当前位置: 首页 > news >正文

AI大模型全栈开发Coze+Dify+MCP+llama+LangChain+LangGraph智能体部署

如果想让你的智能助手实时获取最新信息,联网检索能力必不可少!然而,Dify插件市场的搜索工具要么需要付费,要么性能有限。而Coze提供的免费网页搜索插件,只需通过MCP服务简单改造,就能为Dify智能体打造经济高效的联网方案!

本文将详细讲解通过以下三步骤,让你无需高成本,搞定实时搜索——让AI助手真正‘联网’!:

✅ Coze 免费网页搜索工作流搭建

✅ FastAPI-MCP 封装接口,变成Dify兼容的MCP服务

✅ Dify 配置联网智能体,实战落地!

 

 

Coze网页搜索工作流搭建

网页搜索插件

在coze的插件市场中,找到了几款免费的网页搜索插件:必应搜索博查搜索社区版等。

图片

图片

工作流搭建

我们以必应搜索为例,搭建一个以必应搜索为引擎的联网检索工作流。

 

Coze联网搜索工作流

Coze联网搜索工作流

工作流传入两个参数,search_content用于搜索的文本,n返回搜索的网页数量。

 

工作流输入参数

工作流输入参数

由于必应搜索到的结果,可能不包含网页内的具体内容,因此,我们在必应搜索的结果上,对搜索到的链接,使用Coze官方的LinkReaderPlugin插件,进一步提取出网页内的具体内容。再合并网页链接进行输出。最终每个网页的输出参数为contentimagestitleurl

工作流发布

工作流创建后,发布工作流。为了后续我们能够调用该工作流的API,需要记住该工作流的workflow_id。找到发布的工作流,点开之后,在地址栏中就能看到工作流的workflow_id

 

在地址栏获取Coze工作流的ID

在地址栏获取Coze工作流的ID

在 扣子API 界面找到 Playground -> 授权 -> 个人访问令牌,创建一个新令牌,用于我们后续调用该工作流的凭证。

 

创建API调用凭证

创建API调用凭证

FastAPI-MCP 封装Coze接口

Coze接口调用

查看Coze官网API,找到 Playground -> 工作流 -> 执行工作流。点击进入,选择 Python,就可以看到Coze官方的API调用示例。

 

Coze官方API调用示例

Coze官方API调用示例

参考官方样例,我们用FastAPI写一个接口调用的服务。

  1.  
    class CozeAPI:
  2.  
        def __init__(self, coze_api_token):
  3.  
            self.coze_api_token = coze_api_token
  4.  
     
  5.  
     
  6.  
        def workflow_api(self, workflow_id, workflow_parameters):
  7.  
            coze_api_base = COZE_CN_BASE_URL
  8.  
            coze = Coze(auth=TokenAuth(token=self.coze_api_token), base_url=coze_api_base)
  9.  
            workflow = coze.workflows.runs.create(
  10.  
                workflow_id=workflow_id,
  11.  
                parameters = workflow_parameters,
  12.  
            )
  13.  
     
  14.  
            result = json.loads(json.loads(workflow.data).get("data"))
  15.  
     
  16.  
            return result
  17.  
        
  18.  
    @cozeAPIServer.get("/websearch", description="Coze联网检索服务")
  19.  
    asyncdef web_search(search_content:str, n:int=3):
  20.  
        workflow_name = "WebSearch"
  21.  
        res = (
  22.  
            CozeAPI(COZE_API_KEY)
  23.  
            .workflow_api(
  24.  
                workflow_id=COZE_WORKFLOW.get(workflow_name), 
  25.  
                workflow_parameters={"search_content":search_content"n":n}
  26.  
                )
  27.  
            )
  28.  
        return res
  29.  
     
  30.  
     
  31.  
    app = FastAPI(
  32.  
        title='COZE API',
  33.  
        description=f'COZE API接口文档',
  34.  
        version='0.0.1',
  35.  
    )
  36.  
     
