差异-12306-mcp工作流
项目介绍
12306 智能数据查询工作流程（基于MCP协议和AI代理）
完成了基于MCP协议的12306列车时刻表智能查询与可视化系统小型项目。通过容器化部署了12306 MCP服务器并在Dify平台上构建了AI代理。该系统的流程可以自动将用户的自然语言查询（例如：“找一下下周一下午从北京到上海的高铁”）转化为精确的API调用，并返回清晰、结构化的列车信息，实现了智能化的数据检索和优化了用户体验。
✨ 效果演示
- 完整过程包括在Dify聊天界面中输入自然语言，代理思考并调用工具，最终返回列车时刻表信息。*
工作流程架构图
graph LR
A["用户输入自然语言<br/>"明天北京到成都的高铁票""] --> B("Dify 平台");
subgraph B ["AI Agent 工作流"]
C{"Agent 思维节点<br/>(LLM 理解意图)"} --> D["调用12306-mcp接口"];
end
D --> E["Docker 容器<br/>12306-mcp 服务端"];
E --> F["(12306 实时数据)"];
E --> G["结构化车次信息"];
B --> G;
⚙️ 部署和使用步骤（入门指南）
重现此项目需要两个核心步骤：部署MCP服务器和在Dify平台上构建工作流程。
第一步：部署12306-mcp服务器
-
克隆
12306-mcp项目代码git clone https://github.com/Joooook/12306-mcp.git cd 12306-mcp -
打包镜像并启动容器
docker build . -t 12306-mcp docker run --name 12306-mcp -p 12306:8080 -d 12306-mcp npx 12306-mcp --port 8080服务启动后，MCP服务将在本地运行于
12306端口。
第二步：在Dify上构建并运行工作流程
-
登录Dify平台： 访问您的Dify实例（我使用的是本地部署的Dify）。
-
创建工作流程：
-
方法1：导入DSL文件： 首先，您需要获取该项目的DSL（领域特定语言）配置文件。
您可以通过以下两种方式之一获得它：
-
方法A：直接下载
- 访问文件链接：
dify-workflow-export/12306车票查询-AI应用.yml - 在页面右上角点击“下载原始文件”按钮，将
12306车票查询-AI应用.yml文件保存到您的本地计算机。
- 访问文件链接：
-
方法B：克隆整个仓库 如果您熟悉Git，也可以将此仓库克隆到本地：
git clone https://github.com/xcatxcatxcat/dify-12306-mcp-workflow.git
-
-
方法2：手动构造工作流程（Workflow）：
- 创建一个新的应用程序，选择“Chatflow”作为类型。
- 在“布局”中拖拽以下节点：开始 代理 -> 直接回复。
- 配置代理节点：
- 配置服务地址：
{ "12306-mcp": { "transport": "sse", "url": "http://部署mcp服务的ip:12306/sse" } }- 在“提示”中编写一个结构化的提示，引导LLM理解用户意图并决定调用哪个工具。
- 在“直接回复”设置中设定回复消息。
-
-
测试运行：
- 在Dify预览聊天窗口中输入自然语言查询，如：“帮我查一下明天从北京到成都的高铁票。”。
- 观察代理的思考过程和日志，确认是否成功调用了MCP服务并返回了正确的数据。
🎯 核心亮点（特性）
- 自然语言驱动用户无需学习复杂的查询语法，可以直接通过日常对话询问列车时刻表。
- 借助AI代理利用LLM的推理能力准确理解用户意图，自动选择并调用合适的工具（12306 MCP查询接口）。
- 标准化工具封装成功完成
12306-mcp数据服务的封装，使其成为可靠可由AI代理调用的工具，打破了外部服务与LLMs之间的壁垒。 - 低代码快速实现通过Dify平台，只需拖拽节点和编写提示即可完成整个工作流程的搭建，无需编写大量代码。
🛠️ 技术栈
- 核心协议MCP（元协议客户端-服务器协议）
- 服务器部署Docker，
12306-mcp - 工作流程平台Dify（低代码LLM应用开发平台）
- 核心技术AI代理，大型语言模型（LLM），工具调用