1. 项目概述为Dify打造专属的AI图表与文档生成工具箱如果你正在使用Dify构建自己的AI应用并且希望让AI不仅能生成文字还能直接输出流程图、思维导图、PPT甚至试卷那么这个项目就是为你准备的。brightwang/dify-tool-service是一个开源工具集它通过一系列独立的Flask微服务将Mermaid、Markmap、Marp和Quiz等专业图表与文档生成能力无缝集成到Dify的Agent和工作流中。简单来说它让Dify从一个“文字AI”升级为一个“全能创作AI”。这个项目的核心价值在于“解耦”和“标准化”。它没有把复杂的图表渲染逻辑硬塞进Dify的核心代码里而是通过定义清晰的HTTP API接口让每个服务各司其职。Dify的Agent只需要调用这些API就能获得一个可访问的图表文件URL进而返回给用户。这种架构不仅让Dify本身保持轻量也让后续维护和扩展新工具比如新增一个图表类型变得异常简单。无论你是想为团队内部搭建一个智能文档助手还是开发一个面向用户的AI内容生成平台这套工具箱都能帮你快速实现“文到图”、“文到PPT”的自动化流程。接下来我将带你深入拆解每一个服务的实现原理、部署细节并分享我在集成过程中踩过的坑和总结的最佳实践。2. 核心架构与设计思路拆解2.1 为什么选择微服务架构在决定如何为Dify扩展图表功能时我们面临几个选择直接修改Dify后端代码、编写复杂的自定义工具函数或者采用独立的微服务。我最终选择了微服务架构主要基于以下几点考量首先是技术栈的独立性。Mermaid流程图、Markmap思维导图、MarpPPT和试卷生成每一个背后都有一套独立的渲染引擎或库对运行环境如Node.js版本、浏览器内核有不同要求。如果全部打包进Dify的Python环境会带来巨大的依赖冲突风险和部署复杂度。而微服务允许每个服务使用最适合自己的技术栈比如用Flask做API网关调用Node.js服务彼此隔离互不影响。其次是资源与性能隔离。图表渲染尤其是涉及浏览器无头渲染如Marp转PDF时是CPU和内存密集型操作。如果这些操作在Dify的主进程中执行一个耗时的渲染任务就可能阻塞整个Dify的请求响应。独立成微服务后我们可以为每个服务单独配置资源限制Docker CPU/Memory limits即使某个图表服务崩溃也不会波及Dify核心的对话和推理功能。最后是部署与扩展的灵活性。微服务模式与Dify本身基于Docker Compose的部署方式天然契合。你只需要在现有的docker-compose.yaml文件中添加几段配置就能轻松启用一个新工具。未来如果你想增加一个“AI生成架构图”的服务只需要照葫芦画瓢开发一个新的flask-service而无需触动Dify的任何代码。这种“插件化”的扩展能力对于快速迭代的AI项目至关重要。2.2 服务与Dify的通信机制解析整个工具集的核心通信流程可以概括为Dify发起请求 - Flask微服务处理并生成文件 - 返回文件访问URL - Dify将URL呈现给用户。这里面的关键点在于“文件访问URL”是如何产生的。以Mermaid服务为例其内部工作流程如下Dify的Agent或工作流节点通过HTTP POST请求将用户描述的图表文本如graph TD; A--B;发送到mermaid-flask-service的特定接口例如/generate。Flask服务接收到文本后会调用Mermaid的JavaScript库在服务端通常通过pyppeteer或playwright等无头浏览器工具将其渲染为SVG格式的图片。渲染完成后服务将SVG代码保存到宿主机的一个持久化存储目录通过Docker volume挂载例如./mermaid-flask-service/data/下并以一个唯一文件名如UUID存储。随后Flask服务需要让这个文件能被外界访问。这里通常有两种方案一是使用Flask内置的静态文件路由直接提供文件服务二是将文件上传至云存储如S3、OSS并返回云存储的URL。本项目采用第一种方案因为它最简单适合内网或小规模使用。服务会计算出一个HTTP URL例如http://你的服务器IP:5002/files/生成的UUID.svg。最后Flask服务将这个URL作为JSON响应返回给Dify。Dify的Agent再把这个URL插入到最终回复给用户的Markdown消息中。当用户在前端看到消息时Markdown中的图片链接就会被渲染成真实的图表。