  37.  
    app.include_router(cozeAPIServer, prefix="/coze", tags=['COZE API'])
 

FastAPI -> MCP

参考《FastAPI-MCP+Dify:让AI教你打炉石上传说》文章介绍,将我们的FastAPI服务两行代码秒变MCP服务。

  1.  
    mcp = FastApiMCP(
  2.  
        app,
  3.  
        name="COZE MCP",
  4.  
        description="COZE MCP",
  5.  
        base_url="http://0.0.0.0:8062",
  6.  
    )
  7.  
     
  8.  
    mcp.mount()
 

Cherry Studio测试MCP服务

在 设置 -> MCP服务器 中添加开发环境运行的CozeMCP

 

Cherry Studio CozeMCP配置

Cherry Studio CozeMCP配置

在聊天界面进行测试。

 

Cherry Studio 测试联网检索

Cherry Studio 测试联网检索

Dify搭建联网智能体

Docker部署CozeMCP

将我们开发好并测试通过的CozeMCP代码,打包一起上传到服务器,进行本地部署。

1.构建镜像

  1.  
    cd cozemcp/
  2.  
    docker build -t cozemcp:v0.1 .
 

2.启动服务,需要注意的是,由于我们的接口需要向coze服务器发送请求,需要连接到外部网络,因此我们在启动容器时,需要能够访问外网。

docker run -d -p 8062:8062 --network docker_ssrf_proxy_network --network docker_default --name cozemcpserver cozemcp:v0.1
 

Dify插件配置CozeMCP

在Dify的插件市场,找到MCP SSE插件,进行安装。

 

MCP SSE插件

MCP SSE插件

安装完之后,点击 授权,在MCP 服务配置中填入如下服务器信息。

  1.  
    {  
  2.  
      "cozemcp": { 
  3.  
        "url""http://cozemcpserver:8062/mcp",   
  4.  
        "headers": {}, "timeout"60,   
  5.  
        "sse_read_timeout"300  
  6.  
      }  
  7.  
    }
 

构建联网检索智能体

在Dify的 工作室 页面,点击 创建空白应用 -> Agent。在工具中,添加mcp_sse工具。

 

Dify Agent 配置 CozeMCP

进行一下测试。

 

联网智能助手测试

联网智能助手测试

 如何系统的去学习大模型LLM ?

大模型时代,火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业?”“谁的饭碗又将不保了?”等问题热议不断。

事实上,抢你饭碗的不是AI,而是会利用AI的人。

科大讯飞、阿里、华为等巨头公司发布AI产品后,很多中小企业也陆续进场!超高年薪,挖掘AI大模型人才! 如今大厂老板们,也更倾向于会AI的人,普通程序员,还有应对的机会吗?

与其焦虑……

不如成为「掌握AI工具的技术人」,毕竟AI时代,谁先尝试,谁就能占得先机!

但是LLM相关的内容很多,现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学,学习成本和门槛很高。

基于此,我用做产品的心态来打磨这份大模型教程,深挖痛点并持续修改了近70次后,终于把整个AI大模型的学习门槛,降到了最低!

在这个版本当中:

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲,跟着我做即可,为了让学习的道路变得更简单,这份大模型教程已经给大家整理并打包,现在将这份 LLM大模型资料 分享出来:包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点,那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集,涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程(LLaLA/Meta/chatglm/chatgpt)

在这里插入图片描述

五、AI产品经理大模型教程

在这里插入图片描述

LLM大模型学习路线 

阶段1:AI大模型时代的基础理解

  • 目标:了解AI大模型的基本概念、发展历程和核心原理。

  • 内容

    • L1.1 人工智能简述与大模型起源
    • L1.2 大模型与通用人工智能
    • L1.3 GPT模型的发展历程
    • L1.4 模型工程
    • L1.4.1 知识大模型
    • L1.4.2 生产大模型
    • L1.4.3 模型工程方法论
    • L1.4.4 模型工程实践
    • L1.5 GPT应用案例

阶段2:AI大模型API应用开发工程

  • 目标:掌握AI大模型API的使用和开发,以及相关的编程技能。

  • 内容

    • L2.1 API接口
    • L2.1.1 OpenAI API接口
    • L2.1.2 Python接口接入
    • L2.1.3 BOT工具类框架
    • L2.1.4 代码示例
    • L2.2 Prompt框架
    • L2.3 流水线工程
    • L2.4 总结与展望

