Difyのエージェントノード完全ガイド：ノード一覧・使い方・LLMノードとの違いまで徹底解説

室谷

今回はDifyのエージェントノードについて、一から整理していきましょう。これ、.AI（ドットエーアイ）のコミュニティでも「ワークフロー内でエージェントを動かしたいけど、どうすればいい？」という声がかなり多いテーマなんですよね。

テキトー教師

講座でも必ず質問が出ます。「AIエージェントアプリとチャットフロー内のエージェントノードって何が違うの？」というのが定番です。

Difyのノード一覧を見て「エージェントって書いてあるけどよくわからない」と思う人が多いみたいで・・・

室谷

正直、Difyを使い始めたときに最初に迷う部分ですよね。ノードの種類が多いし、エージェントアプリという概念もあるし。

今回はそこを整理しながら、エージェントノードの具体的な使い方まで掘り下げていきます。

テキトー教師

前回はDifyのナレッジベースの使い方を解説しましたが、今回はワークフローの「頭脳」にあたるエージェントノードがテーマです。これが使いこなせると、Difyで作れるものの幅が一気に広がりますよ。

Difyのエージェントノードとは？LLMノードとの違い

室谷

まず根本的なところから確認しましょう。エージェントノードって何か、という話ですが・・・簡単に言うと「LLMに自律的な判断とツール実行を委ねるノード」です。

テキトー教師

LLMノードとの比較が一番わかりやすいと思います。整理するとこういう構造です。

項目	LLMノード	エージェントノード
動き方	1回プロンプトを送って1回回答が返る	目標達成まで繰り返し推論・ツール実行
ツール利用	事前に決めた処理のみ	複数ツールを自分で選んで逐次実行
適したタスク	テキスト生成・変換・分類	調査・複数ステップが必要な複合タスク
コスト	比較的安い	繰り返し実行のぶんトークン消費多め
制御しやすさ	高い（出力が予測しやすい）	低め（推論次第で動きが変わる）

LLMノードとエージェントノードの動作の違い（公式ドキュメントより）

室谷

この表が本質を突いてるんですよね。LLMノードは「1回聞いて1回答えてもらう」ツールですが、エージェントノードは「目標を渡して、達成するまで自分で考えて動いてもらう」ツールです。

経営者的に言うと、前者は「タスクリストを渡す」感覚で、後者は「ゴールを伝えて任せる」感覚です。

テキトー教師

コミュニティのメンバーさんが一番つまずくのが「どっちを使えばいいか」という判断なんですよね。単純なテキスト生成とか要約ならLLMノードで十分ですし、Webを調べてまとめるとか、複数の情報源を横断する処理が必要な場合にエージェントノードを使うのが基本です。

室谷

ちなみに「Dify エージェント LLM 違い」って検索する人がかなり多いんですけど、そのままですね。LLMは処理ユニットで、エージェントはそのLLMに自律性を持たせた構造です。

テキトー教師

エージェントノードの中でもLLMを使いますしね。「エージェントノードの内部でLLMが推論している」と理解すると整理しやすいです。

Difyのノード一覧：全ノードの役割と使い分け

室谷

エージェントノードを理解する前に、Difyのノード全体像も把握しておきたいですね。「Dify ノード一覧」「Dify ノード種類」が気になる人も多いと思うので、ここで整理しましょう。

