MENU
AI×データの技術情報メディア
  1. ホーム
  2. AI・LLM
  3. Difyとは？できること・使い方・料金・商用利用まで解説

Difyとは？できること・使い方・料金・商用利用まで解説

AI・LLM
Difyとは？できること・使い方・料金・商用利用まで解説

【PR】本記事はプロモーションを含みます。

「Difyで具体的に何ができるの？」「ChatGPTやGPTsとは何が違うの？」「無料でどこまで使えて、商用利用は大丈夫なの？」

Difyとは、自社データを活用するAgentやワークフロー、チャットボットなどのAIアプリケーションを構築・公開できるオープンソースプラットフォームです。

最終確認日：2026年10月3日。本記事の定義・仕様・手順・料金・プラン名・ライセンス・セキュリティは、特記がない限りdocs.dify.ai・dify.ai・github.com/langgenius/dify・security.dify.aiの一次情報（確認日時点）に基づきます。仕様と料金は変更されるため、導入・運用前に公式ドキュメントで最新を確認してください。表の「【編集部整理】」「【例】」とある箇所は、一次情報をもとにした編集部の整理・例示です。相手製品の仕様・料金は本記事では裏取りしていません。

この記事でわかること
  • Difyの定義と、Cloudとセルフホストの2形態の選び方
  • Difyでできること5種（Workflow・Chatflow・Chatbot・Agent・Text Generator）と使い分け
  • RAGの仕組み（取込→チャンク→ベクトル化→ハイブリッド検索）と索引・検索の選び方
  • ChatGPT・LangChain・n8nとの違いと、向いていない場合の判断軸【編集部整理】
  • ブラウザ版とDocker版の最小手順（コピペ可能なコマンド付き）
  • 料金プラン（Sandbox・Professional・Team・Enterprise・Community）と無料枠の範囲
  • 商用利用の境界と、社内文書を扱うときのセキュリティ確認点
  • 本番運用の見る場所（API・監視・MCP）とデータ基盤チームの活用例【編集部整理】
目次

要点（この記事の結論）

  • Difyは「AIアプリケーション構築のためのオープンソースプラットフォーム」です。作ったアプリはWebアプリ公開やAPI連携ができます
  • 新規作成の推奨はWorkflowとChatflowの2択です。加えてChatbot・Agent・Text Generatorがあり、計5種は同一ワークフローエンジン上で動きます
  • RAGは文書取込→検索を標準で備えます。索引はHigh QualityとEconomicalの2種、検索はVector・Full-Text・Hybridの3種から選びます
  • 比較表は編集部整理です。試すだけならGPTs、業務に組み込むならDify、SaaS連携の自動化中心ならn8nが目安です【編集部整理】
  • 最小完走は「Cloudで触る→モデル設定→Workflow作成→公開」です。自ホストはDocker Composeで動かします
  • 無料はSandbox（200メッセージクレジット等）とCommunity（自ホスト・コア機能）です。本番は有料か自ホストの位置づけです
  • 商用利用はできます。ただしマルチテナント運用とロゴ・著作権表示の削除改変は商用ライセンスが必要です。詳細は公式確認が必須です
  • 運用はMonitor・Logs・アノテーションで見ます。API・MCP公開でデータ基盤に組み込めます

Difyとは？ノーコードLLMアプリ開発基盤

ここがポイント

Difyは「AIアプリケーション構築のためのオープンソースプラットフォーム」です。作ったアプリはWebアプリ公開やAPI連携ができます。

利用形態はDify Cloudとセルフホスト（Community Edition）の2択です。まず触るならCloud、自ホスト要件があればDocker Composeで動かします。

Difyは、AIアプリケーション構築のためのオープンソースプラットフォームと説明されています。原文では「open-source platform for building AI applications」と記載されています。

自社データを活用するAgentやAgenticワークフロー、チャットボットを作成し、Webアプリ公開やAPI連携ができる点が特徴です。

入力→処理→出力の流れを、画面操作で組み立てます。【編集部整理】

  • 入力：ユーザー入力やトリガー（スケジュール・Webhook等）を受け取る
  • 処理：モデル・プロンプト・検索・ツール呼び出しをフローでつなぐ
  • 出力：Webアプリ・API・埋め込み・MCPサーバーとして出す

運営はLangGenius, Inc.です。料金ページのフッター表記で確認できます。日本法人ページでは株式会社LangGeniusの表記もあります。

名前の由来はDo It For Youです。D-I-F-Yの頭文字と説明されています。なお、カタカナの読みの公式表記は確認できていません。本記事では「Dify」と表記します。

