背景与挑战
dify 作为一款低代码 AI 应用开发平台,凭借其直观的可视化工作流编排能力,极大降低了大模型应用的开发门槛。然而,在实际企业级落地过程中,我们发现其原生能力仍存在两个关键瓶颈:
- 代码执行能力受限:Dify 内置的 Sandbox 节点虽支持基础 Python 代码执行,但无法安装自定义 Python 包,难以支撑复杂的业务逻辑、数据处理或算法调用;
- 缺乏自动化调度机制:Dify 原生架构不支持 Agent 或 Agentic Workflow 的定时触发、周期性运行与依赖编排,导致其难以融入企业级自动化运维体系。
这两个问题严重制约了 Dify 在生产环境中的深度应用——尤其当我们希望构建一个具备“感知-决策-执行-反馈”闭环能力的智能 Agent 时,仅靠 Dify 自身往往力不从心。为突破这些限制,我们在实践中探索出一套 “Dify + DMS Notebook + DMS Airflow”三位一体的一站式增强开发架构,有效补齐了 Dify 在执行能力与调度能力上的短板:
- ✅ DMS Notebook:提供完整、可定制的 Python 运行环境,支持第三方库安装、交互式开发与复杂逻辑实现,作为 Dify Sandbox 的强力补充;
- ✅ DMS Airflow:作为统一调度引擎,实现对 Dify 工作流、Notebook 脚本或 Agent 任务的定时触发、依赖管理与可靠执行;
- ✅ DMS 平台集成:实现从开发、调试、部署到调度、监控的全链路闭环管理,显著提升 Dify 在企业场景下的工程化落地能力。
本文将以一个销售数据分析机器人的完整开发案例,详细介绍如何基于 DMS 平台,构建一个可调度、可扩展、可运维的 Agent 系统。使用 DMS Notebook 扩展 Dify 的代码执行能力
为什么需要 Notebook?
在 Dify 中,若需调用 Pandas 进行数据清洗、使用 Prophet 做时间序列预测,或集成企业内部 SDK,Sandbox 节点往往无能为力。而 DMS Notebook 提供了完整的 Python 环境,支持:
- 自定义 pip 包安装;
- 环境变量配置(如 AK/SK、API Key);
- 异步服务开发(如 FastAPI);
- 与 VPC 内其他服务安全互通。
这使其成为 Dify 外部能力扩展的理想“执行单元”。步骤详解:构建一个销售数据分析 API 服务
1.创建 DMS Notebook 会话
-
进入 DMS 控制台 > Notebook 会话 > 创建会话;
-
各参数的定义如下:
-
选择合适的 Python 镜像版本;
-
在 配置 > 编辑设置 中:
-
PyPI 包管理:按 requirements.txt 格式填入依赖(如 pandas, fastapi, uvicorn, nest-asyncio);
- 环境变量:设置 ALIBABA_CLOUD_ACCESS_KEY_ID、ALIBABA_CLOUD_ACCESS_KEY_SECRET、大模型 API Key 等;
-
关键配置:
-
fastapi、uvicorn、nest-asyncio库是必须要安装的;
- 设置 资源释放时间 = 0(防止服务被自动释放);
- 设置环境变量 DMS_KERNEL_IDLE_TIMEOUT=0(避免 Jupyter Kernel 因空闲被 kill)。
💡 踩坑提示:若未设置 DMS_KERNEL_IDLE_TIMEOUT=0,长时间运行的 API 服务可能在空闲数分钟后被系统回收,导致后续调用失败。
- 创建完成后,在notebook会话窗口中点击启动即可
2.编写并启动 FastAPI 服务
点击文件夹图标,右键点击default(默认库),再点击新建Notebook文件。
- 在代码块中编写相关的python代码,可以参考以下模板构建你的API服务,更多FastAPI相关的使用方法请查看官方文档:https://fastapi.tiangolo.com/
import osfrom fastapi import FastAPI, HTTPException, Request, File, UploadFile, Path, Query, Form, Headerfrom fastapi.staticfiles import StaticFilesfrom typing import Optionalimport nest_asyncioimport asyncioimport httpximport io'''注意,Jupyter本身就在一个asyncio事件循环中运行。我们不能在已有循环中直接运行另一个循环,但nest_asyncio这个库可以“打补丁”,允许我们这样做。'''nest_asyncio.apply()app = FastAPI(title="Your Service Name", description="Description of Your Service")# 创建static目录(如果不存在)static_dir = "static"ifnot os.path.exists(static_dir): os.makedirs(static_dir)# 挂载静态文件服务app.mount("/static", StaticFiles(directory=static_dir), name="static")@app.get("/")async def root(): """ 根节点,返回服务基本信息 # --- 如何使用 curl 调用 --- curl -X GET "http://127.0.0.1:8000/" """ return { "message": "Service is running", "documentation": "/docs", "note": "..." }@app.post("/process-data/{item_id}")async def process_data( request: Request, # 使用 Request 对象来接收原始请求 # 路径参数 item_id: int = Path(..., title="物品ID", ge=1), # 查询参数 is_premium: bool = Query(False, description="是否为高级物品"), # 请求头参数 x_token: Optional[str] = Header(None, description="自定义的认证Token")): """ 接收 JSON 请求体、路径参数、查询参数和请求头。 # --- 如何使用 curl 调用 --- # -X POST: 指定请求方法 # URL: 包含路径参数 {item_id} 和查询参数 ?is_premium=true # -H: 添加请求头 (Header) # -d: 发送请求体 (Body),这里是 JSON 字符串 curl -X POST "http://127.0.0.1:8000/process-data/101?is_premium=true" \ -H "Content-Type: application/json" \ -H "X-Token: my-secret-token" \ -d '{"name": "笔记本电脑", "price": 7999.9, "tags": ["electronics", "office"]}' """ if x_token != "my-secret-token": raise HTTPException(status_code=401, detail="X-Token 无效") try: # 手动解析 JSON 请求体 json_body = await request.json() name = json_body.get("name") price = json_body.get("price") # 你的业务逻辑代码 if not name or not price: raise HTTPException(status_code=400, detail="请求体中缺少 'name' 或 'price'") return { "message": "数据处理成功", "received_data": { "item_id": item_id, "is_premium": is_premium, "x_token": x_token, "body": json_body } } except Exception as e: raise HTTPException(status_code=500, detail=f"服务执行错误: {str(e)}")@app.post("/upload-file")async def upload_file( # 表单数据 token: str = Form(...), # 上传文件 file: UploadFile = File(...)): """ 通过表单(form-data)上传文件和附带的文本信息。 # --- 如何使用 curl 调用 --- # -F: 用于发送 multipart/form-data # -F "file=@/path/to/your/file.txt": @符号表示后面是文件路径,curl会读取该文件内容作为上传数据 # -F "token=user123": 发送一个名为 token 的表单字段 # 注意: 请将 /path/to/your/file.txt 替换为你的本地文件真实路径 curl -X POST "http://127.0.0.1:8000/upload-file" \ -F "file=@./test_upload.txt" \ -F "token=my-form-token" """ # 为了让curl示例能工作,我们先创建一个示例文件 if not os.path.exists("test_upload.txt"): with open("test_upload.txt", "w") as f: f.write("This is a test file for curl upload.") try: contents = await file.read() file_location = os.path.join(static_dir, file.filename) with open(file_location, "wb") as f: f.write(contents) return { "message": "文件上传成功!", "token": token, "filename": file.filename, "file_size": len(contents), "file_url": f"/static/{file.filename}" } except Exception as e: raise HTTPException(status_code=500, detail=f"文件处理错误: {str(e)}")@app.get("/status")async def get_server_status(): """ 获取服务器状态。 # --- 如何使用 curl 调用 --- curl -X GET "http://127.0.0.1:8000/status" """ return {"status": "running"}async def run_server(host="127.0.0.1", port=8000): """在后台运行uvicorn服务器""" import uvicorn config = uvicorn.Config(app, host=host, port=port, log_level="info") server = uvicorn.Server(config) # uvicorn.run() 是一个阻塞调用,所以我们用更底层的Server.serve() await server.serve()task = asyncio.create_task(run_server(host="0.0.0.0", port=8000))# 等待服务启动await asyncio.sleep(2)# 创建一个异步HTTP客户端async with httpx.AsyncClient() as client: print("正在向 http://127.0.0.1:8000/status/ 发送请求...") # 发送POST请求 response = await client.get("http://127.0.0.1:8000/status") # 打印结果 if response.status_code == 200: print("服务启动成功") else: print("服务启动失败,请检查报错信息")
- 接下来我们以构建一个单日销售数据分析的API为例,代码内容如下:
import osimport pandas as pdfrom fastapi import FastAPI, HTTPException, Request, File, UploadFilefrom fastapi.staticfiles import StaticFilesimport nest_asyncioimport asyncioimport httpximport io'''注意,Jupyter本身就在一个asyncio事件循环中运行。我们不能在已有循环中直接运行另一个循环,但nest_asyncio这个库可以“打补丁”,允许我们这样做。'''nest_asyncio.apply()app = FastAPI(title="Sales Data Analysis Service", description="Provides data analysis and chart generation capabilities for Dify")# 创建static目录(如果不存在)static_dir = "static"ifnot os.path.exists(static_dir): os.makedirs(static_dir)# 挂载静态文件服务app.mount("/static", StaticFiles(directory=static_dir), name="static")def load_sales_data_from_file(file_content: bytes): """从上传的文件内容加载销售数据""" try: # 将字节内容转换为StringIO对象 csv_string = file_content.decode('utf-8') df = pd.read_csv(io.String…