テキトー教師

Difyのワークフローで使えるノード、2026年4月時点では以下のようなラインナップになっています。

カテゴリ	ノード名	主な用途
入出力	ユーザー入力（開始ノード）	ユーザーからの入力を受け取る
入出力	回答ノード	ユーザーへの回答を出力
入出力	出力ノード（終了ノード）	ワークフローの終了・変数出力
AI処理	LLMノード	テキスト生成・変換・分類
AI処理	エージェントノード	自律的なタスク実行
AI処理	知識検索ノード	ナレッジベースの検索・RAG構築
AI処理	パラメータ抽出ノード	テキストから構造化データを取り出す
AI処理	質問分類器	入力を条件分岐させる
ロジック	If-Elseノード	条件分岐
ロジック	イテレーションノード	配列の各要素にループ処理
ロジック	Loopノード	反復処理・逐次改善
データ処理	コードノード	Python/JavaScriptの実行
データ処理	テンプレートノード	テキストの組み立て
データ処理	変数集約ノード	複数の変数を一つにまとめる
データ処理	変数代入ノード	変数への値の代入
データ処理	ドキュメント抽出ノード	ファイルからテキスト抽出
データ処理	リスト演算子ノード	配列のフィルタ・ソート
外部連携	HTTPリクエストノード	外部APIとの通信

室谷

これだけあると最初は圧倒されますよね（笑）でも実際によく使うのは限られていて、LLMノード・エージェントノード・HTTPリクエストノード・コードノード・If-Elseノードあたりを押さえれば大半のワークフローは作れます。

テキトー教師

講座で最初に教えるのは「開始→LLM→回答」の3ノード構成で、そこから「エージェントノードに変えると何が変わるか」という流れで教えると理解しやすいんですよね。ノードを「接続」「切断」「削除」するだけで動きが変わる体験ができるので、コミュニティのメンバーさんもそこで感覚をつかんでくれます。

室谷

Difyのノード操作で言うと、ノードのコピーや複製（Cmd+D）、整理（Cmd+O）のショートカットキーを覚えておくと作業スピードが全然違いますね。複雑なワークフローを作るときに絶対使います。

テキトー教師

ノードの接続解除は「ノード接続解除」「ノード切る」ってよく検索されるんですよね。接続線を選択してDeleteキーで削除できます。

地味に知らない人が多いポイントです（笑）

エージェントノードの基本設定と使い方

Dify公式ドキュメントのエージェントノード設定画面（公式サイトより）

室谷

では実際のエージェントノードの設定を見ていきましょう。「Dify エージェントノード使い方」を具体的に解説します。

テキトー教師

まずエージェントノードをキャンバスに追加すると、設定パネルが開きます。主な設定項目はこんな感じです。

室谷

整理するとこうなります。

エージェント戦略の選択 — Function CallingかReActを選ぶ（Marketplaceから追加戦略もインストール可能）
モデルの選択 — 使用するLLMを選択（GPT-4系、Claude系など）
ツールの設定 — エージェントが使えるツールを追加
指示（Instructions）の設定 — エージェントの役割・目標を記述
クエリの設定 — 処理対象の入力変数を指定
最大反復数の設定 — ループを何回まで許可するか（単純なタスクは3-5回、複雑な調査は10-15回が目安）
メモリの設定 — 会話履歴を保持するか

テキトー教師

このうち一番重要なのが「エージェント戦略」と「ツールの設定」と「指示」の3つですね。指示が雑だと動きも雑になるというのは、エージェントノードでは特に顕著で・・・

室谷

LLMノード以上にプロンプトの質が直接結果に影響しますよね。MYUUUでエージェントを組んでいても、指示文の書き方ひとつで出力の質が全然変わります。

エージェント戦略：Function CallingとReActの違い

室谷

「Dify エージェントノード ReAct」「Dify React エージェント」という検索もよくあるので、ここは丁寧に解説しておきたいですね。

テキトー教師

Function CallingとReActは、エージェントの「考え方のパターン」の違いです。

室谷

Function Callingは「GPT-4やClaudeに標準で備わっているツール呼び出し機能をそのまま使う」戦略です。LLMが内部で「このツールを呼ぶ」という判断をして実行します。

シンプルで高速なんですよね。

テキトー教師

ReActは「Reasoning（推論）とAction（行動）を交互に繰り返す」戦略です。「考えて→動いて→結果を見て→また考えて→また動く」というサイクルを回します。

