Dify AIとは何か？2026年最新版で理解するエージェント開発プラットフォーム
室谷今回は「Dify AI」について話していきましょう。Difyって2023〜2024年ごろは「ノーコードでチャットボットが作れるツール」っていう認識で止まってる人が多いんですよね。
でも2026年現在のDifyはもはや別物というか、AIエージェント開発のプラットフォームに完全に進化してますから・・・
でも2026年現在のDifyはもはや別物というか、AIエージェント開発のプラットフォームに完全に進化してますから・・・
テキトー教師そうなんですよね。コミュニティのメンバーさんでも「一度触ったけどチャットボット作るだけでしょ？」って言う人がいて、今のDifyを見せると驚かれます。
ワークフローが動くだけじゃなく、MCP統合があって、エージェントがツールを自律的に選んで動く。全然違う話になってます。
ワークフローが動くだけじゃなく、MCP統合があって、エージェントがツールを自律的に選んで動く。全然違う話になってます。
室谷著書も出してるくらいDifyとは長い付き合いなんですが、正直「こんなに速く進化するとは思わなかった」という感じですね。GitHubのスター数が135,000を超えていて（2026年4月現在）、もはや世界で最も使われているオープンソースのAIアプリ開発基盤の一つです。
テキトー教師「Dify AI」という名前について、検索してる方に向けて整理しておくと、「Dify」と「Dify AI」は同じもので、公式には「Dify（ディファイ）」と読みます。開発元はLangGeniusというスタートアップで、2026年3月に3,000万ドルの資金調達を発表しました。
これはDifyが単なるツールではなく、AIエージェントインフラとして本格的に評価されてきた証拠ですね。
これはDifyが単なるツールではなく、AIエージェントインフラとして本格的に評価されてきた証拠ですね。
室谷資金調達額より面白いのが、調達の文脈なんですよね。「明日の組織はPeopleとAgentsで構築される」というメッセージで、Difyをエンタープライズ向けのAIインフラとして位置づけている。
これ、単なる開発ツールの話じゃなくなってきてます。
これ、単なる開発ツールの話じゃなくなってきてます。
テキトー教師現在のDifyには大きく3つの柱があります。1つ目がワークフロー：ビジュアルなノードベースのフローで、LLMの処理、条件分岐、ループ、ナレッジ検索などを組み合わせたAIアプリケーションを構築できます。
2つ目がエージェント：AIが自分でツールを選択・実行して、複雑なタスクを自律的に処理します。3つ目がMCP統合：v1.6.0から、MCPをネイティブサポートし、外部サービスとの連携が格段に楽になりました。
2つ目がエージェント：AIが自分でツールを選択・実行して、複雑なタスクを自律的に処理します。3つ目がMCP統合：v1.6.0から、MCPをネイティブサポートし、外部サービスとの連携が格段に楽になりました。
室谷このMCP対応が個人的には一番大きいと思っていて。それまでは「Difyと外部サービスをつなぐ」のにカスタムツールを書かないといけなかった。
でも今は標準プロトコルで繋がるので、開発工数が劇的に減るんですよね。
でも今は標準プロトコルで繋がるので、開発工数が劇的に減るんですよね。
Dify AIが2026年に選ばれる理由：最新バージョンv1.13系の主要機能
室谷前回はDifyの基本について別の記事で解説したので、今回は「今のDifyで何が変わったか」を深掘りしていきます。最新バージョンはv1.13.3で、機能の追加スピードが本当に速い。
テキトー教師講座で教えていて気づいたんですが、Difyのバージョンアップを追いかけること自体が学習コストになってる部分があって（笑）。でも主要な変化のポイントを押さえておくと、何が使えるかわかりやすくなります。
室谷重要なポイントを3つ挙げるとしたら、MCP統合、Human Inputノード、そしてAgentノードですね。
テキトー教師Human Inputノードは2026年3月のv1.13.0で追加された機能で、これは実務的に面白いです。ワークフローの途中で人間の判断を挟めるんです。
室谷「AI全自動で完結させる」のが理想に見えるんですが、実際の業務だと「この判断はAIに任せられない」って場面が必ずあるんですよね。MYUUUでも、AI生成したコンテンツを最終的に人がレビューして承認するフローが必要で、そこをどう実装するかが課題だったんです。
テキトー教師Human Inputノードを使えば、ワークフローが途中でポーズして、指定した担当者にフォームを送信します。担当者が「承認」「却下」「修正依頼」などのボタンを押したらワークフローが再開する。
しかもタイムアウト設定もできるので、一定時間応答がなければ別のブランチに自動でフォールバックできます。
しかもタイムアウト設定もできるので、一定時間応答がなければ別のブランチに自動でフォールバックできます。
室谷これ、エンタープライズで絶対必要な機能ですよ。コンプライアンスやガバナンスの観点で「AIが自動でやった」じゃなく「人が確認した上でAIが動いた」という証跡が必要な業務、すごく多いですから。
テキトー教師AgentノードはDifyの中でも特に説明が難しい機能なんですよね。ワークフローの中に「自律的に判断するAI」を置けるっていうイメージで。
