使用Dify MCP服务器和Strands代理的患者接诊聊天机器人 🤖🩺

本项目将Dify工作流作为MCP服务连接到Strands代理，构建一个用于患者分诊的智能代理。
基于Strands Web UI开发并使用Python MCP SDK实现Dify工作流的MCP服务器。

---

目录 📚

• 项目简介
• 前置条件
• 快速开始
• MCP服务器安装与运行
• Strands Web UI安装与配置
• 导入MCP服务
• AWS配置
• 首次运行

---

项目简介 📝

本项目封装了Dify工作流作为一个MCP服务，并将其集成到Strands代理平台中，以实现患者接待和分诊之间的智能对话交互。
通过Strands Web UI显示交互界面，支持多个模型和工具的配置，便于快速部署和扩展。

本项目集成了两个开源仓库，并基于AWS MCP服务器示例和Strands Web UI项目进行开发，以展示Dify MCP代理的场景。

📎 代码来源及致谢

本项目基于以下两个开源项目的集成：

• aws-mcp-servers-samples
• strands-web-ui

感谢原始作者的开源贡献！本项目遵循与原始项目相同的开源协议，请参阅LICENSE。

---

前置条件 ✅

• Python 3.10或更高版本
• 已配置AWS凭证以支持Bedrock和Transcribe服务
• Streamlit >= 1.30.0
• Strands Agents SDK >= 0.1.1
• MCP >= 0.1.0

---

快速开始 🚀

1. 克隆项目仓库：

git clone https://github.com/wanglx858/difymcp-strandsagent-demo.git

cd difymcp-strandsagent-demo

---

MCP服务器安装与运行 ⚙️

1. 进入MCP服务器目录：

cd aws-mcp-servers-samples

2. 安装依赖：

curl -LsSf https://astral.sh/uv/install.sh | sh
pip install -r dify_mcp_servers/requirements.txt

3. 配置Dify API Key：

可在DIY探索应用中找到公共模板应用患者接诊聊天机器人

打开dify_mcp_server.py，找到以下代码并替换为您的API Key：

DIFY_API_BASE = "https://api.dify.ai/v1"   # 在Dify控制台获取
DEFAULT_API_KEY = "你的API_KEY"  # 请填写您的Dify API Key

4. 启动MCP服务器：

uv init
uv venv
source .venv/bin/activate
uv add "mcp[cli]" httpx
uv run dify_mcp_servers/dify_mcp_server.py

---

Strands Web UI安装与配置 🖥️

1. 进入Strands Web UI目录：

cd strands-web-ui

2. 安装依赖：

pip install -r requirements.txt
pip install -e .

3. 安装strands agents工具

pip install strands-agents-tools

---

导入MCP服务 🔌

编辑config/mcp_config.json添加或修改以下配置：

"patient_intake_chatbot": {
  "command": "uv",
  "args": [
    "--directory",
    "/你的项目路径/aws-mcp-servers-samples/dify_mcp_servers", 
    "run",
    "dify_mcp_server.py"
  ],
  "description": "一个用于患者接诊的聊天机器人。",
  "status": 1
}

⚠️ 请修改路径至您dify_mcp_server.py文件所在的绝对路径。

---

AWS配置 ☁️

确保已正确配置AWS凭证以使用Bedrock和Transcribe服务。

aws configure

或者通过环境变量进行配置：

export AWS_ACCESS_KEY_ID=your_access_key
export AWS_SECRET_ACCESS_KEY=your_secret_key
export AWS_DEFAULT_REGION=us-east-1

---

首次运行 ▶️

1. 启动应用程序：

streamlit run app.py

2. 在浏览器中访问：

http://localhost:8501

3. 在侧边栏中配置您的模型和参数。

# 提示
您是一个患者接待聊天机器人助手，需要调用patient_intake_chatbot工具来收集患者信息，并根据患者的症状、紧急程度和医疗历史匹配合适的分诊路径或医疗服务提供者。

5. 在工具配置区域启用所需的功能。

6. 开始与患者分诊代理聊天！ 💬

---

如有任何问题，请随时提出问题或联系维护人员。 📩

---

祝您使用顺利！ 🚀✨