複雑な問題を段階的に解決するのに向いています。

室谷

実用上の選び方を言うと・・・シンプルな検索や計算なら Function Calling、複数の情報を組み合わせて考えるリサーチ系タスクはReActが向いています。ただ正直、最近のGPT-4やClaude 3.5以降のモデルだとFunction Callingで大半のケースに対応できる印象ですね。

テキトー教師

Marketplaceからは追加のエージェント戦略プラグインもインストールできます。Chain-of-Thought系やより高度な戦略も選べるので。

Dify側が「誰でも新しい戦略を開発できる」オープンなアーキテクチャにしているので、これは面白いですよね。

室谷

Dify2.0の発表のときに「もはやLangGraphもMastraもいらないかも」と書いたんですけど、エージェントノードの拡張性がそのくらい高くなってきているんですよ。

テキトー教師

Dify2.0でキュー駆動グラフエンジンが搭載されて、並列処理と組み合わせたエージェント構成がさらに柔軟になりましたよね。エージェントノードがワークフローの中で独立したサブグラフとして動けるようになってきた感じがします。

ツールの設定：エージェントに何を持たせるか

室谷

「Dify エージェントツール」の設定は、エージェントの能力そのものを決める部分ですよね。ここが面白いところで。

テキトー教師

ツールにはいくつかの種類があります。

Marketplaceのツール: Web検索、GitHub、Slack、Notionなど。Dify Marketplaceからインストールして使う
ワークフロー連携ツール: 別のDifyアプリをツールとして呼び出す
カスタムツール: 独自のAPIをツールとして定義する
MCPツール: MCPサーバーに接続してツールを取得する（「Dify MCP エージェント」構成）

室谷

MYUUUでよく使うのはWeb検索ツールとHTTPリクエスト経由の社内APIですね。「Dify MCP エージェント」の組み合わせも最近試していますが、MCPでツールの幅が一気に広がりました。

テキトー教師

ツールの説明文（ツールdescription）をちゃんと書くことが超重要で・・・「このツールは〇〇のときに使う」を明確に書かないとエージェントが的外れなツールを選んでしまうんですよね。コミュニティのメンバーさんがここで詰まっているケースを結構見てきました。

室谷

そうなんですよ。エージェントはツールの説明文を読んで判断するので、その説明文の質がそのままエージェントの動作精度に影響します。

テキトー教師

「Dify エージェントファイルアップロード」もよく質問されます。PDFや画像などのファイルをエージェントに渡す場合、入力ノードでファイルを受け取って、ドキュメント抽出ノードでテキスト化してからエージェントに渡すのが基本パターンです。

エージェントノード自体は直接ファイルを読み込む構造ではないので。

室谷

ここ、ハマるポイントですね。ファイルは「テキストに変換してからエージェントに渡す」という流れを意識するといいです。

エージェントノードの出力変数を活用する

室谷

エージェントノードには、実行後に参照できる出力変数が複数あります。「Dify エージェントコンテキスト」という観点でも重要な部分ですね。

テキトー教師

エージェントノードが出力する変数、整理するとこうなります。

最終回答（text）: エージェントの最終的な回答テキスト
ツール出力（tool_outputs）: 各ツール呼び出しの結果一覧
推論トレース（json）: ステップごとの推論プロセス（特にReAct使用時に詳細）
反復回数（usage.iterations）: 推論サイクルの回数
成功ステータス（status）: タスクが正常完了したかどうか

室谷

この推論トレースが地味に便利なんですよね。エージェントがなんでその結論に至ったかを追跡できるので、デバッグするときにめちゃくちゃ役に立ちます。

テキトー教師

「エージェントが変な動きをしている」という場合、推論トレースを見ると「ここで間違った判断をした」というポイントが見つかることが多いです。指示文を改善するヒントにもなります。

室谷

ワークフロー内でエージェントノードの後に別のノードを繋ぐ場合、この出力変数を使って次の処理に渡せます。例えばエージェントが調べた内容を{{エージェントノード.text}}でLLMノードに渡して、さらに要約させるとか。