室谷ワークフローはあらかじめ「AさせたらBする、CならDする」という処理の流れを定義するけど、Agentノードは「この目標を達成するために、どのツールをどんな順番で使うかをAIが決める」という違いですね。静的なフローと動的な判断の組み合わせが今のDifyの核心で・・・
テキトー教師コミュニティのメンバーさんがよくハマるのが「全部Agentにすればいい」という思い込みで（笑）。Agentは自由度が高い分、処理が重くなったり、意図しないツール呼び出しが起きたりします。
安定した処理はワークフロー、創造的・複雑な判断が必要な部分にAgentノードを使うのがいい設計です。
安定した処理はワークフロー、創造的・複雑な判断が必要な部分にAgentノードを使うのがいい設計です。
室谷それは本当にそうで。MYUUUのエンジニアも最初はAgent大好きだったんですが（笑）、コストとレイテンシを考えると「ここはワークフローで十分」という判断を入れるようになりましたね。
ワークフローとAgentノードの使い分けをまとめるとこうなります。
ワークフローとAgentノードの使い分けをまとめるとこうなります。
| 機能 | 向いている用途 | 特徴 |
|---|---|---|
| ワークフロー | 手順が決まった処理（データ加工、定型フォーマットへの変換等） | 安定・高速・コスト予測しやすい |
| Agentノード | 複雑な判断・ツール選択が必要な処理（調査・分析・対話型タスク等） | 柔軟・処理は遅め・コスト変動あり |
| ハイブリッド | 大部分は定型だが要所で判断が必要な処理 | バランス良し・設計が重要 |
テキトー教師このハイブリッドアプローチが実務には一番合っていて。「Difyでワークフローを作る」というよりも「ワークフローとエージェントをどう組み合わせるか設計する」という視点が2026年のDify活用の核心だと思います。
Dify AIのMCP統合：ワークフローを外の世界とつなぐ標準プロトコル
室谷MCP（Model Context Protocol）の話はDify AIの記事では外せないので、掘り下げていきましょう。2025年以降のAI開発の重要なトレンドなんですよね。
テキトー教師MCP自体はAnthropicが発表したオープンスタンダードで、「AIアプリケーションが外部ツール・データを使う際の共通フォーマット」のようなものです。DifyはサポートしていなかったMCPをv1.6.0（2025年7月）でネイティブサポートしました。
室谷これの何がすごいかというと、「双方向」なんですよね。Difyから外部のMCPサーバーを使える（クライアント側）だけでなく、DifyのワークフローそのものをMCPサーバーとして公開できる（サーバー側）。
テキトー教師クライアント側で言うと、LinearやNotionなどのMCP対応サービスをDifyのツールとして直接使えるようになります。さらにZapierがMCP対応しているので、Zapier経由で8,000以上のアプリとつながれます。
室谷Zapierの話は衝撃でしたね。理論上、Zapierと連携しているサービス全部がDifyのエージェントから使えるということで・・・SlackもGoogleもSalesforceも、設定さえすれば全部つながる。
テキトー教師サーバー側はもっと面白くて。自分が作ったDifyのワークフローに「このワークフローは何をするものか」「入力パラメータは何か」を定義すると、DifyがMCPサーバーのURLを発行してくれます。
室谷そのURLをClaudeやCursorなどのMCPクライアントに登録すると、Claude側から「Difyのワークフローを呼び出す」ことができる。つまり、DifyのワークフローがAIのツールになるんですよ。
テキトー教師これ、実務での意味が大きくて。たとえば「社内ナレッジを検索して回答するDifyワークフロー」を作って、それをMCPサーバーとして公開したら、社員がClaude Desktopから直接使えるようになります。
Difyのインターフェースを経由しなくていい。
Difyのインターフェースを経由しなくていい。
室谷MYUUUでもこの構成を試していて、なかなかいい感じですね。各部門のワークフローをMCPサーバーとして整備していくと、AIアシスタントが会社のシステムを「ツールセット」として扱える会社インフラになっていく。
これが室谷の言う「AgentによるDX」の核心なんですよ。
これが室谷の言う「AgentによるDX」の核心なんですよ。
テキトー教師Difyでのエージェント設計の基本的な流れをまとめます。
- Tools画面でMCPを選択し、接続するMCPサーバーのURLを登録する
- エージェントのプロンプトで役割を定義する（例：「あなたはLinearに接続されたエージェントです」）
- ユーザーが「R&Dチームに新しいissueを作成して」と入力すると、エージェントが自動でget_team→get_user→create_issueの順でツールを呼び出す
室谷このフロー、プログラミングゼロで実装できるのが本当にすごい。LineeやZapierのAPIドキュメントを読みながら1から実装したら、エンジニアが何日もかかる処理です。
テキトー教師注意点として、DifyのMCPはHTTPベースのサーバーのみ対応で、プロトコルバージョンは2025-03-26以降が必要です（公式ドキュメントより）。既存のローカルMCPサーバーは使えないものもあるので、接続前に確認が必要です。