这个模式的成功依赖于一个重要的前提Dify所在的网络必须能够访问Flask服务暴露的端口5002, 5003等。如果你的Dify部署在公网而Flask服务在内网就需要通过反向代理如Nginx进行配置这是部署时最常见的坑点之一。3. 四大工具服务深度解析与实操要点3.1 Mermaid图表服务从文本到流程图的自动化Mermaid是一个基于JavaScript的图表绘制工具能用类似Markdown的语法定义流程图、时序图、甘特图等。dify-mermaid-flask-service的任务就是将AI生成的Mermaid文本代码变成一张可看的图片。服务核心实现剖析该Flask服务通常包含一个主路由例如app.route(/generate, methods[POST])。它预期的请求体是一个JSON包含codeMermaid代码和可能的format输出格式如svg、png字段。服务内部的核心函数会执行以下步骤验证与清理检查传入的代码是否为有效的Mermaid语法开头并过滤掉可能存在的危险字符或HTML标签防止XSS或命令注入攻击。渲染环境准备由于Mermaid是前端库在服务端渲染需要无头浏览器环境。常见的做法是使用playwright或pyppeteer启动一个Chromium实例。这里有一个关键优化点不要为每个请求都启动和关闭一个浏览器。最佳实践是在服务启动时创建一个浏览器实例池请求到来时从中取用一个实例进行渲染用完归还。这能极大提升并发性能和响应速度。执行渲染在无头浏览器页面中注入Mermaid JS库和用户代码执行mermaid.render函数获取生成的SVG字符串。文件保存与URL生成将SVG字符串保存到本地data目录。文件名使用UUID保证唯一性。然后Flask需要配置一个静态文件路由。例如app.route(/files/filename) def serve_file(filename): return send_from_directory(app.config[UPLOAD_FOLDER], filename)这样http://service:5002/files/uuid.svg就能访问到文件了。Dify侧集成关键在Dify中导入提供的mermaid作图工具.yml工作流后你需要理解这个工作流做了什么。它本质上是一个“工具调用”的封装接收用户输入将其格式化为对上述Flask服务的HTTP请求解析返回的URL并格式化输出。发布为工具mermaid_service后Agent就能像调用搜索工具一样调用它。务必确保工具描述save mermaid content and get svg url准确清晰这有助于Dify的LLM判断在什么情况下使用该工具。3.2 Markmap思维导图服务构建可交互的知识图谱Markmap是另一个将Markdown文本转化为可视化思维导图的工具。dify-markmap-flask-service的原理与Mermaid服务类似但输出的是HTML文件因为Markmap的成果是一个可交互、可折叠展开的网页。技术细节与注意事项模板渲染服务不会直接输出Markdown而是需要将一个HTML模板文件与Markdown内容结合。模板中已经引入了Markmap的JavaScript库。服务的工作是将用户提供的Markdown内容嵌入到这个HTML模板的特定位置通常是一个script type\text/markmap\标签内。依赖管理HTML模板需要通过网络CDN或本地引入Markmap库。为了确保服务在无外网环境下的稳定性强烈建议将关键的JS库如markmap-lib、d3下载到本地并在模板中引用本地路径。这能避免因CDN不稳定导致生成的思维导图无法渲染。样式自定义你可以通过修改HTML模板中的CSS来定制思维导图的颜色、字体、线条样式等使其更符合你应用的整体UI风格。这是提升用户体验的一个小技巧。文件服务生成的HTML文件同样通过Flask静态路由提供。用户点击Dify返回的链接会在新页面打开一个完整的、可交互的思维导图。部署配置要点在docker-compose.yaml中注意其网络配置networks: - ssrf_proxy_network - default。ssrf_proxy_network是Dify用于安全调用外部工具的内部网络。