作者：黄刚(泽尘) ｜孙小涵(子照)｜王霄霄（丛霄）
前言
全球 AI 开发者正在见证一场 “AI 智能体革命”。
从 2024 年 Dify.ai 发布开源框架 Dify 以来，到全球开发者基于其快速构建的智能客服、企业知识库、AI 营销助手等场景应用，GitHub 上已有超过 2.3 万个 AI 应用项目诞生。
如今，MCP 的协议也异军突起，大量基于 MCP 协议的 MCP Server 应用涌上市场，它解决了各个模块之间交互不统一的问题，让一切现有传统应用就像 USB 接口一样，随意在 AI 智能体上插拔使用。那如何快速的基于 MCP Server 构建出一个 AI 应用？我们大胆的猜测，Dify + MCP Server 将是一个完美的结合，因为 Dify 有强大的编排能力，再加上 MCP Server 标准的接口协议，在 Dify 平台上，只需要进行简单的拖拽就可以快速的构建一个生产级别的 AI 智能体应用。
本次我们选择了阿里云 Serverless 应用引擎（下面简称 SAE）来部署 Dify、MCP 应用，并且期望通过 Dify 快速编排 MCP Server 应用快速智能体，实现一套“免运维、全托管，生产级”的 AI 智能体解决方案。
在我们的方案里，将致力于解决以下问题：
- 低成本：面向算力收费，不额外收费其它费用，并且基于 SAE 自身提供的弹性能力，可以更从容的应对业务流量高峰。
- 高可用：通过多可用区部署，快弹等 SAE 自有的优势，帮助 Dify 从社区版应用快速升级为生产级别的应用。
- 全链路无侵入监控：基于 SAE 提供的免费无侵入监控方案，让业务低成本的全链路监控你的 AI 应用。
- 简单易用：1 分钟完成 Dify，MCP Server 的部署，5 分钟基于 Dify 编排 MCP 快速构建 AI 应用。
- 单租安全：可独立部署 Dify 应用到自己的 VPC 内，用户业务的数据不会流出 VPC，保证数据绝对安全。
本文将着重介绍如何通过 SAE 快速搭建 Dify AI 研发平台，依托 Serverless 架构提供全托管、免运维的解决方案，高效开发 AI 智能体应用。
（PS：SAE 还支持快速搭建 Manus AI、MCP Server 等 AI 场景应用，本文选取部署较为复杂的 Dify 应用来作为演示，有其他 AI 场景应用托管的需求可以联系 钉钉群：32874633）
在 SAE 上快速部署 Dify AI 研发平台
基于 saectl 模板一键部署
下面以实际例子，演示如何使用 saectl 工具，通过一组 YAML 模板在 SAE 上轻松部署 Dify。
前置准备
第一步：saectl 工具安装
参考：如何安装与配置saectl工具_Serverless 应用引擎(SAE)-阿里云帮助中心，完成 saectl 工具安装
第二步：前置资源准备
通过模版创建应用前，请确保您拥有以下资源（Dify 部署依赖）：
- 数据库
- Redis 数据库
- Postgre SQL 数据库
- 向量数据库
- 存储
- NAS 文件存储
- 网络
- NAT 网关
saectl 模版部署
第一步：准备 SAE Dify 模板
下载 SAE Dify 模板仓库，仓库结构如下，包含所有 Dify 应用组件所需的 K8S 资源定义。
替换 YAML 模板中变量为您自己的资源，以 dify-credential 为例：
apiVersion: v1 data: DB_USERNAME: ${pg_database_username} # PGSQL 数据库用户名 DB_PASSWORD: ${pg_database_password} # PGSQL 数据库密码 PGVECTOR_USER: ${vector_database_username} # PGVector数据库用户名 PGVECTOR_PASSWORD: ${vector_database_password} # PGVector 数据库密码 REDIS_USERNAME: ${redis_database_username} # Redis 数据库用户名 REDIS_PASSWORD: ${redis_database_password} # Redis 数据库密码 kind: Secret metadata: name: dify-credentials namespace: dify type: Opaque
第二步：通过 saectl 工具一键部署 Dify 至 SAE
YAML 文件变量替换完成后，执行 ./install.sh，脚本会自动部署并检查上述 K8S 资源，并打印 Dify 公网访问地址。
登录 SAE 控制台，可以看到已创建的 Dify 应用组件。