テキトー教師

下流ノードへの変数の渡し方はLLMノードと同じ記法なので、使い慣れれば直感的に組めますよね。

エージェントアプリとエージェントノードの違い：どちらを使うべきか

室谷

ここで「Dify エージェントアプリ」と「エージェントノード」の違いを整理しておきたいですね。「Dify チャットボットエージェント違い」「Dify チャットフローエージェント違い」という検索もよくあるので。

テキトー教師

Difyにはアプリの種類が複数あって、ここが最初に混乱するポイントですよね。整理するとこうなります。

種類	特徴	向いているケース
チャットボット（Chatbot）	シンプルな会話型AI。LLMとの1対1の会話	FAQボット、簡単な質問応答
チャットフロー（Chatflow）	会話形式でワークフローを実行。ノードを組み合わせ可能	複雑な条件分岐がある会話型AI
ワークフロー（Workflow）	非対話型の自動処理。APIでも呼び出せる	バッチ処理、定型業務自動化
AIエージェント（Agent）	エージェントが自律的にツールを使って会話	ツールを使いながら会話を進める高度なチャットボット

室谷

エージェントアプリはいわば「最初からエージェント機能が組み込まれたアプリ」で、エージェントノードは「チャットフローやワークフローの中でエージェント機能を使うためのパーツ」です。

テキトー教師

「Dify エージェントチャットボット違い」で迷っている人に説明するときは「エージェントアプリが冷凍食品なら、エージェントノードはその食材を使いこなすレシピ」って言ってますw

室谷

うまいたとえですね。Copilotエージェント（「Dify copilot エージェント」として検索されるもの）もDifyのアプリ種別の一つで、埋め込み型のアシスタントとして使います。

テキトー教師

実務的な選び方としては、「特定のページに組み込むちょっとしたAIアシスタントが欲しい」→エージェントアプリ、「既存のワークフローの一部でAIに自律的な判断をさせたい」→エージェントノード、という感じで使い分けると整理しやすいです。

室谷

MYUUUのユースケースで言うと、社内ツールに組み込んだAIアシスタントはエージェントアプリで、SEO記事生成パイプラインのリサーチ部分はチャットフロー内のエージェントノードを使っています。

エージェントノードの実践的な構築例

室谷

ここからは実際の構築例を見ていきましょう。「Dify エージェント作成例」「Dify エージェント事例」を探している人向けに、典型的なパターンをいくつか紹介します。

検索エージェント：最新情報を自動収集する

テキトー教師

「Dify 検索エージェント」として一番よく使われるパターンですね。Web検索ツールを使って、ユーザーの質問に対して最新情報を調べて答えるエージェントです。

室谷

構成はシンプルで。

入力ノード（ユーザーの質問を受け取る）
エージェントノード（Web検索ツールを使って調査）
回答ノード（エージェントの回答をユーザーに返す）

これだけで動くんですよね。

テキトー教師

エージェントノードの指示文にこんな内容を書くと精度が上がります。

あなたは情報収集の専門家です。
ユーザーの質問に対して、以下の手順で回答してください：

1. まず質問の意図を理解する
2. 検索ツールを使って最新の情報を収集する
3. 収集した情報を整理して、信頼性の高い情報源をもとに回答する
4. 回答の末尾に参考にした情報源を記載する

日本語で回答すること。

室谷

「DifyでRAGエージェントを作りたい」という場合は、これに知識検索ノードをツールとして組み合わせます。Web検索ツールで外部情報を調べながら、社内ナレッジベースも参照できるようになるので、いわば「社内外ハイブリッド検索エージェント」が作れます。

テキトー教師

「Dify RAG エージェント」「Dify 知識検索ノード」を組み合わせた構成は、企業向けのAIアシスタントでよく使うパターンです。外部情報は実際のWebから、社内固有の情報はナレッジベースから、という使い分けが自動でできます。