Difyの基本的な考え方は「prototype→productionを同一基盤で移行する」ことです。直感的UI、AI workflow、RAG pipeline、agent、model management、observabilityを備えると説明されています。

利用形態は2択です。どちらも公式ドキュメントで案内されています。

形態意味向く場合【編集部整理】
Dify Cloudマネージド版。インストール不要で、無料Sandboxから試せますまず触る・小さく試す場合
セルフホスト（Community Edition）自社インフラで運用する版。Docker Composeで数分デプロイと説明されています社内管理・自ホスト要件がある場合

モデル対応は「数百のproprietary／open-source LLM、数十の推論プロバイダ、GPT・Mistral・Llama3・OpenAI API互換モデル」と説明されています。

対応数や種類の断定はできません。対応状況は流動的なため、利用前に公式のmodel-providersページを確認してください（2026年10月3日時点）。

Cloudのメッセージクレジット対象モデルとして、OpenAI、Anthropic、Gemini、xAI、Tongyiの5社名が明示されています。モデル名のバージョン（例：gpt-5.2等）は作例時点のものです。固定せず、時点表示と併せて確認してください。

Difyでできること5種とは？

Difyの2大アプリタイプはWorkflowとChatflowです。新規作成時はこの2択が推奨されています。

加えて3つの基本タイプとしてChatbot・Agent・Text Generatorがあります。計5種は同一ワークフローエンジン上で動きますが、後者3つは簡易legacy UIと説明されています。

日本語版のKey Conceptsページは未取得のため、英語版の一次情報をもとに整理します。現行版の扱いは公式確認を推奨します。

タイプ特徴（一次情報）向く業務例難易度目安【編集部整理】
Workflow一度だけ実行。入力→処理→結果返却。Triggerで自動起動可自動レポート生成・データ処理パイプライン・バッチ処理中。フロー設計が必要
Chatflow会話レイヤー付き。各メッセージが設計フローを起動対話アシスタント・ガイド付きQ&A・会話ごとに構造化処理が必要な用途中〜高。会話＋フロー設計が必要
Chatbot「モデル＋プロンプト」の最も単純な会話アプリツール呼び出しや多段階処理を要さない往復対話（社内Q&A等）低。まず触る場合に最適
Agent自律エージェント（独自sandbox付き）。コマンド実行・ファイル操作でオープンエンドタスクを処理調査・下調べ・複数ツールをまたぐ作業高。ツール設計が必要
Text Generator文章生成タスク用アシスタント物語執筆・分類・翻訳等低。単発生成に向く

業務例のうちWorkflow・Chatflow・Chatbot・Text Generatorの用途は一次情報、Agentの業務例と難易度目安は編集部整理です。

開始・終了ノードの差も使い分けの根拠になります。

観点WorkflowChatflow
開始User InputまたはTriggerUser Input（Triggerなし）
終了Outputノード任意終了Answerノード必須終了
イメージ1回実行の処理会話ごとにフローを回す処理

作った後の出し方は4形態です。公開で最新設定が即時反映されると説明されています。

  • Webアプリ公開（Web即時反映）
  • API公開（最新モデル・フロー提供）
  • Webサイト埋め込み（自動反映）
  • MCPサーバー公開（現行機能へアクセス）

MCPとは、Model Context Protocolのことです。外部ツールとモデルをつなぐための規約です。詳しくはMCPとはも参照してください。

チャットボット・テキスト生成

Chatbotは最も単純な会話アプリです。モデルとプロンプトの組み合わせで動きます。

会話履歴は最大500メッセージまたは2,000トークンを保持し、超過分は古いものから削除すると説明されています。

ツール呼び出しや多段階ワークフローを要さない往復対話に向きます。社内Q&Aの試作から始めると理解しやすいです。【例】

Text Generatorは文章生成タスク用アシスタントです。物語執筆・分類・翻訳等が例示されています。

Enterprise Docs 3.5.xでは、5種が次のように整理されています。旧版のため現行版ではlegacy扱いの注記と併せて捉えてください。

タイプ整理（旧版Enterprise Docsより）
Chatbot会話アシスタント
Agentタスク分解・推論・ツール呼出可
Chatflow記憶付き多輪対話のworkflow orchestration
Workflowworkflow
Text Generator文章生成用

プロンプト設計の基礎はプロンプトエンジニアリングで整理すると、ChatbotやText Generatorの調整が進めやすいです。

ワークフロー・チャットフロー・エージェントの使い分け

使い分けは「会話が必要か」「自律判断が必要か」で分けると見通しが立ちます。【編集部整理】

判断選ぶもの理由
単発で結果がほしい。定期実行したいWorkflowTriggerで自動起動できるため
会話しながら分岐・処理したいChatflow会話レイヤー付きで、各メッセージがフローを起動するため
まず会話だけ試したいChatbot最も単純で、ツールや多段階処理が不要なため
手順が決まっておらず、調べながら進めたいAgentスキル付与やツール接続でオープンエンドタスクを処理できるため

