Slickflow MCP Server：将工作流引擎接入 AI 编排平台的实践

Model Context Protocol (MCP) 是 Anthropic 提出的开放协议，让 AI 大模型可以通过标准接口调用外部工具和数据源。本文介绍如何基于 .NET 8 将 Slickflow 工作流引擎封装为 MCP Server，并与 Dify、Coze、n8n 等主流 AI 编排平台打通。

一、为什么需要 MCP？

传统的 AI + 工作流集成方式通常是"硬编码"：把流程 API 包成 Function Calling，每个 LLM 平台单独适配一套。MCP 的出现改变了这一局面——只需实现一次，所有支持 MCP 的 AI 客户端都能自动发现并调用你的工具。

对于 Slickflow 这样的工作流引擎来说，这意味着：

• AI Agent 可以自主发起流程、推进审批、查询状态，无需人工干预
• 知识库与流程联动：Agent 可以先查规则，再决定流程走向
• 平台无关：同一个 MCP Server，Dify / Coze / n8n / Claude 均可接入

二、整体架构

┌─────────────────────────────────────────────────────┐
│               AI 编排平台                            │
│   Dify · Coze · n8n · Claude · 自定义 Agent        │
└────────────────────┬────────────────────────────────┘
                     │  MCP Protocol (HTTP Streamable / SSE)
                     ▼
┌─────────────────────────────────────────────────────┐
│              Slickflow MCP Server (:5100)            │
│                                                     │
│  ┌─────────────────────┐  ┌──────────────────────┐  │
│  │   WorkflowTools     │  │  KnowledgeBaseTools  │  │
│  │   (12 个工具)       │  │  (2 个工具)          │  │
│  └──────────┬──────────┘  └──────────┬───────────┘  │
│             │                        │               │
│             ▼                        ▼               │
│   IWorkflowService              KbDocumentService    │
└────────────┬────────────────────────┬───────────────┘
             │                        │
             ▼                        ▼
     Slickflow Engine           向量数据库 (PgVector)
     (PostgreSQL)               text-embedding-v4 / 1536d

Server 基于 ModelContextProtocol.AspNetCore v0.3.0-preview.2，运行在 .NET 8 之上。

三、14 个工具详解

3.1 WorkflowTools（12 个）

3.2 KnowledgeBaseTools（2 个）

四、核心实现

4.1 Server 注册（三行代码）

builder.Services.AddMcpServer()
    .WithHttpTransport(options => options.EnableLegacySse = true)
    .WithTools<WorkflowTools>()
    .WithTools<KnowledgeBaseTools>();

// ...
app.MapMcp("/mcp");

EnableLegacySse = true 同时暴露 GET /mcp/sse + POST /mcp/message，兼容 n8n 等尚未实现 Streamable HTTP 的客户端。

4.2 工具声明（Attribute 驱动）

[McpServerToolType]
public class WorkflowTools(IWorkflowService wfService)
{
    [McpServerTool, Description("启动一个流程实例。返回流程实例ID(ProcessInstanceIdStarted)。")]
    public string start_process(
        [Description("流程代码，从 list_processes 获取")] string processCode,
        [Description("发起人用户ID")] string userId,
        // ...
    )
    {
        // 先查流程定义，再创建 WfAppRunner 启动
        var process = wfService.GetProcessByCode(processCode, version);
        var runner = new WfAppRunner { /* ... */ };
        var result = wfService.StartProcess(runner);
        return JsonSerializer.Serialize(new { result.Status, result.ProcessInstanceIdStarted });
    }
}

每个工具方法只是一个普通 C# 方法，[Description] 注解会被框架自动解析为 MCP inputSchema，大模型据此生成正确的参数调用。

4.3 API Key 鉴权

鉴权逻辑通过中间件实现，支持两种 Header 格式：

X-Api-Key: <your-key>
// 或
Authorization: Bearer <your-key>

/health 端点跳过鉴权，供 Docker/K8s 健康探针使用。空 Key 时自动进入开发模式（免鉴权），方便本地调试。

4.4 速率限制

// 每 IP 每分钟最多 100 次请求（可通过配置调整）
RateLimitPartition.GetFixedWindowLimiter(
    ctx.Connection.RemoteIpAddress?.ToString(),
    _ => new FixedWindowRateLimiterOptions { PermitLimit = 100, Window = TimeSpan.FromMinutes(1) }
);