マルチエージェント構成：複数エージェントを連携させる

室谷

「Dify マルチエージェント」の話もしておきたいですね。これが最近のトレンドで。

テキトー教師

複数のエージェントノードを連携させる構成ですよね。例えばリサーチエージェントと要約エージェントを直列に繋いで、「調べる→まとめる」という分業体制を作れます。

室谷

MYUUUでも似た構成を使っていて、「競合分析エージェント」「レポート生成エージェント」「品質チェックエージェント」を直列に並べたワークフローを動かしています。各エージェントが専門分野に特化しているので、1つのエージェントに全部やらせるより品質が安定します。

テキトー教師

並列処理ノードと組み合わせて複数のエージェントを同時に走らせる構成も可能です。例えば「競合A分析」「競合B分析」「競合C分析」を並列で実行して、最後に結果を集約する、という構成ですね。

室谷

これが「Dify 並列ノード」と組み合わせた本領発揮ですよね。並列処理と自律エージェントが組み合わさると、人間が手動でやると半日かかるリサーチ業務が数分で終わります。

テキトー教師

コミュニティのメンバーさんが作ったSEO記事自動生成ワークフローも日本経済新聞に取り上げられたり・・・Difyのエージェント活用、社会的な注目度が上がってきていますよね。

HTTPリクエストノードとコードノード：エージェントと組み合わせる実践技

室谷

エージェントノードだけで全部解決しようとすると、ときどき詰まるポイントがあります。そこで役立つのがHTTPリクエストノードとコードノードです。

テキトー教師

「Dify HTTP ノード」「Dify HTTP リクエストノード」の使い方も整理しておきましょう。

室谷

HTTPリクエストノードは「外部のAPIを直接叩く」ノードです。エージェントノードのカスタムツールとして設定することもできますし、エージェントとは別にワークフロー上で独立して使うこともできます。

テキトー教師

設定はシンプルで、URL・HTTPメソッド・ヘッダー・ボディを設定するだけです。認証はAPIキー・Basic認証・Bearer認証に対応しています。

レスポンスはJSONのフィールドに直接アクセスできるので、{{HTTPリクエストノード.body.data.items[0].name}}みたいな感じで後続ノードに渡せます。

室谷

「Dify urlエンコード」に関しては、URLの変数はDifyが自動でエンコードしてくれます。日本語が混じるAPIを叩くときも基本的に問題ないですね。

ただしDify webhook ノード経由で受け取ったデータが文字化けしている場合は、コードノードでデコード処理を挟む必要があることがあります。

テキトー教師

コードノードはPythonかJavaScriptが実行できます。「Dify Python ノード」「Dify コードノード」で検索してくる人も多いですが、ユースケースは主にデータ加工ですね。

室谷

例えばエージェントが返してきたJSON形式のテキストをパースして必要なフィールドだけ抽出したり、複数の変数を結合してひとつの文字列にまとめたり。エージェントの出力をそのまま次のAPIに渡せない形式のときにコードノードで変換します。

テキトー教師

こういう構成です。

def main(agent_output: str) -> dict:
    import json
    
    # エージェントが返したJSON文字列をパース
    data = json.loads(agent_output)
    
    # 必要なフィールドだけ抽出
    return {
        "company_name": data.get("company", {}).get("name", ""),
        "revenue": data.get("financials", {}).get("revenue", 0),
        "summary": data.get("analysis", {}).get("summary", "")
    }

室谷

これをエージェントノードの後に繋ぐだけで、エージェントの出力を構造化データに変換できます。コードノードの出力変数はそのまま後続のLLMノードやHTTPリクエストノードに渡せます。

イテレーションノードとLoopノード：繰り返し処理の使い分け

室谷

「Dify イテレーションノード」「Dify Loop ノード」の違いについても整理しておきましょう。

テキトー教師

これも「どっちを使えばいい？」と聞かれることが多いですね。

室谷

一言で言うと・・・イテレーションノードは「配列の各要素に同じ処理をする」、Loopノードは「条件が満たされるまで同じ処理を繰り返す」です。

テキトー教師

具体例で言うと、イテレーションノードは「10件の商品リストそれぞれに対して説明文を生成する」用途です。配列の要素数だけ処理を繰り返します。

Loopノードは「品質スコアが80点以上になるまでLLMに改善させる」用途です。条件を満たすまでループします。

室谷

エージェントノードと組み合わせる場合は、イテレーションノードの方が多いですね。「複数の検索キーワードについてそれぞれエージェントに調べさせて、結果を配列に集めてから集約する」という構成です。

