Dify入門 — コードを書かずにAIエージェントを構築できるOSSプラットフォームの実力と限界

AIエージェントを自分で作りたい。でもLangChainのPythonコードは読めない。n8nのノードを繋ぐのも正直しんどい。そんな人が最初に触るべきプラットフォームは何か？

筆者の答えは、現時点ではDifyだ。

GitHub 114kスターの意味

Difyは2023年に公開されたオープンソースのAIアプリ開発プラットフォームで、2026年4月時点でGitHubスターが114,000を超えている。この数字はLangChain（約100k）を上回り、AIエージェント系OSSとしては世界最大級だ。

なぜこれほど支持されているのか。理由はシンプルで、「ビジュアルUIでAIエージェントやRAGパイプラインを組める」という体験が、従来のフレームワークにはなかったからだ。LangChainは強力だがPythonを書ける人向け。n8nは汎用ワークフローツールにAI機能を足した形。Difyは最初からLLMアプリケーション開発に特化して設計されている。

2026年3月にはSeries Pre-Aで3,000万ドル（評価額1.8億ドル）を調達。世界140万台以上のマシンで稼働し、2,000以上のチーム・280社以上の企業が商用利用している。Microsoft Azure MarketplaceとAWS Marketplaceにも正式掲載されており、エンタープライズとしての信頼性も着実に積み上がっている。

Difyとは何か — 30秒で理解する

Difyを一言で説明すると、「LLMアプリのためのBackend-as-a-Service」だ。

ドラッグ&ドロップのビジュアルエディタで、チャットボット、RAG検索システム、AIエージェント、自動化ワークフローなどを構築できる。200以上のLLM（OpenAI、Anthropic、Gemini、Llama、Mistralなど）に対応しており、モデルを切り替えるのもプルダウンひとつ。プロンプトの管理、A/Bテスト、モニタリングまで一気通貫で提供する。

2026年の主要アップデートとして注目すべきは3つある。

マルチモーダルナレッジベース。 テキストと画像を同一のセマンティック空間に統合し、マルチモーダルRAGを実現した。「画像付きの社内マニュアルをそのまま検索対象にする」といった使い方が可能になった。

Agentic RAG。 従来のRAGは「検索→生成」の一発勝負だったが、DifyのAgent Nodeは意図分析、ツール選択、クエリ書き換え、エビデンス評価を反復的に行う。人間が調べものをするときの思考プロセスに近い。

MCPプロトコル対応。 外部API、データベース、サービスとの連携を標準化されたMCPプロトコルで統一。HTTPベースのMCPサービスに対応し、インテグレーションの複雑さを大幅に削減した。

さらにHuman-in-the-Loop（HITL）ノードが追加され、ワークフローの途中で人間の承認や修正を挟める設計になった。「AIに全部任せるのは怖い」という企業の現実的なニーズに応えている。

LangChain・n8nとの違い

この3つはよく比較されるが、そもそも設計思想が異なる。

LangChainはPython/TypeScriptのフレームワークだ。コードを書いて、チェーンを組んで、自由にカスタマイズできる。その代わり、動かすまでの学習コストが高い。Difyのビジュアルエディタでプロトタイプを作り、本番はLangChainでコードに落とすというチームも多い。両者は競合というより補完関係にある。

n8nは汎用のワークフロー自動化ツールで、400以上のSaaS連携が強み。Google SheetsとCRMとSlackを繋いで、その途中にLLMを噛ませる——という使い方ならn8nが最適解だ。ただしAIエージェントの構築を主目的にするなら、Difyのほうがプロンプト管理やRAG機能が充実している。

整理するとこうなる。

• Dify — AIアプリ開発に特化。ノーコードでRAG・エージェント・ワークフローを構築。非エンジニアでも触れる
• LangChain — 最大限の柔軟性とカスタマイズ性。Pythonが書けるチーム向け
• n8n — SaaS連携が本業。AIはあくまで機能のひとつ。Zapier/Makeの延長線上

どれが「最強」かという問いは無意味だ。チームのスキルセットと目的で選ぶべきもので、実際に多くのチームがDifyとLangChain（またはn8n）を併用している。