室谷Dify AIのMCP対応は、AIエコシステムのオープンスタンダード化という大きな流れと完全にアラインしていて。この方向は絶対に加速するんで、今から触っておく価値は高いと思います。
Dify AIのナレッジベースとRAG：社内データをAIに学習させる方法
室谷DifyのRAG機能、つまりナレッジベースの話もしたいですね。「dify ナレッジベース」「dify ナレッジ使い方」って検索が多いですし、ここが実務での一番の使いどころだったりします。
テキトー教師RAGはRetrieval-Augmented Generation（検索拡張生成）の略で、AIが回答を生成する際に外部のデータベースから関連情報を引っ張ってくる仕組みです。Difyではこれを「ナレッジベース」という機能で実装していて、PDFやWordファイルをアップロードするだけで設定できます。
室谷ナレッジベースを使うと何がよくなるかというと、「AIが最新の社内情報を答えられるようになる」んですよ。通常のAIは学習データのカットオフ時点の情報しか知らない。
でもナレッジベースに社内マニュアルを入れたら、「うちの会社の申請手順は？」に正確に答えられるようになります。
でもナレッジベースに社内マニュアルを入れたら、「うちの会社の申請手順は？」に正確に答えられるようになります。
テキトー教師Difyのナレッジベースの設定画面では、チャンクの分割方法（自動 vs カスタム）や、埋め込みモデルの選択（OpenAI ada-002、Cohereなど）、インデックスモードの設定ができます。
室谷チャンクっていうのは、アップロードしたドキュメントを小さな断片に分割したものです。この分割の仕方がRAGの精度に大きく影響します。
たとえば取扱説明書みたいな長いPDFをそのまま使おうとすると、関係ない情報まで引っ張ってきてしまう。
たとえば取扱説明書みたいな長いPDFをそのまま使おうとすると、関係ない情報まで引っ張ってきてしまう。
テキトー教師DifyはDify 1.12.0から「Summary Index（サマリーインデックス）」が使えるようになりました。これは各チャンクにサマリーを付与して、関連するコンテキストをまとめて返せるようにする機能です。
バラバラな断片検索から、文脈を理解した検索に変わります。
バラバラな断片検索から、文脈を理解した検索に変わります。
室谷これは地味に大きな改善で。たとえば「製品Xの導入手順」というクエリに対して、以前は手順の一部だけが返ってきたのが、前後の文脈を含めた全体像が取れるようになる。
講座でDifyのナレッジ精度が低い、とよく聞きませんか？
講座でDifyのナレッジ精度が低い、とよく聞きませんか？
テキトー教師めちゃくちゃ聞きます（笑）。Summary Indexを使うことで、そのほとんどは改善するので、今からDifyのRAGを触る人はぜひ使ってほしいですね。
設定はナレッジベースの作成時にインデックスモードで選択できます。
設定はナレッジベースの作成時にインデックスモードで選択できます。
室谷ハイブリッド検索の話もしますか。「dify ハイブリッド検索」って検索してる方も多いので。
テキトー教師ハイブリッド検索は、ベクトル検索（意味的な類似度）とキーワード検索（全文一致）を組み合わせる方式です。どちらか一方だと取りこぼしが出るケースを補完できます。
室谷具体的には、「RAG 精度」みたいな一般的な語で検索するならベクトル検索が得意で、「error code 404」みたいな特定のコードや型番を探す場合はキーワード検索の方が確実です。両方を組み合わせることで、どちらのケースにも対応できます。
テキトー教師Difyのナレッジベースでは、ナレッジの設定画面でRetrievalの設定をするところでハイブリッド検索のオプションを選べます。重み付けも調整できるので、ドキュメントの性質に応じてカスタマイズが可能です。
室谷画像をナレッジとして使えるようになってきたのも最近の変化ですね。「dify ナレッジ 画像」という検索もあるくらいで、図解付きのPDFや画像データも使えるようになってきています。
テキトー教師技術ドキュメントって図表が多いんですよね。今まではその図解が無視されていたんですが、マルチモーダル対応が進んでいるので、図の中のテキストや図解の内容も含めてナレッジとして使えるようになっています。
Dify AIのワークフロー作り方：チャットフローとワークフローの違い
室谷Difyでアプリを作ろうとすると、最初に「チャットフロー」か「ワークフロー」かを選ぶ画面が出てくるんですよね。「dify チャットフロー」「dify ワークフロー 作り方」ってここで迷う人が多い。
テキトー教師これ、講座の初日に必ず説明するんですが、シンプルに言うと「チャットフロー＝対話型、ワークフロー＝バッチ処理型」です。チャットフローはメッセージのやり取りを前提としたフローで、最後にAIが「返答」を返します。
室谷ワークフローは入力を受け取って処理して出力を返す、という一方通行の流れです。「この文書を翻訳して」「この画像を説明して」みたいな用途ですね。
途中で「ちょっとまって、追加情報を聞かせて」という対話はできない。
途中で「ちょっとまって、追加情報を聞かせて」という対話はできない。