Agentはスキル付与ができます。MarketplaceやMCPサーバー、自社APIのツール接続が可能と説明されています。

チャットアプリとして単独で動かす方法と、ワークフローの一工程として組み込む方法があります。

まずはChatbotでQ&Aを試し、定型化できたらWorkflow化し、会話が必要になったらChatflow化する順がスムーズです。【編集部整理】

RAGはどう動く？索引・検索の選び方（データ職向け深掘り）

ここがポイント

RAGは文書取込から検索までを標準で備えます。索引はHigh QualityとEconomicalの2種、検索はVector・Full-Text・Hybridの3種から選びます。

一度High Qualityで作成するとEconomicalへ切り替え不可のため、最初に精度重視かコスト重視かを決めてください。

RAGとは、Retrieval-Augmented Generationのことです。社内文書などの外部情報を検索し、その内容を根拠に応答を作る仕組みです。

DifyのRAGパイプラインは文書取込→検索をカバーします。PDF・PPTを含む一般的な文書形式からのテキスト抽出を標準サポートすると説明されています。

対応形式の網羅リストや上限サイズ、チャンク分割の既定値は一次で網羅確認できていません。正式対応表は公式確認を推奨します。

全体像は次の通りです。【編集部整理】

  1. 取込：ファイルをアップロードし、Save & Processで処理開始する
  2. チャンク分割：文書を検索しやすい単位に分ける
  3. ベクトル化：High Qualityではembeddingモデルで数値化する
  4. 検索：Vector・Full-Text・Hybridで関連箇所を探す
  5. 生成：関連チャンクを根拠に回答し、引用表示につながる場合があります（UI仕様は公式確認が必要）

embeddingとは、テキストを意味の近さで比べられる数値列に変える処理です。ベクトル化とも呼ばれます。

RAGの全体像や用語はRAGとはと合わせて読むと整理しやすいです。

索引方式は2種です。一度High Qualityで作成するとEconomicalへ切り替え不可と説明されています。

索引方式仕組み特徴
High Qualityembeddingモデルでチャンクをベクトル化する精度重視。embedding変更時は全チャンク再埋め込みが必要
Economicalチャンク当たり10キーワードで検索。トークン消費なしコスト重視。検索精度は低下する

High Qualityの検索戦略は3種です。

戦略意味
Vector Search質問をベクトル化し、ナレッジ内のテキストベクトルと近傍比較する
Full-Text Search転置インデックスのキーワード照合を行う
Hybrid Search両者を同時実行し、並べ替え（reorder）で最適合を選択する

Hybridでは重み設定ができます。semantic優先やkeyword優先のカスタム重みが例示されています。

第三者Rerankモデルによる並べ替えもあります。既定無効で、使う場合はIntegrations＞Model ProviderでRerankのAPIキー設定が必要です。TopK・Score設定はRerankフェーズでのみ有効と説明されています。

チャット側には2層の検索設定があります。ナレッジベース側で初期プールを決め、アプリ側で再ランク・絞込を行う連続フィルタと説明されています。

RAGが必要な場合・不要な場合

要否の線引き自体の一次断定はありません。RAGレッスンと検索定義からの誘導として、次の目安で考えます。【編集部整理】

場合考え方
自社データに基づく応答が必要RAGが有効です。関連度の高いチャンクが精確な応答に重要と説明されています
ハルシネーション抑制・引用が必要RAGが有効です。根拠箇所を示しやすくなります
一般知識・単発生成で十分RAGは不要な場合があります。ChatbotやText Generatorで足ります

知識データソースは、File Upload（pdf、docx等）、Online Drive（Google Drive、OneDrive等）、Online Doc（Notion）等が例示されています。

パイプライン公開後は「Go to Documents」または「Add Documents」から追加できます。UI文言は変動するため、画面表示に従ってください（2026年10月3日時点）。

引用表示のUI仕様や評価指標の公式既定は一次で網羅確認できていません。導入時は公式ドキュメントで確認してください。

精度を上げる考え方（評価・改善ループ）

評価・改善ループ自体は執筆者の整理です。次の順で回すと見通しが立ちます。【編集部整理】

  1. 関連チャンクを見る：回答より先に、検索で拾えたかを確認する
  2. 索引・検索を変える：High Qualityか、Vector／Full-Text／Hybridかを見直す
  3. 重み・Rerankを調整する：Hybridの重み、Rerankの有効化、TopK・Scoreを見直す
  4. チャンク運用を整える：embedding変更時の再埋め込み、チャンク要約の扱いを確認する
  5. 注釈で育てる：アノテーションで正誤を残し、プロンプトやデータに戻す