テキトー教師

イテレーションノードでよく使うパターンが「並列処理モード」です。デフォルトは逐次処理（1件ずつ）ですが、並列モードに切り替えると複数の要素を同時に処理できます。

10件のリストを並列処理すれば、逐次処理の10分の1の時間で終わります。

室谷

「Dify 並列ノード」との使い分けは・・・固定したブランチを同時に走らせたい場合は並列処理ノード、配列の各要素を並列で処理したい場合はイテレーションノードの並列モードです。

テキトー教師

Loopノードは品質改善ループに向いていますね。「LLMに文章を生成させる→品質チェック→基準に満たなければ改善指示を加えて再生成」というサイクルを自動化できます。

エージェントノードのデバッグ：うまく動かないときの対処法

室谷

ここで「Dify エージェントノード」を使っていて詰まるポイントをまとめておきたいですね。

テキトー教師

「Dify 回答ノードない」「Dify エージェントノードが不安定」という問題、よく相談されます。エージェントが期待通りに動かないときの典型的な原因と対処法を整理します。

室谷

主なトラブルシューティングはこんな感じです。

症状	原因	対処法
エージェントが同じツールをループしてる	指示文が曖昧、または最大反復数の設定ミス	指示文に「ループを避けること」を追記、最大反復数を下げる
ツールを呼び出してくれない	ツールの説明文が不十分	ツールのdescriptionに「いつ使うか」を明記する
回答の品質が低い	モデルの能力不足、または指示が雑	より高性能なモデルに変更、指示を具体的に書き直す
無限ループになる	終了条件が設定されていない	最大反復数を必ず設定する（推奨：5-15回）
実行コストが高い	不必要に多くのツール呼び出しをしている	Function Calling戦略に変更、指示文で効率を指示する

テキトー教師

「エージェントが不安定で期待通りの回答を得られない」場合の代替策として、「公開エージェント×API実行」という手法もあります。エージェントアプリとして別に作成・公開して、そのAPIをHTTPリクエストノードから叩くという方法です。

室谷

これはなかなかマニアックな裏技ですね（笑）。でもワークフロー内のエージェントノードがどうしても安定しない場合の現実的な選択肢です。

テキトー教師

「Dify ドキュメントレビュー」のような用途だと、エージェントノードよりもLLMノード+コードノードの組み合わせの方が安定することもあります。用途に合ったノードを選ぶのが重要ですね。

室谷

Difyのエージェントを使い込むと分かるんですが、「エージェントにすべてを任せる」より「エージェントと固定ロジックを組み合わせる」方が安定して高品質な結果が得られることが多いです。最近のワークフロー型が「相対的にキツくなってる」と書いたのは文脈がありまして・・・

テキトー教師

「LLMの精度が上がってエージェントが賢くなった」のと「ワークフロー的な設計の限界が見えてきた」の両方がある感じですよね。

エージェントノードとワークフロー全体の設計思想

室谷

少し抽象的な話をすると、エージェントノードはDifyのワークフロー設計の中で「自律性と制御性のトレードオフ」を体現したノードなんですよね。

テキトー教師

「Dify とは ai エージェント」という検索でたどり着く人もいますが、本質的にはそこですよね。DifyはAIエージェント開発ツールとして、エージェントの自律性をワークフローの中でどう扱うか、というアーキテクチャを追求しています。

室谷

経営者的に言うと、「全部AIに任せてコントロールを失う」か「全部ルールベースで書いてスケールしない」かの中間を探るのがDifyのエージェントノードです。「Dify llm エージェント違い」という問いの本質もここにあります。

