自前のAIチャットボットを作りたい。Dify・Flowise・LangFlow、OSSを選ぶなら結局どれか

「社内ドキュメントを読ませたAIチャットボットが欲しい」——この要望、2026年になって急に増えた。

背景は明白で、RAG（Retrieval Augmented Generation）の精度が実用レベルに達したからだ。自社のPDFやNotionのページをベクトルDBに放り込んでおけば、LLMがそこから答えを生成する。OpenAIやAnthropicのAPIキーさえあれば、コードを書かなくてもそれなりの仕組みが作れるOSSが揃っている。

問題は、似たようなツールが多すぎることだ。

なかでも「ビジュアルにLLMアプリを構築するOSS」として頻繁に名前が挙がるのがDify、Flowise、LangFlowの3つ。どれも無料でセルフホストでき、どれもノードをつないでAIアプリを作るUIを持っている。だが触ってみると、設計思想がかなり違う。

Dify — 「プロダクションに出す」前提で作られている

Difyは3つの中で最も「完成されたプロダクト」に近い。ワークフローのビジュアルエディタだけでなく、API管理画面、マルチテナント対応、ログとデバッグのダッシュボードまで一通り揃っている。

RAGの実装が特に充実していて、ハイブリッド検索（キーワード＋ベクトル）、チャンク戦略のカスタマイズ、Pinecone・Weaviate・Qdrant等の主要ベクトルDBとの統合が標準装備だ。RAG精度のチューニングをUI上で完結させたいなら、Difyが最もストレスが少ない。

エージェント機能もあるが、ここにはDifyの思想が表れている。用意されたパターン（ReAct、Function Calling等）の範囲内で安定して動かすことを重視しており、複雑な分岐やループを自由に組みたい場合は窮屈に感じるかもしれない。いい意味で「レールが敷かれている」ツールだ。

クラウド版は無料枠あり。セルフホストは完全無料で、Docker Composeで立ち上がる。商用利用可能なApache 2.0ライセンス。

Flowise — 最も軽く、最も分かりやすい

Flowiseは「5分でRAGチャットボットを動かす」がキャッチコピーに近いツールだ。LangChainのコンポーネントをほぼ1対1でノードにマッピングしているため、LangChainのドキュメントを読んだことがある人なら、UIを見た瞬間に何が起きているか分かる。

この「透明さ」がFlowiseの最大の強みだ。各ノードがLangChainのどのクラスに対応しているかが明確で、問題が起きたときにデバッグしやすい。裏で何が動いているかブラックボックスにならない。

一方で、Difyのような統合管理画面（API管理、ユーザー管理、ログ分析）は薄い。あくまで「ワークフローを組む」ことに特化しており、本番運用に必要な周辺機能は自分で用意するか、別のツールで補う必要がある。

エージェント機能はLangChainのAgentをそのまま使う形で、LangFlowのようなグラフベースの複雑なワークフローには対応していない。

セルフホストは完全無料（MIT License）。クラウド版はFree/Starter（$35/月）/Pro（$65/月）。VPSの最低スペックが低いので、月数百円のサーバーでも動く。

LangFlow — 「複雑なエージェント」が必要なら唯一の選択肢

LangFlowの立ち位置はDifyともFlowiseとも異なる。LangGraphとの統合により、条件分岐・ループ・ステート管理を含む複雑なマルチエージェントワークフローをビジュアルに構築できる。これは他の2つにはない明確な差別化ポイントだ。

例えば「ユーザーの質問を分類→適切なエージェントに振り分け→結果を検証→不十分なら再試行」といったサイクリックな処理を、ノードを繋いで表現できる。Difyの「レールの上を走る」アプローチでは実現しにくいパターンだ。

150以上のプリビルトコンポーネントがあり、カスタムPythonコンポーネントも追加できる。完成したワークフローはREST APIまたはMCPエンドポイントとしてデプロイ可能。

ただし、この自由度はそのまま複雑さにもなる。LangGraphの概念（ステートグラフ、条件エッジ等）を理解していないと、UIがあっても何をしているか分からない。学習コストは3つの中で最も高い。

MITライセンスで完全無料。DataStaxのホスティング版は2026年4月にサービス終了したため、現在はセルフホスト一択。

3つを並べてみる

観点	Dify	Flowise	LangFlow
RAG	最強（ハイブリッド検索、チャンク制御）	シンプルだが十分	柔軟だが自分で組む
エージェント	定型パターン中心	LangChain Agent準拠	LangGraph統合で最も自由
管理画面	充実（API管理、ログ、マルチテナント）	最小限	基本的
学習コスト	低〜中	最も低い	高い
デプロイ	Docker Compose、クラウド版あり	最軽量（低スペックVPS可）	セルフホストのみ
ライセンス	Apache 2.0	MIT	MIT

選び方の指針

正直に言うと、「とりあえずRAGチャットボットを動かしたい」だけならFlowise一択だ。セットアップが最も簡単で、何が起きているかが分かりやすく、最小限のサーバーで動く。プロトタイプを作って社内で見せるまでの速度は圧倒的だ。

そのプロトタイプが好評で「じゃあ本番運用しよう」となったとき、Difyに移行するのが自然な流れだろう。API管理、ユーザー認証、ログ分析といった運用に必要な機能がDifyには揃っている。

LangFlowが必要になるのは、要件が特殊な場合だ。複数のエージェントが協調して動くワークフロー、結果を自己評価してリトライする仕組み、条件分岐が複雑に絡み合うパイプライン。LangGraphの設計パターンが必要な場面でこそ、LangFlowは光る。逆に言えば、そうでなければオーバースペックだ。

n8nやCrewAIとの棲み分け

「Difyとn8nはどう違うの？」という疑問を持つ人もいるだろう。n8nは400以上のノードを持つ汎用ワークフロー自動化ツールで、LLMはその中のひとつの機能に過ぎない。一方、Dify・Flowise・LangFlowはLLMアプリ構築に特化している。Slackの通知やGoogleスプレッドシートの更新といった一般的な自動化も含めたいならn8n、LLMアプリの精度を突き詰めたいなら今回の3ツール、という棲み分けになる。

CrewAIやLangGraphをコードで書くのと、LangFlowでビジュアルに組むのは本質的に同じことをしている。コードで書きたいならCrewAI、UIで試行錯誤したいならLangFlow。好みの問題だ。

3つとも無料で試せるOSSなので、迷うなら全部Docker Composeで立ち上げて30分ずつ触ってみるのが一番早い。自分のユースケースに合うかどうかは、触れば分かる。