運用仕様として、次の2点が説明されています。

  • embeddingモデル変更時は全チャンク再埋め込みが必要です
  • チャンク要約の自動生成は新規追加分のみ適用されます

まずはHybrid＋Rerank無効で拾え具合を見て、拾えない場合に重みやRerankを足すと切り分けしやすいです。【例】

ChatGPT・LangChain・n8nとの違いは？

7軸比較表自体の一次出典は存在しません。以下は編集部整理です。相手製品の仕様・料金の裏取りは本記事では未実施です。選定時は各公式docs・pricingで裏取りしてください。

Dify側の一次事実は、ノーコード／ローコードでAgent・RAG・ワークフローを同一ワークスペースで構築し、Cloud・VPC・セルフホストへ再構築なしで移行できる点です。

観点【編集部整理】DifyChatGPT（GPTs）LangChainn8n
位置づけ自社データ活用の構築基盤。Web・API・MCPに公開できる試す・使う中心【編集部整理】コードで組む中心【編集部整理】SaaS連携自動化中心【編集部整理】
作り方ドラッグ＆ドロップ中心。コードは必要なときのみ画面設定中心【編集部整理】コード中心【編集部整理】フロー接続中心【編集部整理】
RAGナレッジベース標準搭載別途確認が必要（公式でご確認ください）別途確認が必要（公式でご確認ください）別途確認が必要（公式でご確認ください）
公開Web・API・埋め込み・MCP別途確認が必要（公式でご確認ください）別途確認が必要（公式でご確認ください）別途確認が必要（公式でご確認ください）
運用移行再構築なしで移行と説明別途確認が必要（公式でご確認ください）別途確認が必要（公式でご確認ください）別途確認が必要（公式でご確認ください）
得意【編集部整理】業務組込・社内Q&Aの量産まず試す場合細かく作り込む場合既存SaaS連携の場合
向く人【編集部整理】非エンジニア〜エンジニア混成個人利用中心開発者中心運用・業務改善中心

使い分け指針も執筆者の提案です。【編集部整理】

  • 試すならGPTs：まず会話で当たりを付ける場合
  • 業務に組み込むならDify：RAGやワークフローを公開・運用したい場合
  • SaaS連携自動化ならn8n：既存ツールの連携実行が中心の場合

優劣の断定はしません。要件と運用体制で選んでください。

向く場合の判断軸

Difyが向くかは、次の3点で判断します。【編集部整理】

  1. 自社データを根拠に応答させたいか：社内文書Q&Aや引用が必要なら向きます
  2. 公開・運用まで面倒を見たいか：Web・API・MCPで出す前提なら向きます
  3. 画面操作で育てたいか：ドラッグ＆ドロップやプロンプトIDE、テンプレ・Marketplaceで回したい場合に向きます

向かない場合・注意点

逆に、完全ノーコードで全部できるという断定はできません。公式では「drag, connect, configure—code only when needed」と説明されています。コードが必要な場合があります。

相手製品との詳細比較が必要な場合は、各公式の最新ドキュメントを確認してください。

始め方は？ブラウザ版・Docker版の最小手順

最小完走は「Cloudで触る→モデル設定→Workflow作成→公開」です。詳細は公式クイックスタートへの誘導を前提に、要点のみ載せます。

UI文言やテンプレ名、公開ボタンの現行文言は変動します。バージョン・日付付きの条件付き記述として捉え、画面表示に従ってください（2026年10月3日時点）。

ブラウザ版で触る

ブラウザ版（Dify Cloud）は、cloud.dify.aiで無料サインアップから始めます。新規はSandboxプランで、200 AIクレジット付きと説明されています。

Sandboxクレジットは一回限りで、月次更新なしと説明されています。料金ページの「200メッセージクレジット」と併せて捉えてください。

手順の概要は次の通りです。【編集部整理】

  1. cloud.dify.aiでサインアップする
  2. Integrations＞Model Provider（またはSettings＞Model Provider）でモデルを設定する
  3. Studio＞Create from Blank＞Workflowで作成・命名する
  4. キャンバスでUser Inputノードから組み立てる
  5. 公開してWeb・API等で試す

モデル設定では、OpenAI等をインストールします。Sandboxクレジット対象モデルはAPIキー不要で利用可、自前キー切替も可と説明されています。

Default ModelsでSystem Reasoning Modelを設定します。作例のモデル名（例：gpt-5.2）は時点により変動します。設定時は画面の選択肢を確認してください。