确保该服务与Dify的api服务在同一个自定义网络如ssrf_proxy_network中这样Dify容器内部才能通过服务名如markmap-flask-service访问到该服务而不是localhost。这是容器间通信的常见设定。3.3 Marp PPT服务自动化幻灯片制作Marp是一个用Markdown写PPT的工具。dify-marp-flask-service的架构稍显特殊因为它包含了两个容器一个Flask API服务marp-flask-service和一个真正的Marp渲染引擎marp容器。双容器协作原理这种设计体现了“关注点分离”。marp-flask-service仅负责业务逻辑接收请求、管理文件、调用渲染引擎、返回URL。而marp容器则是一个标准的Marp CLI工具专精于将Markdown文件转换为HTML或PDF幻灯片。工作流程Flask服务收到包含Marp Markdown内容的请求后将其保存到共享Volume./marp-flask-service/data下的一个.md文件中。触发渲染随后Flask服务需要通知Marp容器对这个文件进行渲染。这里可以通过几种方式实现a) 直接使用Docker SDK在Flask容器内控制Marp容器执行命令b) 通过一个简单的HTTP接口或消息队列来触发c) 利用Marp CLI的--server模式让Marp容器作为一个静态文件服务器Flask服务只需将文件放入共享目录Marp服务器自动检测并生成预览。从项目配置command: -s .来看它采用了第三种方式Marp容器以服务器模式运行监听目录变化。获取结果Marp渲染完成后会在同一共享目录下生成HTML文件。Flask服务只需组合出该HTML文件的访问地址指向Marp容器的服务端口5005并返回。配置难点解析marp容器的command: -s .表示以服务器模式运行在当前目录并实时预览。ports: - 5005:8080将容器内部的8080端口映射到宿主机的5005端口。因此最终PPT的访问链接会是http://你的服务器IP:5005/生成的文件名.html。务必确保宿主机防火墙开放了5005端口或者通过Nginx将流量代理到该端口。3.4 Quiz试卷生成服务结构化数据处理的范例试卷生成服务dify-quiz-flask-service在逻辑上比前几个更进一步它处理的不再是单纯的文本到视觉转换而是结构化数据的序列化与呈现。核心逻辑拆解数据结构定义首先你需要和LLM约定好试卷数据的格式。通常是一个JSON包含试卷标题、题目列表、每个题目的类型单选、多选、填空、选项、答案等字段。Dify的Agent通过精心设计的Prompt会努力让LLM输出符合这个格式的JSON。服务端处理Flask服务接收到这个JSON后不是直接保存而是需要将其转换为人类可读的格式。这里通常使用模板引擎如Jinja2。你需要预先编写一个HTML模板template.html里面用Jinja2语法定义试卷的样式和布局例如循环遍历题目列表、用不同样式展示选择题和填空题。渲染与输出Flask服务将收到的JSON数据填充到Jinja2模板中渲染生成最终的HTML字符串然后保存为.html文件。同样通过静态文件路由提供访问。样式与打印优化考虑到试卷可能需要打印HTML模板中的CSS应使用打印友好的样式例如避免背景色、设置合适的页边距、确保分页符正确。你还可以在服务端集成weasyprint这样的库直接将HTML渲染成PDF文件供下载这是一个非常实用的增强功能。经验之谈与LLM的“契约”这个服务成功的关键在于Dify中Agent的Prompt设计。你必须在Prompt里非常明确地要求LLM以指定的JSON格式输出。例如“请严格按照以下JSON格式生成试卷{\title\: \...\, \questions\: [{\type\: \single_choice\, \stem\: \...\, \options\: [...], \answer\: \...\}]}”。这相当于和LLM签订了一份“数据契约”。服务端代码要对这个JSON Schema进行严格校验对缺失字段提供默认值确保模板渲染不会因数据异常而崩溃。4. 完整部署与集成实战指南4.1 环境准备与前置检查在开始部署前请确保你的基础环境已经就绪Dify环境假设你已经通过Docker Compose成功部署了Dify。记下你的Dify项目根目录路径通常包含docker-compose.yaml、.env等文件。