使用 Dify 服务
打开浏览器，在地址栏中输入上一步骤打印出的 ${EXTERNAL-IP}:${PORT}，即可访问在 SAE 上一键部署的 Dify 服务。
基于 SAE 应用中心一键部署
SAE 应用中心为用户提供了 Dify 应用模板，您只需要在控制台填写表单，我们会为您自动创建并运行部署流水线，将 Dify 一键部署至 SAE。
前置准备
同上，需要准备 Dify 应用依赖的数据库、存储、网络资源：
- 数据库
- Redis 数据库
- Postgre SQL 数据库
- 向量数据库
- 存储
- NAS 文件存储
- 网络
- NAT 网关
SAE 应用中心部署
第一步：在 SAE 应用中心选择 Dify 社区版
第二步：填写 Dify 社区版部署的参数表单
第三步：提交表单，等待部署完成
使用 Dify 服务
同「基于 saectl 模版一键部署」
打开浏览器，在地址栏中输入控制台日志打印出的 ${EXTERNAL-IP}:${PORT}，即可访问在 SAE 应用中心一键部署的 Dify 服务。
使用 Dify 编排 MCP 应用
第一步: 在 SAE 上部署 MCP Server
- 基于 MCP 官方提供的 Python SDK 中的一个简单 SSE 协议的 MCP Server
它实现了 SSE 远端协议的一个具备网页抓取工具的服务，其中 SseServerTransport 是 SDK 中封装了 SSE 的交互，请求路径 /sse 完成连接建立，请求路径 /messages 路径是客户端服务端消息推送。
if transport == "sse": from mcp.server.sse import SseServerTransport from starlette.applications import Starlette from starlette.routing import Mount, Route sse = SseServerTransport("/messages/") async def handle_sse(request): async with sse.connect_sse( request.scope, request.receive, request._send ) as streams: await app.run( streams[0], streams[1], app.create_initialization_options() ) starlette_app = Starlette( debug=True, routes=[ Route("/sse", endpoint=handle_sse), Mount("/messages/", app=sse.handle_post_message), ], )
# 使用 app.call_tool() 装饰器定义 call_tool 工具调用的方法 @app.call_tool() async def fetch_tool( name: str, arguments: dict ) -> list[types.TextContent | types.ImageContent | types.EmbeddedResource]: if name != "fetch": raise ValueError(f"Unknown tool: {name}") if "url" not in arguments: raise ValueError("Missing required argument 'url'") return await fetch_website(arguments["url"]) # 使用 app.list_tools() 装饰器定义列出所有工具的方法 @app.list_tools() async def list_tools() -> list[types.Tool]: return [ types.Tool( name="fetch", description="Fetches a website and returns its content", inputSchema={ "type": "object", "required": ["url"], "properties": { "url": { "type": "string", "description": "URL to fetch", } }, }, ) ]
将上述 MCP Server 打包为镜像，部署到 SAE 上，可以直接用 saectl 一键部署，支持按照暴露 CLB 类型的 MCP Service 地址，SAE 平台内置了应用的监控、日志等，围绕应用提供了的全套运维体系，在 SAE 界面可以看到应用已经创建出来，并且处于 Running 状态，日志标准输出显示服务器运行中。
