Dify入門：ノーコードでLLMアプリを開発できるオープンソースプラットフォーム

Difyとは

Difyは、LLM（大規模言語モデル）を活用したアプリケーションをノーコードで構築できるオープンソースプラットフォームです。

ChatGPT、Claude、Geminiなど複数のLLMに対応し、チャットボット、RAGアプリ、AIエージェント、ワークフロー自動化をGUIで開発できます。

日本でも企業導入が急速に進んでおり、2025年以降最も注目されているLLMアプリ開発基盤の一つです。

Difyでできること

| アプリタイプ | 説明 | |-------------|------| | チャットボット | カスタマーサポート、社内FAQ | | テキスト生成 | 記事作成、メール生成、翻訳 | | RAGアプリ | 社内ドキュメントQ&A | | AIエージェント | ツール呼び出し付き自律AI | | ワークフロー | 複数ステップのAI処理パイプライン |

始め方

クラウド版（最速）

Difyの公式クラウド版にアクセスし、アカウントを作成するだけです。無料プランで200回/日のメッセージが利用できます。

セルフホスティング（Docker）

オープンソース版をDockerで自前サーバーに構築できます。

git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
docker compose up -d

http://localhost/install にアクセスして初期設定を完了します。

セルフホスティングの利点：

データが外部に出ない（セキュリティ要件の厳しい企業向け）
無制限利用（API呼び出しコストのみ）
カスタマイズ自由

最初のチャットボットを作る

1. アプリ作成

ダッシュボードで「アプリを作成」→「チャットボット」を選択。

2. プロンプト設定

システムプロンプトを記述します。

あなたはWebデザインの専門家です。
ユーザーからのUI/UXに関する質問に、具体的な実装例を交えて回答してください。
Tailwind CSSのクラス名を使ったコード例も提示してください。
回答は日本語で行ってください。

3. モデル選択

使用するLLMを選択します。

GPT-4o：バランスの良い性能
Claude 3.5 Sonnet：長文理解と正確性
Gemini 1.5 Pro：大量のコンテキスト処理

各モデルのAPIキーを事前に設定しておく必要があります（Settings → Model Provider）。

4. テスト・公開

プレビューでテストし、問題なければ「公開」。共有URLやiframe埋め込みコードが発行されます。

RAG（検索拡張生成）アプリ

DifyのRAG機能は、自社ドキュメントをAIに読み込ませてQ&Aアプリを作る機能です。

1. ナレッジベースの作成

「ナレッジ」→「作成」からドキュメントをアップロードします。

対応フォーマット：

PDF、Word、Excel
Markdown、テキスト
HTML、CSV
Notion連携

2. チャンク設定

ドキュメントを検索しやすい単位（チャンク）に分割します。

チャンクサイズ：500トークン
オーバーラップ：50トークン
区切り文字：\n\n（段落区切り）

3. アプリとの接続

チャットボットの設定画面で「コンテキスト」→ 作成したナレッジベースを選択。

ユーザーの質問に対して、関連するドキュメントを検索し、その内容に基づいてAIが回答します。

ユーザー：「有給休暇の申請方法は？」
→ AIが社内規定PDFから該当部分を検索
→ 「有給休暇は申請フォームから3日前までに...」と回答

AIエージェント

Difyのエージェント機能は、AIに外部ツールを使わせる仕組みです。

組み込みツール

Web検索：最新情報の取得
天気情報：天気予報の参照
計算：数学的な計算
Wikipedia：百科事典の参照

カスタムツール

APIの仕様を定義することで、自社のAPIをAIエージェントのツールとして使えます。

# OpenAPI仕様でツールを定義
openapi: 3.0.0
paths:
  /api/products:
    get:
      summary: 商品一覧を取得
      parameters:
        - name: category
          in: query
          schema:
            type: string

これにより、AIが自然言語で「キーボードカテゴリの商品を見せて」と言われたときに、APIを自動的に呼び出して結果を返します。

ワークフロー

ワークフローは、複数のAI処理を順番に実行するパイプラインです。

例：記事自動生成ワークフロー

入力：テーマ「Next.js 15の新機能」
  ↓
① Web検索：最新情報を収集
  ↓
② LLM：記事の構成案を作成
  ↓
③ LLM：構成案に基づいて本文を執筆
  ↓
④ LLM：SEOメタデータを生成
  ↓
出力：完成した記事 + メタデータ

これをGUI上でノードを繋げるだけで構築できます。

ノードの種類

| ノード | 用途 | |--------|------| | 開始 | 入力パラメータの定義 | | LLM | テキスト生成 | | ナレッジ検索 | RAGの実行 | | コード | Python / JavaScriptの実行 | | HTTPリクエスト | 外部API呼び出し | | 条件分岐 | if/else分岐 | | 変数代入 | 変数の操作 | | 終了 | 出力の定義 |

API連携

Difyで作成したアプリは、APIとして外部から呼び出せます。

チャットAPI

curl -X POST 'https://api.dify.ai/v1/chat-messages' \
  -H 'Authorization: Bearer {api_key}' \
  -H 'Content-Type: application/json' \
  -d '{
    "inputs": {},
    "query": "Tailwind CSSでカードコンポーネントを作る方法は？",
    "response_mode": "streaming",
    "user": "user-123"
  }'

Next.jsアプリへの組み込み

// Difyのチャットボットをフロントエンドに統合
const response = await fetch('https://api.dify.ai/v1/chat-messages', {
  method: 'POST',
  headers: {
    'Authorization': `Bearer ${process.env.DIFY_API_KEY}`,
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    inputs: {},
    query: userMessage,
    response_mode: 'blocking',
    user: userId,
  }),
})

const data = await response.json()
// data.answer にAIの回答が入る

料金プラン

クラウド版

| プラン | 月額 | メッセージ | |--------|------|-----------| | Sandbox | $0 | 200回/日 | | Professional | $59 | 5,000回/月 | | Team | $159 | 10,000回/月 |

※ LLMのAPI料金は別途

セルフホスティング

本体は無料（オープンソース）
LLMのAPI料金のみ発生
サーバー費用は自己負担

実践Tips

1. プロンプトテンプレートの活用

Difyにはプロンプトテンプレート機能があります。変数を埋め込むことで汎用的なプロンプトを作れます。

以下の{language}のコードをレビューしてください。
重大なバグ、セキュリティリスク、パフォーマンス改善点を指摘してください。

コード：
{code}

2. 会話変数

チャットの会話中に変数を蓄積し、後のステップで参照できます。問診型チャットボットや段階的な情報収集に便利です。

3. ログとモニタリング

「ログ」タブで全ての会話履歴を確認できます。ユーザーの質問傾向を分析し、プロンプトやナレッジベースの改善に活かしましょう。

まとめ

Difyは、LLMアプリ開発を民主化するプラットフォームです。

ノーコードでチャットボット、RAG、エージェントを構築
複数LLM対応：GPT、Claude、Geminiを簡単に切り替え
RAG：社内ドキュメントQ&Aを簡単構築
ワークフロー：複雑なAI処理パイプラインをGUIで設計
API公開：作ったアプリをAPIとして外部連携
オープンソース：セルフホスティングでデータの安全性を確保

プログラミングなしでAIアプリを作りたい方にも、開発者がプロトタイプを高速構築したい場合にも、Difyは強力な選択肢です。