テキトー教師実務での使い分けを整理するとこうなります。受講生さんに向けて言うと、「会話を通じてタスクをこなしたいならチャットフロー、決まった処理を自動化したいならワークフロー」というイメージで覚えると分かりやすいです。
| 種類 | 特徴 | 向いている用途の例 |
|---|---|---|
| チャットフロー | 対話型・会話履歴を持つ | カスタマーサポートBot、社内QA、面談アシスタント |
| ワークフロー | バッチ型・入力→処理→出力 | 文書要約、翻訳、データ加工、レポート生成 |
室谷ワークフローの「ループ処理」も最近よく使われるようになってきた機能ですね。「dify ループ処理」「dify イテレーション 使い方」という検索もあります。
テキトー教師イテレーション（繰り返し処理）は、リスト形式のデータに対して同じ処理を繰り返す機能です。たとえば「10件の商品レビューを1件ずつ翻訳する」みたいな処理がノーコードで書けます。
室谷以前はDifyのワークフローでループを実装しようとすると、かなり工夫が必要だったんですが、イテレーションブロックが追加されてから直感的に書けるようになりました。MYUUUでも大量ドキュメントの一括処理に使ってます。
テキトー教師ループノードとイテレーションノードの違いも聞かれることが多いので触れておくと、イテレーションはリストの各要素に対して一度ずつ処理する（foreach）、ループは条件を満たすまで繰り返す（while）というイメージです。
室谷ワークフローのサンプルや、テンプレートをどう使うかについても触れましょうか。「dify ワークフロー サンプル」「dify テンプレート 使い方」って検索してる方向けに。
テキトー教師2026年3月にDifyがCreator CenterとTemplate Marketplaceを公開して、コミュニティが作ったワークフローテンプレートを公式に流通させる仕組みができました。これは大きい。
室谷以前もテンプレートはあったんですが、より体系的なマーケットプレイスになったんですよね。自分がテンプレートを公開してアフィリエイトリンクで収益化もできるようになったので、高品質なテンプレートが増えていきそうです。
テキトー教師初心者の方は既存テンプレートをそのまま使うのが入門として最適です。テンプレートブロックという概念もあって、ワークフローの一部分をパーツとして保存・再利用できます。
よく使うサブフローを「テンプレートブロック」として登録しておけば、他のワークフローにも再利用できます。
よく使うサブフローを「テンプレートブロック」として登録しておけば、他のワークフローにも再利用できます。
室谷それ、意外と知らない人が多いんですよね。「同じ処理を何度も作り直してる」っていう人に教えてあげると、すごく喜ばれます。
Dify AIの料金プラン：Sandbox（無料）からEnterprise（オンプレ）まで
室谷料金プランの話は毎回必ず来る質問ですね。「dify 料金プラン」「dify 無料 制限」「dify オンプレミス 料金」という検索が多い。
テキトー教師Difyの料金体系は比較的シンプルで、クラウド版とセルフホスト版に分かれています。クラウド版は4プランあります。
| プラン名 | 月額費用 | メッセージクレジット | チームメンバー | アプリ数 |
|---|---|---|---|---|
| Sandbox（無料） | $0 | 200回 | 1名 | 10個 |
| Professional | $59/月 | 5,000回/月 | 3名 | 50個 |
| Team | $159/月 | 10,000回/月 | 50名 | 200個 |
| Enterprise | 要問い合わせ | 要問い合わせ | 無制限 | 無制限 |
※年払いにすると月額換算で安くなります（2026年4月現在の公式サイトの価格）
室谷Sandboxの200回制限って実際どれくらいで使い切るのかというと、1回のチャット会話で複数のAPIコールが発生することを考えると、本格的に使い始めたら1〜2日で終わります。試用には十分ですが、業務利用は難しいですね。
テキトー教師Professionalからは5,000回/月になるので、一般的な個人開発者や小規模チームなら十分なケースが多いです。ただし注意点があって、この「メッセージクレジット」はDifyが提供するLLMの呼び出し枠で、自分のAPIキーを使う場合は別枠になります。
室谷これ、混乱している人が多いんですよね。「dify ai 無料 制限」って調べてる方にはっきり言うと、Difyのメッセージクレジット制限と、OpenAIやAnthropicのAPIキーを使う場合のAPI料金は、全く別の話です。
自分のAPIキーを設定している場合は、Difyのクレジットはほとんどカウントされないことがほとんどです。
自分のAPIキーを設定している場合は、Difyのクレジットはほとんどカウントされないことがほとんどです。
テキトー教師セルフホスト版（オープンソース）は、Difyのソフトウェア自体は無料で使えます。ただしサーバー代（AWS、GCP、Azure等）はかかります。
エンタープライズプランにはオンプレミスバージョンもあって、こちらは要問い合わせです。
エンタープライズプランにはオンプレミスバージョンもあって、こちらは要問い合わせです。
室谷セルフホスティングはセキュリティを重視する企業に需要が高いんですよ。「dify セキュリティ リスク」という検索もあります。