料金体系 — セルフホストなら無料

Difyの料金体系は明確に4段階に分かれている。

Sandbox（無料） — 月200メッセージクレジット、5アプリ、50MBのナレッジストレージ。個人の学習用途なら十分だが、本番運用には心もとない。

Professional（月額59ドル） — 月5,000メッセージクレジット、50アプリ、5GBストレージ、3人までのチーム。小規模チームやスタートアップの初期フェーズに。年払いで17%オフ。

Team（月額159ドル） — 月10,000メッセージクレジット、200アプリ、20GBストレージ、50人まで。中規模チーム向け。

Enterprise — 要問い合わせ。SSO（SAML/OIDC/OAuth2）、プライベートクラウド/VPCデプロイ、専用サポートチャンネルなど。

そしてここがDifyの最大の強み——セルフホストは完全無料だ。Docker Composeで数分で立ち上がる。自社サーバーやAWS/Azure/GCPに置けるから、データが外部に出ない。規制の厳しい金融機関や医療機関がDifyを採用する理由はここにある。AWSにはdify-self-hosted-on-awsという公式サンプルリポジトリも用意されている。

ただし注意点がある。セルフホスト版はコミュニティサポートのみ。プレミアム版やエンタープライズ版のセルフホストは別途ライセンスが必要で、マルチテナント管理やSSOなどの機能が追加される。「無料」の範囲はコミュニティ版に限定される。

使いどころ — 誰に向いているか

Difyが特にフィットするのは以下のケースだ。

社内向けAIチャットボットを作りたい非エンジニア。マニュアルやFAQをナレッジベースに放り込み、RAGチャットボットを30分で構築できる。コードは一行も書かない。

プロトタイプを高速に回したいPdM/PMM。「こういうAIアプリを作りたいんだけど」というアイデアを、エンジニアに依頼する前に自分で形にできる。動くものを見せてからチームを巻き込める。

データを外に出せない企業のAI推進担当。セルフホストでオンプレ環境に閉じたAIプラットフォームを構築できる。これはDifyの最も強力な差別化ポイントだ。

逆に、向いていないのはこのあたり。

複雑なマルチステップ処理をSaaS間で自動化したい場合はn8nやZapierのほうが適している。DifyのSaaS連携はまだ限定的だ。

高度にカスタマイズされた推論パイプラインを組みたいMLエンジニアには、LangChainやLangGraphのほうが自由度が高い。

正直な評価

良い点。

ビジュアルエディタの完成度が高い。ノードを繋いでワークフローを組む体験は直感的で、「見たまま組める」感覚がある。200以上のLLM対応も圧倒的で、モデルのロックインが起きない。

OSSであることの安心感も大きい。ベンダーが潰れてもコードは残る。セルフホストできるから、データ主権を手放さなくていい。エンタープライズ採用のハードルが劇的に下がる。

HITLノードの追加は地味だが重要。AIワークフローに人間のチェックポイントを入れられることで、「AIが勝手にメールを送ってしまった」的な事故を防げる。実運用を見据えた設計だ。

微妙な点。

クラウド版の無料枠が渋い。月200メッセージクレジットでは、正直なところ「お試し」にしかならない。本格的に使うなら月59ドルは避けられない。

ワークフローが複雑になると、ビジュアルエディタの限界が見えてくる。ノードが増えてくるとキャンバスが混沌とし、「これならコードで書いたほうが速い」と感じる瞬間がある。ノーコードの宿命ではあるが。

ドキュメントの日本語対応が追いついていない。英語ドキュメントは充実しているが、日本語はコミュニティ翻訳頼みの部分が多い。日本語UIは存在するものの、エッジケースでの翻訳抜けが散見される。

SaaS連携の幅がn8nに比べて狭い。Difyはあくまで「AIアプリのプラットフォーム」であり、Google SheetsやSlackとの直接連携は限定的。MCPプロトコル対応で改善されつつあるが、まだ道半ばだ。

結論

Difyは「AIエージェント開発の民主化」を最も真剣に進めているプラットフォームだと思う。114kスターは伊達じゃない。

ただし、万能ではない。LangChainの柔軟性やn8nの連携力が必要な場面は確実にある。Difyの本当の価値は「最初の一歩のハードルを劇的に下げる」ことにある。コードを書けない人がAIエージェントを動かせるようになる。それだけで、組織のAI活用は一段階変わる。

セルフホストが無料で、エンタープライズでも使える品質。この組み合わせを持つOSSは、2026年4月時点でDify以外にほぼ見当たらない。

Dify公式サイト / GitHub / 料金プラン