我用Dify把飞书表格的「AI提示词库」打包成了MCP Server给AI使用和管理

推荐语

管理AI提示词库的新方法，飞书表格与MCP Server的完美融合。

核心内容：
1. 飞书表格与MCP Server结合的创新思路
2. 操作流程：从飞书表格到MCP服务的详细步骤
3. 实现AI根据需求自动选择和管理提示词的实践指南

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

想知道大家的提示词是怎么管理的？

除了数据分析师的工作、公众号运营外，我还有副业自营着k12教育赛道的业务，大大小小有几十个提示词，每次要找的时候都特别费劲。

我在想是不是可以用AI去帮我管理呢？

于是我在朋友圈问了一嘴，发现同样也有朋友在苦恼这个问题。

同时，在朋友的推荐下，我也找到一个不错的项目，利用MCP的能力让AI实时根据用户的需求来选择合适的提示词。

项目地址在这：https://github.com/gdli6177/mcp-prompt-server

但对我来说，还不够：

1. 1. 因为这项目的提示词需要以文件的形式保存在本地，那岂不是我换台设备就无法用了？
2. 2. 需要本地做配置安装，想要DIY还要写代码，太麻烦了

所以我就有了更具体的想法：

把提示词存到飞书文档，同样是借助MCP的能力让AI读取文档后获取提示词即可。甚至可以让AI去管理这个表格，完成增删查改的操作。

说干就干。

效果如下：在对话中，AI能根据我的需求用MCP到我飞书表格里找合适的提示词来回答问题。

操作流程如下：

1. 1. 在飞书新建多维表格
2. 2. 新建飞书应用，获取读写权限
3. 3. dify新建工作流
4. 4. 发布Dify工作流，并打包成MCP服务：包含查询提示词、新建提示词2个工具
5. 5. Cherry配置MCP，直接对话调用表格的提示词

1. 飞书表格处理

新建一个多维表格，好处是能通过表单的形式去添加提示词，可以扩充更多玩法

怎么新建就不说了特别简单。

2. 新建飞书应用，获取读写权限

关键在于怎么拿到表格的读写权限，能在Dify「远程」操作飞书？

2.1 进入飞书开发者后台https://open.feishu.cn/

点「创建企业自建应用」

随便填应用的信息，然后点「创建」

如图操作，直接把多维表格的全部权限打开。

在「应用能力」这里，添加一个「机器人」的能力

点顶部的「创建版本」，随意填写版本详情，然后点「保存」-「确认发布」

发布后，新建一个群聊，把我们刚新建好的应用机器人拉到群里

回到我们的多维表格，把刚才新建的群聊添加协作者，并且开通「可编辑」权限

最后，回到飞书创作者后台，在「凭证与基础信息」的位置，拿到「App ID」「App Secret」即可

至此，我们就完成了飞书表格的设置

3. Dify新建工作流

大家可以根据自己的需要来选平台，也可以用n8n

这里以Dify为例，可以配合我上次的文章来搭配学习：5000字教程：用AI实时查询数据库，自动生成可视化图表 | Dify工作流

首先，安装必要的插件：

进入插件模块，搜索「feishu」，注意一定是拼音，然后找到多维表格的插件给装上。

同理，搜索「MCP」把下图的MCP Compatible Dify Tools装上，这是能帮我们把工作流转成MCP的插件。

⚠️注意，Dify至少要求是1.2.0版本的，现在新装的话就是1.4.0版本。

接着就可以去新建「工作流」了。

还记得我们前面说的要实现查询提示词和创建提示词吗？这是两个工具能力，所以是两个工作流。

我们先做第一个：查询提示词

工作流非常简单，长下图这样：

其中，

「开始」节点，需要新建一个字段，用于接收用户的输入，同时，也是MCP的入口

接着，「查询记录」节点这里就是飞书多维表格的插件，刚添加节点的时候需要去授权，而授权就要把前面拿到的app id 和 app secret填入即可。

下图这里就要填入多维表格信息，告诉dify你要操作哪个表？怎么看呢？

要在飞书里点分享把分享地址粘贴到浏览器打开，才能看到具体的表格。

以我这个表格的地址为例：

https://ry6uq5vtyu.feishu.cn/base/Q1wcb9WDPaqNNSs85f2c6fN3nRb?table=tblDHeaFtA3xuEJy&view=vewcD3QJsc