クラウド版だとデータがDifyのサーバーを通りますが、オンプレなら自社内で完結するので、個人情報や機密情報を扱う業務でも使いやすい。
クラウド版だとデータがDifyのサーバーを通りますが、オンプレなら自社内で完結するので、個人情報や機密情報を扱う業務でも使いやすい。
テキトー教師セルフホスト版のインストールはDockerを使います。公式のGitHubリポジトリ（）からクローンして、
技術的な知識がある前提ですが、手順自体は難しくない。
docker compose up -dで起動できます。技術的な知識がある前提ですが、手順自体は難しくない。
室谷「dify セルフ ホスティング」「dify github」で調べてる方はそちらを参照してください。セルフホスト版のバージョンアップも
git pullしてdocker compose up -dで完結します。テキトー教師エンタープライズプランの「dify エンタープライズ 料金」については、AWSマーケットプレイスでも購入できるようになっています。「aws marketplace dify enterprise」で調べると出てきます。
室谷エンタープライズプランには、管理者向けのロールベースアクセス制御（RBAC）、監査ログ、SSO対応、優先サポートなど、企業で必要な機能が追加されています。複数部門でDifyを展開するような場合はエンタープライズが必要になってきますね。
Dify AIとn8nの比較：どちらを選ぶべきか
室谷n8nとの比較はずっと聞かれる質問ですね。「dify ai alternative」「dify と n8n 違い」って検索してる方向けに話しましょう。
テキトー教師以前室谷さんが「中小企業はDifyよりn8nを導入した方がいい」というツイートをしていて、かなり反響があったんですよね（笑）。その後どう考えていますか？
室谷今でも「完全自動化」をしたいならn8nの方が向いてる場面は多いと思ってます。n8nはトリガーベースで「何かが起きたら自動で動く」という設計で、Googleドライブへのファイルアップロードを検知して処理するとか、定期的なデータ取得と加工みたいな用途はn8nの方が得意なんですよね。
テキトー教師Difyは「人が使うAIアプリを作る」プラットフォームで、n8nは「バックグラウンドで勝手に動く自動化ワークフローを作る」ツール、という違いがあります。もちろん両方できることはあるんですが、思想が違う。
室谷2026年現在の整理で言うと、「チャットアプリやAIエージェントを作りたいならDify、業務の完全自動化や既存SaaSの連携を組み合わせたいならn8n」という使い分けが基本です。ただ、MCP統合でDifyもn8n的な連携ができるようになってきているので、この境界線は薄くなってきている・・・
テキトー教師講座では「両方使える人になろう」と言ってます。DifyでAIの処理を定義して、n8nでそのAPIを叩くという組み合わせも全然ありですし、実際そういう構成にしているチームも増えています。
| 比較項目 | Dify AI | n8n |
|---|---|---|
| 主な用途 | AIアプリ・チャットボット・エージェント開発 | バックグラウンド業務自動化・SaaS連携 |
| ユーザーインターフェース | エンドユーザー向けアプリを作れる | 主に管理者・エンジニア向け |
| LLM統合 | ネイティブ（RAG・プロンプト管理も含む） | プラグインで対応 |
| 人の関与 | ユーザーがアプリを使う前提 | 完全自動化が主 |
| オープンソース | ○（Apache 2.0） | ○（Faircode）※商用には制限あり |
| 料金（クラウド版） | 無料〜$159/月 | 無料〜$50/月 |
室谷他の競合（dify ai alternative, dify ai competitors）で言うと、LangChain、LlamaIndex、Flowise、Cozeなども比較対象に上がります。ただDifyの強みは「ビジュアルなUI」と「エンドユーザー向けアプリとして公開できる」点で、これはコーディングベースのLangChainとは明確に違う。
テキトー教師Flowise（オープンソース）も似ていますが、Difyの方が機能が豊富でコミュニティも大きいですね。GitHubスター数でも差がついています。
室谷Cozeはバイトダンス（TikTok）系のサービスで、日本では知名度が上がってきていますが、データの扱いに慎重な企業はDifyのオンプレを選ぶ傾向があります。
Dify AIのチャットボット活用事例：実際に使われている5つのシーン
室谷実際の活用事例も紹介しておきましょう。「dify ai chatbot」「dify チャットボット」「dify できること」という検索が多いので。
テキトー教師実際に.AIコミュニティで作られているものを見ていると、業種・規模問わず使われていて、パターンがある程度決まってきました。
室谷MYUUUで見ている範囲でいうと、「カスタマーサポート自動化」「社内ナレッジQA」「コンテンツ生成」「データ分析レポート」「メール・文書の自動処理」この5つが多いですね。
テキトー教師1つ目のカスタマーサポート自動化は、Difyのチャットボット機能を使って「よくある質問に自動回答する」用途です。ナレッジベースに製品FAQを入れて、チャットフローで回答させる構成が基本。