テキトー教師

教える側から見ると、エージェントノードを使いこなすためには「どこをLLMに委ねて、どこを固定ロジックにするか」という判断力が必要になります。これはDifyのスキルの中でも少し上級の領域ですね。

室谷

「生成AI エージェント Dify」「AI エージェント開発ツール Dify」というキーワードで調べている人も多いですが、DifyはAIエージェント開発プラットフォームとして本格的に進化していますね。

テキトー教師

2026年現在、DifyがワークフローツールからAIエージェント開発プラットフォームへと軸足を移してきているのが、使っていてよく分かります。エージェントノードはその象徴的な機能です。

Difyエージェントノードの出力変数とコンテキスト管理

室谷

「Dify エージェントコンテキスト」「Dify LLM ノードコンテキスト」の管理について少し深掘りしましょう。複雑なワークフローを作るときに必ず出てくるテーマです。

テキトー教師

エージェントノードのメモリ設定は「チャットフロー内で使う場合」に関係してきます。メモリを有効にすると、同じ会話セッション内で過去のやりとりをエージェントが覚えています。

無効にすると毎回フレッシュな状態でスタートします。

室谷

チャットフロー内で「前の会話を踏まえた回答」が必要な場合はメモリを有効に。バッチ処理的に独立したタスクを処理する場合はメモリ不要です。

メモリを有効にするとトークン消費も増えるので、コスト面も考慮が必要ですよね。

テキトー教師

「Dify ノードブロック」として概念を理解するときに重要なのが、各ノードはスコープが独立しているという点です。あるノードで作った変数を参照するには、明示的に変数セレクターで指定する必要があります。

エージェントノードの出力も同様で、後続のノードで{{エージェントノード名.text}}と書いて参照します。

室谷

「Dify 変数代入ノード」を使うと、変数の値を別の変数に代入して会話をまたいで保持できます。これを使ったセッション状態管理は、少し高度な構成ですが実務では結構使います。

パラメータ抽出ノードとエージェントを組み合わせる

テキトー教師

「Dify パラメータ抽出ノード」もエージェントと組み合わせて使うと強力ですよね。

室谷

パラメータ抽出ノードは「自然言語から構造化データを取り出す」ノードです。ユーザーが「東京から大阪まで来週の月曜に新幹線で行きたい」と入力したとき、{出発地: "東京", 目的地: "大阪", 日付: "来週月曜", 交通手段: "新幹線"}という構造化データに変換できます。

テキトー教師

エージェントノードの前にパラメータ抽出ノードを置いて、ユーザーの入力を整理してからエージェントに渡す、という構成がよくあります。

室谷

「Dify 質問ノード」とも組み合わせることができて、パラメータが揃っていない場合はユーザーに追加質問して、揃ったらエージェントが実行する、というインタラクティブな構成も作れます。

テキトー教師

「Human Input（人的介入）ノード」も2025年から追加された機能ですね。エージェントが実行前に人間のレビューを待つ、というワークフローを組めます。

高リスクな操作の前に確認ステップを挟む用途で使われています。

室谷

自動化しすぎると怖いケースもありますからね。エージェントが外部APIを叩く前に「本当に実行しますか？」という確認を挟む設計は、エンタープライズ向けには特に重要です。

Difyエージェントノードのベストプラクティスまとめ

室谷

改めて「Dify エージェント設定」「Dify エージェント構築」のベストプラクティスを整理しておきましょう。

テキトー教師

.AIのコミュニティやMYUUUでの実践から見えてきたポイントをまとめます。

室谷

指示文の書き方で言うと、こういうフォーマットが効果的です。

## 役割
あなたは[役割の説明]の専門家です。

## 目標
[エージェントに達成させたいゴール]

## 制約
- [禁止事項や制限]
- 最大X回のツール呼び出しで完了させること

## 出力形式
[期待する出力の形式と内容]

テキトー教師

指示文に「制約」セクションを入れるのが重要で、特に「最大X回のツール呼び出し」を明示することでコスト爆発を防げます。

室谷

モデルの選択も重要で、エージェントノードでよく使われるモデルは以下のようなイメージです。

用途	おすすめモデル
高精度な調査・推論	GPT-4.x系、Claude 3.5以降
コスト重視のバッチ処理	GPT-4o-mini、Claude 3 Haiku
日本語特化	GPT-4o、Claude 3.5 Sonnet
ローカル実行	Llama 3系（Ollama経由）