Docker与Docker Compose确保Docker守护进程正在运行并且docker compose命令可用版本建议v2。网络知识了解Docker网络的基础概念特别是自定义网络。Dify默认会创建一个网络如dify_default你需要确保新增的服务能加入正确的网络以便与Dify的api服务通信。端口规划检查宿主机上5002、5003、5004、5005、5006这几个端口是否已被占用。如果占用需要在docker-compose.yaml中修改端口映射如将5002:5002改为5007:5002并记住后续在Dify配置工具时使用新的宿主机端口。4.2 分步部署Mermaid服务详解让我们以Mermaid服务为例展开最详细的部署步骤其他服务可以举一反三。第一步获取代码并放置。在你的Dify项目根目录下克隆或下载brightwang/dify-tool-service仓库。将仓库中的mermaid-flask-service整个文件夹复制到Dify的docker目录下。最终路径结构应类似于你的dify项目目录/ ├── docker-compose.yaml ├── .env └── docker/ ├── mermaid-flask-service/ # 你复制过来的 │ ├── Dockerfile │ ├── app.py │ ├── requirements.txt │ └── data/ # 初始为空用于持久化文件 ├── nginx/ ├── postgresql/ └── ...第二步修改Docker Compose配置。用文本编辑器打开Dify项目根目录下的docker-compose.yaml文件。找到services:部分在已有服务如api、worker的同一层级添加新的服务定义。这里有一个极易出错的点缩进。YAML文件对缩进极其敏感必须使用空格通常2个空格为一层。确保mermaid-flask-service:与api:等原有服务完全对齐。services: api: ... # Dify原有api服务配置 mermaid-flask-service: # 新增服务与api对齐 build: ./docker/mermaid-flask-service # 注意路径指向docker子目录 container_name: dify-mermaid-service # 建议加dify前缀便于管理 restart: unless-stopped volumes: - ./docker/mermaid-flask-service/data:/app/data # 挂载数据卷 ports: - 5002:5002 # 宿主端口:容器端口 networks: - dify_default # 关键加入Dify的网络确保容器间可通过服务名通信注意原项目说明中使用了ssrf_proxy_network这是Dify旧版本或特定配置下的网络名。请先执行docker network ls查看你的Dify环境实际创建的网络名称通常是项目名_default如dify_default。使用正确的网络名是解决“Dify调用工具服务超时”问题的第一步。第三步构建并启动服务。在包含docker-compose.yaml的目录下打开终端执行docker compose up -d mermaid-flask-service-d表示后台运行。命令会读取修改后的配置构建Mermaid服务的Docker镜像并启动容器。使用docker compose logs -f mermaid-flask-service可以查看实时日志确认服务是否启动成功有无报错如Python包安装失败、端口冲突等。第四步验证服务可用性。服务启动后首先在宿主机上验证API是否通畅curl -X POST http://localhost:5002/generate \ -H Content-Type: application/json \ -d {code: graph TD; A[开始] -- B[结束];}如果返回一个包含url字段的JSON响应如{url: http://localhost:5002/files/xxx.svg}并且用浏览器打开该URL能看到流程图说明服务本身运行正常。第五步在Dify中配置工具。登录Dify控制台进入“工具”或“工作流”页面取决于你使用工作流还是Agent。导入工作流在“工作流”页面点击“导入”选择项目提供的mermaid作图工具.yml文件。