対応できない質問は人間にエスカレートするフローも組めます。
対応できない質問は人間にエスカレートするフローも組めます。
室谷2つ目の社内ナレッジQAは、「社内マニュアルや規程を自然言語で検索できるアプリ」です。「有給申請の手順は？」「この製品の仕様は？」という質問にDifyが正確に答えてくれる。
これ、検索する社員の手間が激減するんですよね。
これ、検索する社員の手間が激減するんですよね。
テキトー教師3つ目のコンテンツ生成は、記事や報告書の自動生成です。「dify ai blog」「dify ai coding」なんかもここに入ります。
SEO記事の自動生成、議事録の要約、週次レポートの自動生成など、定型的なコンテンツ生成はワークフローで自動化しやすいです。
SEO記事の自動生成、議事録の要約、週次レポートの自動生成など、定型的なコンテンツ生成はワークフローで自動化しやすいです。
室谷4つ目のデータ分析レポートが最近増えてきていて。CSVやExcelのデータをナレッジとして入れて、「先月の売上をまとめて」と聞くと分析してくれる。
複雑な分析はできないですが、定型レポートの生成には使えます。
複雑な分析はできないですが、定型レポートの生成には使えます。
テキトー教師5つ目のメール・文書の自動処理は、受信したメールをトリガーにしてDifyのワークフローを動かすような構成です。n8nやZapierとDifyを組み合わせる場面が多い。
「このメールが来たら、ナレッジを参照して返信草案を作成して担当者にSlackで通知する」みたいな処理です。
「このメールが来たら、ナレッジを参照して返信草案を作成して担当者にSlackで通知する」みたいな処理です。
室谷この最後のやつ、MCP経由で実装すると全部Dify内で完結させられる可能性があって・・・Gmailのインテグレーション経由でメール受信をトリガーに動かす、みたいな。まだ試験的な段階ですが、これが成熟したら本当に強力ですね。
Dify AIのセキュリティとエンタープライズ対応：日本企業での導入ポイント
室谷日本の大企業がDifyを導入しようとすると、必ず出てくる話が「セキュリティ」と「サポート」なんですよね。ここ最近、複数の上場企業と会話していて感じるのが、セキュリティへの意識が高まっているということです。
テキトー教師「dify セキュリティ リスク」という検索があるのもそれを反映していますね。クラウド版の場合、入力したデータはDifyのサーバーを経由します。
機密情報を含む業務に使う場合、この点が問題になることがあります。
機密情報を含む業務に使う場合、この点が問題になることがあります。
室谷エンタープライズ・中規模以上の企業が選ぶ選択肢は2つ。1つがDifyのEnterpriseプランでオンプレミス展開、もう1つがオープンソース版を自社のAWS/GCP/Azure上で運用するセルフホスティングです。
テキトー教師セルフホスティングを選ぶと、データが完全に自社のインフラ内に留まります。医療・金融・法務・人事など、特に機密性の高い業務で使いやすいですね。
室谷ただ、「dify オンプレミス 料金」で調べてるような企業は、結構なコストがかかることを覚悟する必要があります。オープンソース版は無料ですが、サーバーの構築・運用・セキュリティ管理・アップデート対応は自社でやらないといけない。
ITリソースが必要なんですよね。
ITリソースが必要なんですよね。
テキトー教師その点を補うサービスとして、DifyのEnterpriseプランには専任サポートや実装支援が含まれています。「dify コンサルティング」「dify 導入サポート」という需要もそこから来ていて、MYUUUのようなDify導入支援サービスも増えてきています。
室谷エンタープライズプランのEnterpriseにはロールベースアクセス制御（RBAC）、SSO、監査ログ、カスタムブランディングなど企業向け機能が入っています。「dify エンタープライズ 料金」は要問い合わせですが、NVIDIA DGX Sparkとの連携でオンプレのプライベートAIエージェント環境を構築できる、という事例もDify公式ブログで紹介されています。
テキトー教師日本の企業でDify導入が進む背景には、「AIツールのコモディティ化」があります。APIラップしただけの自称AIエージェントサービスが苦しくなってきて、Difyのようなインフラ型ツールの需要が増えているんです。
室谷これはXでも書いたんですが、中小企業がDifyを使う上での注意点は「人が介在することを前提に設計する」ことだと思っています。「Difyが全部自動でやる」ではなく「Difyで人の仕事を10倍効率化する」という設計思想の方が実務にハマります。
テキトー教師この視点、すごく重要で。たとえば「毎日の日報を自動生成する」よりも「日報の下書きをAIに書かせて、担当者が5分で確認・送信できる」という設計の方が導入しやすいし、結果も出やすいです。
Dify AIのバージョンアップと最新動向：v1.6〜v1.13系の変化まとめ
室谷Difyのバージョンアップの話、「dify バージョン アップ」「dify リリース ノート」という検索も多いので整理しておきましょう。2026年時点での主要なアップデートを振り返ります。
テキトー教師Difyは月に複数回リリースが行われるペースで開発が進んでいます。主要な変化をまとめるとこうなります。
| バージョン | リリース時期 | 主要な変更点 |