- base后面跟着的、在问号?之前的 Q1wcb9WDPaqNNSs85f2c6fN3nRb 就是app_token

- 而table= 后面跟着的、在符号&之前的 tblDHeaFtA3xuEJy 就是table_id

其他更多条件可以看节点里的提示。

接下来是「模板转换」节点

这是因为从飞书获取出来的数据并不是字符串格式，无法直接给大模型，需要在这里转成字符串

注意输入的变量要选择「查询记录」的json结果

接着，就是LLM大模型节点，这里我就用了很简单的提示词，让AI根据用户的提问选择合适的提示词即可。

最后的结束节点就简单了，直接把大模型结果输出即可。

发布工作流，并打包成MCP

至此我们就完成了工作流的开发，一定要先在飞书里测试，正确没问题再开始打包。

点右上角的「发布」-「发布更新」-「发布为工具」

配置这里就按参考下图去写

注意「工具调用名称」就是在MCP列出可用工具里的名字。

接着到「创建」找到之前安装好的MCP创建，创建「API端点」

关键在「工具列表」点➕，找到我们刚发布好的「工作流」即可

点保存，就能看到新建好了MCP的服务器地址

这里有两种：

1种是常见的sse，在cursor等部分AI工具只能用这种

另一种是流式，是新的MCP传输类型，在Cherry等工具是支持的

记住这个知识点后面用得上。

至此，我们就完成了MCP的开发，是不是超级简单？

接下来就来看下怎么调用？

在Cherry调用MCP

在设置-MCP服务器—添加服务器-快速创建：

关键在于选择 正确的「类型」，填入前面得到的、对应的URL，即可

然后在新建对话的时候，记得选择支持工具调用的AI，并且在底部选择好MCP服务器

接着就可以直接对话了，例如我说

我需要写小红书的提示词，请调用`prompt-mcp-server`选择合适的提示词给我

我们就能看到AI去调用MCP来找提示词了。

找的提示词没毛病：

终于解决我们管理多提示词的烦恼了！！！！

别忘了我们还有一个「自动创建提示词」的能力还没做。

但方式是一样的，也是在Dify新建好工作流后，添加到MCP里，流程如下：

LLM的节点用的是以下「Prompt工程师」的提示词，日常也可以用这个提示词来新建提示词。

# Role:Prompt工程师
Don't break character under any circumstance.
Don't talk nonsense and make up facts.

Profile:
Language:中文
Description:你是一名优秀的Prompt工程师，你熟悉[CRISPE提示框架]，并擅长将常规的Prompt转化为符合[CRISPE提示框架]的优秀Prompt，并输出符合预期的回复。

Constrains:
Role: 基于我的Prompt，思考最适合扮演的1个或多个角色，该角色是这个领域最资深的专家，也最适合解决我的问题。
Profile: 基于我的Prompt，思考我为什么会提出这个问题，陈述我提出这个问题的原因、背景、上下文。
Goals: 基于我的Prompt，思考我需要提给chatGPT的任务清单，完成这些任务，便可以解决我的问题。
Skill：基于我的Prompt，思考我需要提给chatGPT的任务清单，完成这些任务，便可以解决我的问题。
OutputFormat: 基于我的Prompt，基于我OutputFormat实例进行输出。
Workflow: 基于我的Prompt，要求提供几个不同的例子，更好的进行解释。
Don't break character under any circumstance.
Don't talk nonsense and make up facts.

Skill:
熟悉[CRISPE提示框架]。
能够将常规的Prompt转化为符合[CRISPE提示框架]的优秀Prompt。

Workflow:
分析我的问题(Prompt)。
根据[CRISPE提示框架]的要求，确定最适合扮演的角色。
根据我的问题(Prompt)的原因、背景和上下文，构建一个符合[CRISPE提示框架]的优秀Prompt。
Workflow，基于我的问题进行写出Workflow，回复不低于5个步骤
Initialization，内容一定要是基于我提问的问题
生成回复，确保回复符合预期。

OutputFormat:
    、、、
    # Role:角色名称
    ## Profile:
    - Author: YZFly
    - Version: 0.1
    - Language: 中文
    - Description: Describe your role. Give an overview of the character's characteristics and skills
    ### Skill:
    1.技能描述1
    2.技能描述2
    3.技能描述3
    4.技能描述4
    5.技能描述5
    ## Goals:
    1.目标1
    2.目标2
    3.目标3
    4.目标4
    5.目标5
    ## Constrains:
    1.约束条件1
    2.约束条件2
    3.约束条件3
    4.约束条件4
    5.约束条件5