导入后会看到一个新的工作流。发布为工具在该工作流的详情页找到“发布”或“作为工具使用”的按钮。点击后将工具命名为mermaid_service在描述框中务必填写save mermaid content and get svg url。这个描述是给Dify的LLM看的清晰的描述能极大提高工具被正确调用的概率。发布成功后在“工具”列表中应能看到它。配置Agent使用工具导入mermaid_agent.yml它会创建一个预配置的Agent。编辑这个Agent在工具配置部分移除任何旧的、无效的工具引用然后添加刚刚发布的mermaid_service工具。保存Agent。第六步最终测试。在Dify的聊天界面选择你刚配置好的Agent输入“帮我画一个用户登录的流程图”。观察Agent的思考过程它应该会识别出你的需求调用mermaid_service工具并最终返回一个包含图片链接的Markdown消息。点击链接图表应能正常显示。4.3 其他服务的部署与差异化处理Markmap、Marp和Quiz服务的部署流程与Mermaid服务高度相似主要区别在于配置细节和Dify中的导入文件。Markmap服务注意其端口是5003网络配置同样需要加入Dify的网络。在Dify中导入markmap思维导图工具.yml和markmap_agent.yml。发布工具时名称和描述按原说明操作即可。Marp服务这是唯一一个需要定义两个容器的服务。在docker-compose.yaml中你需要添加marp-flask-service和marp两个服务块并确保它们挂载了同一个数据卷./docker/marp-flask-service/data这是两者共享文件的基础。marp容器的端口映射5005:8080是用于访问最终PPT的。Quiz服务端口为5006。其Dify工作流创建试卷工作流.yml可能包含更复杂的Prompt用于引导LLM生成结构化的JSON试卷数据。发布工具时确保描述准确。通用建议建议不要一次性部署所有服务。先集中精力搞定一个如Mermaid把流程完全跑通理解其中的网络、端口、配置关系后再部署下一个这样排错效率更高。5. 常见问题排查与性能优化实录5.1 部署阶段典型问题与解决方案问题1Dify Agent调用工具超时或连接失败。这是最常见的问题根本原因是Dify容器无法访问到你部署的工具服务。排查思路检查网络确保在docker-compose.yaml中工具服务与Dify的api服务配置了相同的自定义网络如dify_default。使用docker network inspect dify_default查看有哪些容器连接在此网络下。检查服务名在Dify的工具配置或工作流HTTP节点中调用的URL应该是http://服务容器名:端口/路径例如http://mermaid-flask-service:5002/generate。不要在Dify的工具配置里使用localhost或宿主机IP因为localhost在容器内指向容器自己。从Dify容器内部测试可以进入Dify的api容器内部执行curl命令来测试连通性docker exec -it dify-api bash curl -v http://mermaid-flask-service:5002/health # 假设有健康检查端点解决方案修正docker-compose.yaml中的网络配置确保所有相关服务api、工具服务都在同一自定义网络内。并检查Dify中工具配置的URL是否正确使用了容器服务名。问题2生成的图表链接无法在浏览器中打开。排查思路端口映射确认宿主机防火墙是否放行了工具服务映射的端口如5002。在宿主机上使用curl http://localhost:5002/files/xxx.svg测试。URL构造检查Flask服务返回的URL。如果Dify和工具服务不在同一台机器或者通过域名访问URL中的host部分不能是localhost。你可能需要在Flask应用的配置中设置SERVER_NAME或者使用一个环境变量来动态生成正确的基础URL。反向代理如果你通过Nginx等反向代理暴露Dify那么图表服务的端口也需要被代理。你需要在Nginx配置中为每个工具服务添加一个location规则将特定路径的请求转发到对应的本地端口。