|---|---|---|
| v1.6.0 | 2025年7月 | MCP双方向統合（ネイティブサポート） |
| v1.12.0 | 2026年2月 | Summary Index（ナレッジ精度向上） |
| v1.13.0 | 2026年3月 | Human Inputノード追加 |
| v1.13.3 | 2026年3月末 | ワークフロー安定性向上（最新版） |
室谷「dify 1.0 0 update」「dify 2.0 beta」という検索もあります。Dify 2.0については、室谷がXに書いたとおり「Queue-based Graph Engine」が搭載されるとアナウンスされていて、ワークフローの並列処理能力が大幅に上がる予定です。
テキトー教師このツイートにある「Queue-based Graph Engine（キュー駆動グラフエンジン）」が重要で。今のDifyのワークフローは基本的に直列処理なんですよね。
Aが終わってからBが動く。でもキューベースになると、AとBを並列で動かせるようになります。
Aが終わってからBが動く。でもキューベースになると、AとBを並列で動かせるようになります。
室谷営業資料作成を例にすると、「顧客情報取得→競合分析→提案作成」という直列処理が、「顧客情報取得と同時に財務分析と競合分析を並列実行→全部揃ったら提案作成」という形になる。処理時間が大幅に短縮されます。
テキトー教師Dify 2.0はまだベータという状況ですが（2026年4月現在）、リリースされたらDifyのエージェント能力が大幅に上がりますね。ベータの詳細は公式のGitHubリポジトリで確認できます。
室谷v1.13.0のHuman Inputノードについても補足すると、これとv1.6.0のMCP対応を合わせて考えると、「人間とAIとシステムがシームレスに連携するワークフロー」が作れるようになってきています。AIが自律的に動きつつ、重要な判断ポイントでは人間に確認を取りながら、必要なシステムにはMCPで繋がる。
これが2026年のAI活用の理想形の一つだと思います。
これが2026年のAI活用の理想形の一つだと思います。
テキトー教師バージョンアップの追い方として、DifyのGitHubリポジトリのReleasesページ（）か、公式ブログ（）が一番確実です。更新頻度が高いので、月1回チェックするくらいのペースがちょうどいいと思います。
Dify AIのモデルプロバイダー設定：使えるLLM一覧と切り替え方
室谷「dify モデル プロバイダー」という検索も多いです。Difyが複数のLLMに対応しているのが強みの一つなんですが、設定方法で迷う人が多いので触れておきます。
テキトー教師Difyでは複数のLLMプロバイダーを設定できて、ワークフローやエージェントごとに使うモデルを変えられます。OpenAI、Anthropic（Claude）、Google（Gemini）、Groq、Ollamaなど主要なものは一通り対応しています。
室谷2026年3月にDifyが「Try OpenAI, Claude, Gemini & Grok Free on Dify Cloud」という発表をしていて、クラウド版ではDify提供の試用クレジットで主要モデルを試せるようになっています。APIキーなしでも試せるのでハードルが下がりましたね。
テキトー教師自分のAPIキーを設定する場合は、WorkspaceのSettings→Model Providersから各サービスのAPIキーを登録します。複数のプロバイダーを登録しておけば、ワークフロー内のLLMノードでモデルを切り替えられます。
室谷「埋め込みモデル」（dify 埋め込み モデル）も設定が必要で、ナレッジベースを使う場合はEmbeddingモデルの選択が必要です。OpenAI text-embedding-ada-002が一般的ですが、コストを抑えたい場合はCohereなどのモデルを使う選択肢もあります。
テキトー教師モデルの選び方として、コスト重視ならGemini Flash、精度重視ならClaude claude-3-5-sonnet以上、バランスよく使いたいならGPT-4o miniが一般的な選択肢です。ただしこれはリリースタイミングで変わるので、最新のベンチマークを参考にしてください。
室谷Difyの良いところは、「モデルを変えてもアプリの動作ロジックは変わらない」点です。ChatGPTの性能が上がったら即切り替え、Claudeの新バージョンが出たら試してみる、という柔軟性がある。
Dify AIのよくある質問（FAQ）
室谷よくある質問をここでまとめておきましょう。コミュニティやXでよく聞かれることをピックアップします。
テキトー教師講座でも初日に出る質問が毎回似ているので（笑）、まとめてお答えします。
Q：Dify AIは無料で使えますか？
室谷Sandboxプランは完全無料で使えます。ただし200メッセージクレジット/月の制限があります。
自分のAPIキーを持ち込む（BYOK：Bring Your Own Key）場合は、Difyのクレジット消費は少ないので、実質的により多く使えます。
自分のAPIキーを持ち込む（BYOK：Bring Your Own Key）場合は、Difyのクレジット消費は少ないので、実質的により多く使えます。
テキトー教師本格的に業務で使うならProfessionalプラン（$59/月）からがおすすめです。月5,000クレジットで通常の個人利用には十分です。
