前言

很多熟悉我的朋友，都是从我春节前的一篇文章开始的：DeepSeek + Dify ：零成本搭建企业级本地私有化知识库保姆级喂饭教程

很多朋友也是从这里知道了dify，并用上了个人本地知识库。但是在日常答疑过程中，我们发现，知识库回答Excel的内容，效果非常糟糕！比如：明明表里有30条数据，它只检索到了3条，问他表里总共多少条数据，他的回答都是乱七八糟的。

知识库本质上是向量相似度匹配，他本就不适合这种对精确度要求很高的统计查询场景，我们过于苛责知识库了。

那么，问题来了：我们能不能不导入数据，直接让dify访问数据库，基于数据库回答我的问题？

当然能！我们可能通过MCP来实现！

前面，我写过两篇关于MCP的极速入门的文章：

手搓MCP客户端&服务端：从零到实战极速了解MCP是什么？

玩转MCP：用百度热搜采集案例快速上手并接入cline

大家可能已经对MCP有一定的了解了！

今天，带大家写一个通信方式为SSE的MCP服务器，让你的Dify拥有自主查询数据库的能力！

一、基本流程

我们通过在自然语言与AI交互，

一、安装MySql

本步骤安装Mysql，如果电脑已经安装有Mysql或者服务器部署有Mysql，本步骤可跳过

一）下载

由于Mysql的下载安装比较繁琐，按照我的风格，我又把他做成了一键安装包，只需点击安装即可自动安装，老规矩，我把MySql一键安装包下载链接放到了同名工众号上，维信搜索工众号：阿坡RPA，回复关键字：mysql，链接自动掉落。

二）安装

解压下载好的一键安装包后，安装步骤：

① 双击根目录内的 MySql管理工具.exe

② 点击安装 按钮即可等待安装完成

③ 复制mysql账号密码

④ 在navicat内填写好账号密码（下载连接在同一个网盘内）

⑤ 点击左侧测试连接

出现成功确认框，表示成功安装了MySql，接下来即可开始后面的操作了

二、把数据导入MySql

一）创建数据库

二）导入数据表

注意：导入sql文件测试数据，在下载mysql的网盘内获取

三、安装并启动MCP服务

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

我已经下载好放在同一个网盘里，请根据文章开头获取方式获取，下打开载好的项目源码，进入源码目录：

一）初始化源码项目为uv项目

输出指令：

# 初始化
uv init

二）创建虚拟环境

# 创建虚拟环境
uv venv

三）激活虚拟环境

.venv\Scripts\activate

四）安装项目依赖

uv pip install -r .\requirements.txt		

五）数据库配置

在项目的env 文件内配置前面获取到的mysql账户密码及地址

六）运行server

本项目会开启一个 SSE 通信方式的MCP服务，方便AI通过url远程调用本服务

uv run -m src.server

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

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

二）创建对话工作流应用

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

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

2、选择AI模型

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  }}

4、启用工具

5、选择另一个工具

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';

7、设置查询提示词

聊天输入框的值就是 sys.query

五）直接回复节点

六）测试效果

1、dify的返回结果

2、可以看到MCP服务控制台的打印信息

3、工作流的日志追踪

七）保存工作流

总结

MCP结合数据库的方案为Dify等知识库应用提供了高效、精准的结构化数据检索能力，显著提升了数据查询的准确性和灵活性，弥补了RAG的检索精度上的不足。

但是，这一方案也是有缺点的，与RAG每次只检索相关文本片段不同，MCP+数据库会真正执行SQL查询，若一次查询数据量过大，会消耗大量Token，甚至可能导致MCP客户端卡死。