySQLConnectionPool(
            pool_name="db_pool",
            pool_size=5,
            pool_reset_session=True,
            host=os.getenv("DB_HOST"),  # 数据库服务器地址
            user=os.getenv("DB_USER"),  # 数据库用户名
            password=os.getenv("DB_PASSWD"),  # 数据库密码
            database=os.getenv("DB_NAME"),  # 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}"


dbManager = DbManager()
# Initialize FastMCP server
mcp = FastMCP()


@mcp.tool()
def get_table_definition(table: str) -> str:
    """get table definition"""
    return dbManager.execute_sql(f"show create table {table}")


@mcp.tool()
def execute_sql(sql: str) -> str:
    """execute sql"""
    return dbManager.execute_sql(sql)


if __name__ == "__main__":
    # Initialize and run the server
    mcp.run(transport="sse")

3) 启动MCP Server

uv run main.py

基于Dify搭建智能体通过MCP操作MySQL实现理财助手智能体

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。

假设已经通过Docker Desktop for Windows安装Dify。

1) 安装MCP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。

选择插件MCP SSE / StreamableHTTP进行安装。

2) 设置MCP服务

切换到"插件"tab，选择已经安装的插件"MCP SSE / StreamableHTTP"，点击“去授权”

填上MCP服务配置：

配置如下:

{"finance_server":{"url":"http://host.docker.internal:8000/sse","headers":{},"timeout":50,"sse_read_timeout":50}}

3) 创建Chatflow应用

• 创建一个空白应用，类型为Chatflow

• 调整工作流，把默认的LLM节点替换为Agent节点

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

• Agent节点的模型选择doubao-1.5-pro-32k通义千问系列的模型跑起来效果不佳，这次改用豆包模型
• 设置Agent节点的指令(系统提示词)

# 角色
你是记账助手，可以通过调用MCP工具完成记录日常收入和支出并作分析。
为了获得MCP工具列表，必须先通过mcp_sse_list_tools获取。
为了完成记账操作，需要先获取表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。

• 预览调试输入“昨天吃饭用了50元，还花了22元买了拖鞋。今天买手机花了1999元，吃饭花了60元”，验证输出为成功记录支出。

另外，通过数据库表验证数据正常插入

输入“汇总各个类别的金额”，验证数据查询

确认无误后点击右上角的“发布”按钮发布应用

总结

基于Dify搭建的智能体案例，不仅展示了从语义理解到工具调用的完整决策链路，更印证了MCP协议在降低开发成本和加速应用落地方面的工程意义。