    ## OutputFormat:
    1.输出要求1
    2.输出要求2
    3.输出要求3
    4.输出要求4
    5.输出要求5
    ## Workflow:
    1. First, xxx
    2. Then, xxx
    3. Finally, xxx
    ## Initialization:
    As a/an <Role>, you must follow the <Rules>, you must talk to user in default <Language>
    、、、

Initialization：
    接下来我会给出我的问题(Prompt)，请根据我的Prompt
    1.基于[CRISPE提示框架]，请一步一步进行输出，直到最终输出[优化Promot]；
    2.输出完毕之后，请咨询我是否有需要改进的意见，如果有建议，请结合建议重新基于[CRISPE提示框架]输出。
    要求：请避免讨论[CRISPE提示框架]里的内容；
    不需要重复内容，以markdown源代码的形式给我提示词即可。

添加好这个能力后，直接跟AI说，要帮我生成提示词，再给内容我：

效果就是这样的，我们能看到在飞书表格里就多了一行提示词了，非常丝滑。

踩坑经验

接下来说一下我在开发这个MCP过程中的踩坑经验：

1. 1. MCP回复字数是有上限的

因为最开始我是全量返回，大概是13000字左右，结果就是返回是空的。我还以为是服务器问题呢

于是我重新做了个测试字数的工作流，不断加字数，加到10000字还是可以的

所以我判断MCP返回字数的上限就是10000字

这样看更清晰

1. 2. 关于MCP端点的问题

如果你用的是官网的Dify，那么MCP端点地址是可以直接用的，没毛病，但是要梯子的，用的时候也要挂上

（梯子要选择快一点的，我一开始用的比较慢的，导致网络不稳定一直失败，折腾了一晚才发现是网络问题）

如果你是自己部署的Dify，就要注意了，MCP端点地址给的是 http://localhost/e/xxxxxx

注意要把其中的localhost换成你的地址和端口，例如192.xx.xx.xx:8088 类似这样即可

如果还不行就要环境文档.env 里的 EXPOSE_PLUGIN_DEBUGGING_HOST和ENDPOINT_URL_TEMPLATE的localhost换成你的真实IP

1. 3. 关于输入字符的限制

这应该是Dify工作流的输入限制，只能接受小于48字的内容，导致暂时无法做加入提示词的功能。

这个应该有解，但我还没时间去研究， 知道怎么处理的同学可以留言交流一下。

后续优化2.0版本

我们今天完成的这个AI提示词管理，算是1.0版本，它还有很多可以优化的地方，例如：

1. 1. 现在可能只支持少量提示词，一旦提示词到了几十上百个，AI吃不下这么多怎么办？

我们可以在表格新增「赛道」「分类」等单选列，然后让AI根据用户需求来对表格进行筛选

1. 2. 多提示词的管理，还是可以继续借助AI

飞书多维表格里用「字段捷径」自动给提示词打好不同的标签，具体怎么做可以看我之前的分享，对用户评论进行打标：9000字落地实操：AI做用户购后评论洞察分析

1. 3. 更进一步，为了更精准找到提示词，可以用RAG的形式，基于飞书表格在Dify搭建「提示词知识库」

如果你对这个工作流有什么想法，欢迎评论区交流，如果想我出2.0版本的也可以留言催更～ 届时应该就能开放出来给大家用

你看，从一个真实的痛点出发，我们借助现有的工具，成功为自己量身定制了一套高效的提示词管理方案。这背后，是技术赋予普通人解决复杂问题的能力，是将“我需要”变为“我实现”的喜悦。

当那些精心打磨的提示词，能够像贴心的助手一样，在云端听候调遣，随时为你所用，那种掌控感和效率的提升，会让你觉得一切折腾都值得。这或许就是个性化AI时代的魅力——每个人都能成为自己工作流的“架构师”。

那么，你的下一个“小烦恼”，又准备如何用AI优雅地解决它呢？

以上， 既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧…

为了帮助大家减少AI信息差，饼干哥哥准备拉个AI交流群，围绕着AI数据分析、AI编程、AI工作流、AI Agent等进行讨论。

感兴趣的可以关注公众号「饼干哥哥AGI」，后台回复「AI交流群」