超限返回 HTTP 429，响应头包含 Retry-After。

五、与 AI 平台集成

5.1 Dify

在 Dify 工作流中添加"工具"节点，选择 MCP Server，填入：

Transport：Streamable HTTP
URL：http://your-host:5100/mcp
Headers：X-Api-Key: your-api-key

5.2 Coze

Coze 要求额外发送协议版本 Header：

Transport：Streamable HTTP
URL：http://your-host:5100/mcp
Headers：
  X-Api-Key: your-api-key
  MCP-Protocol-Version: 2025-03-26

5.3 n8n

n8n 当前版本（已知 bug）不支持 Streamable HTTP，需走 SSE Transport：

Transport：SSE
SSE URL：http://your-host:5100/mcp/sse
Message URL：http://your-host:5100/mcp/message

Server 端 EnableLegacySse = true 已自动开启此端点。

六、内置 MCP Client（Agent 侧）

Slickflow.AI 内置了 McpServerClient，AI Agent 节点可在运行时自动发现并调用 MCP Server 上的所有工具，无需手动注册：

// 自动发现远程 MCP Server 上的全部工具
var client = new McpServerClient("http://your-host:5100");
var tools = await client.DiscoverToolsAsync();

// 注册到 ReAct Agent
AgentToolRegistry.Global.Register("MY_ACTIVITY_ID", tools);

McpClientTool 内部通过 JSON-RPC 2.0 调用远端工具，对 ReAct Agent 来说与本地 Function 完全透明。

七、生产部署

docker-compose.yml（核心片段）

services:
  sfmcp:
    build: .
    ports:
      - "5100:5100"
    environment:
      - ConnectionStrings__WfDBConnectionString=${DB_CONNECTION}
      - McpAuth__ApiKey=${MCP_API_KEY}
      - RateLimit__PermitLimit=100
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:5100/health"]
      interval: 30s
      timeout: 5s
      retries: 3

敏感配置（数据库连接串、API Key）通过 .env 文件注入，不进入镜像。

环境变量一览（.env.example）

DB_CONNECTION=Host=xxx;Database=wfdb;Username=xxx;Password=xxx
MCP_API_KEY=your-strong-api-key-here
RATELIMIT_PERMITLIMIT=100
RATELIMIT_WINDOWMINUTES=1

八、测试验证结果

全部 14 个工具在测试环境（PostgreSQL，42 个已发布流程，402 条知识库文档）验证通过：

踩坑记录：

1. PowerShell + curl.exe 双引号问题：PowerShell inline JSON 传 curl.exe 时双引号被剥离，改用 -d @file.json 方式解决。
2. start_process 引擎参数问题：引擎需要 ProcessId + Version，工具层先调用 GetProcessByCode 查出实体再填入，不能只传 ProcessCode。
3. n8n SSE 兼容：n8n SDK 升级至 1.4.0 后需 EnableLegacySse=true，走旧 SSE 通道。

九、总结

Slickflow MCP Server 的实现思路可以概括为：

"用 Attribute 标注工具 → 框架自动生成 Schema → AI 自主调用 → 工作流引擎执行"

整个 Server 核心代码不超过 400 行，却实现了：完整的流程生命周期管理（发起 → 推进 → 撤回 → 退回 → 驳回）、语义知识库检索、API Key 鉴权、速率限制、健康检查、Docker 一键部署，以及与三大主流 AI 平台的兼容适配。

MCP 协议的标准化正在成为 AI Agent 与企业系统集成的基础设施。对于有流程引擎的业务系统来说，接入 MCP 是将现有能力"AI 化"成本最低的路径之一。

项目开源地址：Slickflow