阶段3:AI大模型应用架构实践

  • 目标:深入理解AI大模型的应用架构,并能够进行私有化部署。

  • 内容

    • L3.1 Agent模型框架
    • L3.2 MetaGPT
    • L3.3 ChatGLM
    • L3.4 LLAMA
    • L3.5 其他大模型介绍

阶段4:AI大模型私有化部署

  • 目标:掌握多种AI大模型的私有化部署,包括多模态和特定领域模型。

  • 内容

    • L4.1 模型私有化部署概述
    • L4.2 模型私有化部署的关键技术
    • L4.3 模型私有化部署的实施步骤
    • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓

 
http://www.hskmm.com/?act=detail&tid=31439

相关文章:

  • 一键生成毛茸萌宠形象,基于函数计算极速部署ComfyUI生图系统
  • Navicat Premium 17.0.3 安装与使用教程|MySQL、Oracle、PostgreSQL全支持
  • 国产研发效能工具崛起:Gitee Insight领跑DevSecOps新赛道
  • 2025-10-15 2个元素a和b,a的层级(z-index)比b的高,a为固定定位(fixed),b为粘性定位(sticky),当二者有部分重叠时,b会遮挡a的原因以及解决方法
  • MATLAB含风电场RX模型的系统潮流计算
  • (Adobe Photoshop 2025 )PS2025最新激活版下载安装教程!最新PS 2025安装包免费版下载与保姆级安装教程
  • centos 7.9安装zabbix proxy 代理
  • 实现 rsync 免密同步的完整步骤
  • 分享个经常装机需要的软件,驱动总裁网卡绿色2.19.0.0
  • 数字化转型时代:10大主流项目管理工具横向评测与实战选型指南
  • Navicat Premium 17.0.3 安装教程与功能详解(附图文步骤)
  • 2025 最新推荐!五金制品制造厂家口碑排行榜,揭秘不锈钢配件实力企业不锈钢五金制品配件 / 汽车五金制品厂家推荐
  • 基于MATLAB的PCA+SVM人脸识别系统实现
  • 国产代码托管平台Gitee崛起:本土开发者的新基建选择
  • vllm 大模型推理框架
  • 10 15
  • 2025 年滑梯厂家最新推荐排行榜:涵盖组合 / 户外 / 木质 / 不锈钢 / 儿童滑梯,精选优质厂家
  • 2025 年最新游乐设备厂家权威推荐榜单:涵盖儿童 / 户外 / 室内 / 水上乐园等多场景设备,为采购与合作提供精准参考
  • 2025 年中频炉厂商最新推荐排行榜权威发布:剖析应达电气等实力企业核心优势,助力企业精准选设备
  • NETCORE - 健康检查health
  • 2025 年办公桌厂家最新推荐排行榜重磅发布:实力口碑双优品牌全解析,企业采购必看指南
  • 2025 办公家具厂家最新推荐榜:实木 / 现代 / 环保 / 智能 / 定制全品类精选,产品力服务力双优企业盘点
  • F1005D. 「阶段测试5」合影
  • 2025 年铝外壳铝型材厂家选购指南:美容仪/充电宝/暴力风扇铝外壳铝型材,精选优质厂商助力企业高效选型
  • Windows 11 25H2来了,附升级教程及windows官方镜像下载
  • 2025 年灌装生产线厂家最新推荐榜单:饮料 / 矿泉水 / 纯净水 / 桶装水 / 全自动灌装生产线厂家权威评选及选购指南
  • 鸿蒙应用开发从入门到实战(二十二):使用Stack实现层叠布局
  • 我造了个程序员练兵场,专治技术焦虑症!
  • 原创2025年小红书创作者影响力分析报告:基于10
  • 原创2020年纽约市交通事故数据集深度解析:基于74,881条记录的智能交通管理与自动驾驶算法训练实战指南,覆盖超速、分心驾驶、天气因素等多维度事故原因分析,助力城市安全治理从被动应对转向主动预防