# Nginx配置示例片段 location /mermaid-files/ { proxy_pass http://localhost:5002/files/; # 将/mermaid-files/代理到mermaid服务 }然后需要修改Flask服务使其返回的URL前缀为/mermaid-files/。问题3导入Dify工作流YAML文件时报错“解析失败”。原因YAML文件格式错误或者其中引用的工具/模型在你当前Dify环境中不存在。解决方案先用在线YAML校验器检查文件格式。然后尝试在Dify中手动创建一个简单的工作流并添加一个HTTP请求节点对照YAML文件中的配置进行手动填写。这能帮你理解该工作流的具体要求。有时候YAML文件中的工具ID是唯一的你需要先发布工具获得新ID后再更新YAML文件中的引用。5.2 性能优化与安全加固建议性能优化浏览器实例池对于Mermaid、Marp这类依赖无头浏览器的服务务必实现浏览器实例池。避免“请求-启动浏览器-渲染-关闭浏览器”的循环这个开销是秒级的。可以使用singleton模式或专门的连接池库来管理浏览器实例。异步处理图表渲染是耗时操作。如果同步处理HTTP请求会被长时间阻塞。可以考虑引入异步任务队列如Celery Redis。Flask服务接收到请求后立即返回一个“任务已接收”的响应和一个任务ID然后在后台异步执行渲染。用户可以通过任务ID轮询结果。这能极大提升API的响应速度和吞吐量。缓存策略对于相同的输入内容例如相同的Mermaid代码可以计算其MD5值作为文件名。在渲染前先检查文件是否已存在如果存在则直接返回URL避免重复渲染。这在多人使用相同模板时非常有效。资源限制在docker-compose.yaml中为每个工具服务设置资源限制防止某个服务耗尽主机资源。mermaid-flask-service: ... deploy: resources: limits: cpus: 1.0 memory: 1G reservations: memory: 512M安全加固输入验证与清理这是最重要的安全措施。务必对用户通过Dify传入的Mermaid/Markdown代码进行严格的验证和清理。使用白名单机制只允许特定的、安全的字符和语法。对于Mermaid可以尝试用官方解析器进行预解析失败则拒绝。防止注入恶意脚本。文件路径安全保存文件时使用UUID生成文件名避免使用用户提供的原始内容作为文件名防止目录遍历攻击如../../../etc/passwd。服务隔离将这些工具服务部署在独立的Docker网络中只允许Dify的API网络与之通信不要将管理端口如5002-5006直接暴露在公网。通过Nginx反向代理进行访问控制。权限控制在Dify的Agent层面可以通过Prompt和知识库来约束AI的使用场景避免被滥用生成不当内容。例如在Prompt中强调“仅生成与技术架构、业务流程相关的图表”。5.3 进阶扩展思路当你熟练掌握了这四个基础工具后可以尝试以下扩展打造更强大的AI应用自定义工具开发模仿现有服务的模式你可以为任何有API的在线服务或本地命令行工具创建Flask封装。例如集成graphviz生成更复杂的图表集成pandoc进行文档格式转换甚至集成一个代码语法高亮服务。统一网关当工具越来越多时为每个工具单独配置端口和反向代理规则会很繁琐。可以构建一个统一的API网关可以用Flask或FastAPI快速搭建所有Dify的请求都发往这个网关由网关根据路径将请求路由到后端的各个工具服务。这样对外只需暴露一个端口管理起来更方便。结果持久化与管理目前生成的文件都保存在服务器本地。可以将其改造为上传至云对象存储如AWS S3、MinIO、阿里云OSS返回一个带签名的临时访问URL。这样不仅扩展性更好还可以方便地实现文件的生命周期管理如定期清理。工作流串联在Dify中你可以设计更复杂的工作流将这几个工具串联起来。例如先让LLM生成一个项目计划的大纲文本然后用Mermaid工具生成项目流程图再用Markmap工具生成思维导图最后用Marp工具整合成一份汇报PPT。一个工作流全自动完成一份完整的项目报告草案。这套dify-tool-service项目为你打开了一扇门它展示了如何将Dify的AI能力与专业领域工具结合创造出真正实用、高效的自动化解决方案。部署过程虽然会遇到一些网络和配置上的挑战但一旦跑通其带来的效率提升是巨大的。最重要的是你理解了其微服务架构的设计精髓这能让你举一反三未来可以轻松地将任何能力封装成Dify的“AI手和脚”。