第二步: 在 SAE Dify 平台创建 Agent ，并使用 MCP 协议进行工具调用
- 在 Dify 的插件中，选择 “Agent 策略”，选择官方的 “Dify Agent 部署” （注：Dify 暂时官方没有支持 MCP 协议，都是按照插件的形式由第三方开发者提供 ）
创建一个工作流应用，添加 Agent 节点，并对 Agent 节点进行配置，选择 ReAct 的模式，并配置 MCP 工具方法。这是 Dify 内部封装了一层 MCP 服务的方法调用。
在 Dify 工具市场中安装 MCP 工具，然后回到工作流界面，在 MCP 服务配置这里填写 SAE MCP Server 绑定的 CLB 地址，作为访问地址。
{ "mcp_server": { "url": "http://8.135.243.229:80/sse", "headers": { }, "timeout": 5, "sse_read_timeout": 300 } }
第三步: 测试 Agent
点击运行， Dify 提供了调试功能，以可视化的形式看到 Agent 的思考运行过程：
第四步: 查看 SAE MCP Server 应用输出日志
可以看到 MCP 客户端和服务端交互了 List Tool 和 Call Tool 等方法。
总结：云上托管 Dify 的核心挑战与 SAE 解决方案
在企业级应用中，Dify 作为一款功能强大的 LLM 应用研发平台，其云上托管需要应对弹性伸缩、高可用性和快速迭代等核心挑战。阿里云 Serverless 应用引擎（SAE）凭借其原生 Serverless 架构和企业级服务能力，为这些问题提供了高效解决方案。
（如果您对于产品有更多建议或者对 Dify 云端托管有更多想法可以加入钉钉群（群号：32874633）与我们取得联系。）
CI/CD 与快速迭代：加速开发与交付效率
挑战：
Dify 用户需频繁迭代模型、优化工作流或修复问题。传统 CI/CD 流程复杂，且部署环境一致性难以保证，导致迭代周期长、风险高。
SAE 解决方案：
- 深度集成 CI/CD 工具链
- 支持与主流 DevOps 工具（如 GitLab、GitHub、Jenkins、阿里云 CodePipeline）无缝对接，实现代码提交 → 构建 → 镜像推送 → 自动部署的全链路自动化。
- 一键部署与灰度发布
- 通过 SAE 控制台或 API 实现一键部署，结合 金丝雀发布（Canary Release） 功能，将新版本逐步推广至 10%、50%、100% 流量，降低上线风险。
- 滚动更新与无损升级
- 支持滚动部署策略，在更新过程中保持服务高可用，避免因版本切换导致的中断。
- 环境一致性与镜像管理
- 通过镜像仓库（如阿里云 ACR）统一管理应用版本，确保开发、测试、生产环境配置一致，减少“环境差异”导致的故障。
弹性能力：适配动态资源需求
挑战：
Dify 平台需支持开发者高频次的应用测试及多场景部署，资源需求波动显著（如突发的模型推理任务或团队协作高峰期）。若资源固定分配，可能导致成本浪费或性能瓶颈。
SAE 解决方案：
- 自动弹性扩缩容
- 基于负载的自动伸缩：通过 HPA（Horizontal Pod Autoscaler）根据 CPU、内存或自定义指标（如 API 调用频率）动态调整 Dify 实例数量，应对突发流量或密集计算任务。
- 冷启动优化
- SAE 的镜像预热与层共享技术，将容器启动时间缩短至秒级，加速开发环境初始化或突发请求响应。
- 按需付费模式
- Serverless 架构按实际资源使用计费，避免为闲置资源付费，降低企业级 Dify 部署的长期成本。
高可用：保障平台稳定运行与数据安全
挑战：
Dify 作为企业级 LLM 应用基础设施，需确保持续可用性。任何节点故障或区域级中断可能导致开发流程中断、模型训练数据丢失或 API 服务不可用。
SAE 解决方案：
- 多可用区容灾部署
- 自动将 Dify 实例分布于多个可用区（AZ），实现跨 AZ 的流量负载均衡与故障无缝切换，规避单点故障风险。
- 健康检查与自愈机制
- 实时监控 Dify 实例健康状态，自动重启异常容器并触发告警，确保服务高可用性。
- 数据持久化与备份
- 结合阿里云存储服务（如 OSS、NAS、RDS、Tair），确保模型数据、配置信息等内容的持久化存储与跨地域容灾，满足企业级数据安全要求。
点击链接此处查看如何安装与配置saectl工具_Serverless 应用引擎(SAE)-阿里云帮助中心