テキトー教師

「Dify エージェントモデル」の選び方は、精度とコストのバランスです。開発中はHaikuやminiで安く試して、本番に向けて高性能モデルに切り替えるのが実践的ですね。

室谷

「Dify エージェント連携」という観点では、外部サービスとの連携がDifyの強みです。Notionにデータを書き込む、Slackに通知を送る、Google Sheetsを更新するといった連携がツールプラグインで実現できます。

FAQ：よくある質問

室谷

最後に「Dify エージェントノード」に関してよく聞かれる疑問にまとめて答えておきましょう。

テキトー教師

では一問一答形式でいきましょう。

エージェントノードと通常のチャットボットアプリの違いは？

室谷

エージェントノードは「チャットフローやワークフローの中のパーツ」です。通常のチャットボットアプリ（エージェントアプリ含む）はDifyの外から見えるアプリとして公開できますが、エージェントノードは他のノードと組み合わせて使う内部コンポーネントです。

エージェントノードでTokenを使いすぎてコストが高い。どうすれば？

テキトー教師

3つの対策があります。1つ目は最大反復数を下げる（5回以下）。

2つ目はモデルをGPT-4.x系からmini系に変更する。3つ目は指示文でツール呼び出しの効率を指示する（「必要最小限のツール呼び出しで完了させること」と書く）です。

エージェントノードの出力をJSON形式で取得できるか？

室谷

エージェントノードの出力変数のうち、json変数が推論トレースをJSON形式で出力します。ただし最終回答テキストをJSON形式にしたい場合は、指示文に「JSON形式で回答すること」と書き、後続のコードノードでパースするのが確実です。

チャットフローとワークフロー、どちらにエージェントノードを入れるべき？

テキトー教師

ユーザーと会話しながら動くなら→チャットフロー、バッチ処理や定型業務自動化なら→ワークフローです。エージェントノードはどちらでも使えますが、メモリ機能が有効なのはチャットフローのみです。

まとめ

室谷

今回はDifyのエージェントノードについて、基本からベストプラクティスまで解説しました。まとめると・・・

テキトー教師

大事なポイントを整理するとこうなります。

エージェントノード vs LLMノード: LLMノードは1回処理、エージェントは繰り返し自律処理
戦略選択: シンプルなタスクはFunction Calling、複雑な推論はReAct
ノード一覧: 2026年時点で19種類以上のノードが存在、用途で使い分け
ツール設定: ツールのdescriptionの質がエージェントの動作精度に直結
マルチエージェント: 複数エージェントを並列・直列に組み合わせてスケール
コスト管理: 最大反復数の設定と適切なモデル選択が重要

室谷

エージェントノードはDifyの進化の象徴で、「ワークフロー型の制御性」と「エージェント型の自律性」を組み合わせた設計が本当によくできていると思います。Dify 1.0.0でエージェントノードが登場してから、Difyで作れるものの幅が一気に広がりましたね。

テキトー教師

「まずはシンプルな検索エージェントから始めて、徐々に複雑な構成に挑戦する」というのが学習ステップとしておすすめです。公式ドキュメントのも参考にしてください。

室谷

.AI（ドットエーアイ）のコミュニティでもDify活用の事例が毎週のように上がっています。実際の構築例を見たい方はぜひコミュニティを覗いてみてください。

Difyのエージェントノード完全ガイド：ノード一覧・使い方・LLMノードとの違いまで徹底解説