Q：Dify AIはどこの国のサービスですか？
室谷開発元のLangGeniusはサンフランシスコ（米国）ベースのスタートアップです。創業者はLuyu Zhangで、元々Tencent/ByteDanceのエンジニア出身です。
オープンソースで中国語対応が早かったので「中国製」と思っている方もいますが、米国法人です。
オープンソースで中国語対応が早かったので「中国製」と思っている方もいますが、米国法人です。
テキトー教師「dify ai china」「dify ai country」という検索があるのはそのためですね。データの保存先については公式のプライバシーポリシーを確認してください。
Q：Dify AIのエージェントとワークフローの違いは？
テキトー教師ワークフローは「あらかじめ定義された手順」、エージェントは「目標に向かって自分でツールを選んで動く」という違いです。記事の前半で詳しく説明していますが、実務では組み合わせて使うのが最適です。
Q：Difyでコードは書けますか？
室谷はい、書けます。ワークフローにはCodeノードがあって、PythonかJavaScriptで独自の処理を書けます。
「dify ai code」「dify ai coding」という検索があるのはそのためで、ノーコードが基本ですがローコードにも対応しています。
「dify ai code」「dify ai coding」という検索があるのはそのためで、ノーコードが基本ですがローコードにも対応しています。
テキトー教師Codeノードを使うと、DifyのUIでは表現しにくい複雑な処理（独自の計算ロジック、外部APIとの高度な連携等）を実装できます。エンジニアがいるチームなら積極的に活用できますね。
Q：DifyとLangChainの違いは何ですか？
室谷LangChainはコーディングフレームワークで、PythonやTypeScriptでコードを書いてAIアプリを作ります。DifyはビジュアルなノードベースUIで、コーディングなしでAIアプリを作れます。
エンジニアでない人が使うならDify、コードで細かく制御したいならLangChainという使い分けです。
エンジニアでない人が使うならDify、コードで細かく制御したいならLangChainという使い分けです。
テキトー教師ただ、DifyもCodeノードを使えばLangChainと組み合わせることもできます。完全に二択というわけではなく、補完的に使うケースもあります。
Q：Dify AIにメール送信機能はありますか？
テキトー教師「dify メール 送信」という検索が多いですね。Difyには標準でメール送信ノードはありませんが、ワークフローのHTTP Requestノードを使ってSendGridやMailgunなどのメールAPIを叩く、またはMCPでZapierと連携してZapier経由でメール送信する、という方法で実装できます。
室谷Human Inputノードのメール配信はその機能の一部で使えますが、一般的なメール送信ツールノードは現状ないですね。将来的に追加される可能性はありますが、現時点ではAPIやZapier連携が現実的です。
まとめ：Dify AIは「AIアプリ開発の標準インフラ」になりつつある
室谷今回の記事を通じて伝えたかったのは、Difyは「チャットボットを作るツール」の話ではなくなっているということです。2026年のDifyはエージェント、MCP、Human Input、ナレッジベース・RAGを組み合わせた「AIアプリ開発インフラ」として機能しています。
テキトー教師新しい機能が続々追加されているので、1年前のDify情報で「Difyってこういうものでしょ」と思っている方は、ぜひ最新バージョンを触ってみてください。v1.6.0以降のMCP統合だけでも、できることが全然変わります。
室谷.AI（ドットエーアイ）でもDify活用のコミュニティが非常に活発で、毎週新しい活用事例が出てきています。2,000名以上のメンバーがいて、Dify部の活動内容はもうDifyの勉強会だけに留まらず、AIエージェント開発全般に広がっています。
テキトー教師これを読んでDifyを試してみたいという方は、まずクラウド版の無料Sandboxプランから始めることをおすすめします。メールアドレスで登録するだけで使い始められます。
室谷Difyの今後については、Dify 2.0のQueue-based Graph Engineが本格リリースされると、並列処理能力が大幅に上がって、より複雑なエージェントシステムが作れるようになります。引き続き目が離せないプラットフォームです。
テキトー教師この記事で紹介した内容の中で特に押さえてほしいポイントをまとめます。
- DifyはMCP双方向統合（v1.6.0〜）で外部サービスとの連携が劇的に楽になった
- ワークフローとAgentノードの組み合わせが2026年のDify活用の核心
- Human Inputノード（v1.13.0〜）で人間とAIのシームレスな連携が実現
- ナレッジベースのSummary Index（v1.12.0〜）でRAG精度が向上
- 最新バージョンはv1.13.3（2026年3月末リリース）
室谷今回話せなかったDifyのAPIの使い方や、GitHubリポジトリの詳細については、別の記事で解説しています。合わせて読んでみてください。