クイックスタートでは所要30分の作例（マルチプラットフォーム投稿生成）が示されています。まず公式作例を1周させると操作がつかめます。

Docker版で動かす

Docker版の前提は次の通りです（2026年10月3日時点）。

項目要件
CPU2 Core以上
RAM4 GiB以上
OSmacOS 10.14以上・Linux・WSL2対応表あり。macOSはDocker VMに2vCPU・8GiB以上割当
Docker Compose2.24.0以降必須（docker compose versionで確認）

公式の3コマンド相当は次の通りです。実行可能な形で記載します。git・curl・jqが必要です。

git clone --branch "$(curl -s https://api.github.com/repos/langgenius/dify/releases/latest | jq -r .tag_name)" https://github.com/langgenius/dify.git

cd dify/docker
cp .env.example .env
docker compose up -d

確認は次のコマンドで行います。init_permissionsのExitedは正常と説明されています。

docker compose ps

失敗時（Remote branch null等）の場合は、を明示したクローンが必要です。releasesを参照してください（未確認の細部は公式手順で確認）。

アクセスは次の通りです。

起動コンテナは、コア7（api、api_websocket、worker、worker_beat、web、plugin_daemon、agent_backend）と依存8（weaviate、db_postgres、redis、nginx、ssrf_proxy、agent_ssrf_proxy、sandbox、local_sandbox）、一次性init_permissionsの構成と説明されています。

カスタム・再起動は次の通りです。

# 例：ベクターストア別のenvを足す場合
cp envs/vectorstores/milvus.env.example envs/vectorstores/milvus.env

# 再起動
docker compose down
docker compose up -d

docker/.envが必須値、docker/envs/*.envが任意・provider別と説明されています。.envが優先されます。

料金はいくら？無料でどこまで使える？（2026年10月時点）

2026年10月3日時点の一次情報です。表示価格は税抜で、税はチェックアウト時加算の場合があると説明されています。

月額・年額の2階建て表示に注意してください。為替・円換算は書きません。旧数値の転載はしません。

プラン料金（税抜・2026年10月3日時点）主な枠
Sandbox無料200メッセージクレジット・ワークスペース1・メンバー1・アプリ5・ナレッジ文書50・ストレージ50MB・ナレッジ10req／min・標準処理・トリガー3,000・1WF最大2トリガー・標準実行・アノテーション10・ログ30日・API 5,000回／月
Professional（人気）月額 $59／workspace・年額 $590／workspace（年払いで17％お得・$118節約表記）5,000クレジット／月・WS1・3名・50アプリ・500文書・5GB・100req／min・優先処理・トリガー20,000／月・1WF無制限トリガー・高速実行・アノテ2,000・ログ無制限・API無制限
Team月額 $159／workspace・年額 $1,590／workspace（$318節約表記）10,000クレジット／月・WS1・50名・200アプリ・1,000文書・20GB・1,000req／min・最優先処理・トリガー無制限・優先実行・アノテ5,000・ログ無制限・API無制限
Enterpriseカスタムスケーラブルデプロイ・商用ライセンス認可・限定機能・複数WS／管理・SSO・交渉型SLA・高度セキュリティ・公式更新保守・技術サポート
Community無料（自ホスト）公開リポジトリのコア機能・シングルWS・Difyオープンソースライセンス準拠

月額・年額は表示切替で変わります。契約前に公式料金表（日本語ページの月/年トグル）で最新を確認してください（2026年10月3日時点）。

メッセージクレジットはOpenAI・Anthropic・Gemini・xAI・Tongyi試用用で、モデル種別で消費します。枯渇後は自前キー切替ができます。

自前キーはワークスペース共有で、所有者・管理者のみ管理します。課金は自社プロバイダ勘定になると説明されています。

課金単位はワークスペースscopedです。教育割引はYearly Professionalのみ・検証ごと1WSと説明されています（2026年10月3日時点の抜粋情報のため、契約前に公式Subscription管理ページで確認してください）。

料金の一次情報は公式料金表（日本語）・公式料金表（英語）・Cloud詳細です（2026年10月3日時点）。契約前にトグル表示で月額・年額を確認してください。

無料でどこまでできるか

無料は2種です。試用と自ホストで役割が違います。

無料枠できること位置づけ【編集部整理】
Sandbox200メッセージクレジット等で試せる。API 5,000回／月、ログ30日等試用。本番は有料か自ホストへ
Communityコア機能・シングルWSを自ホストで使える自前インフラで運用する場合

Communityの自前インフラ・GPU・DB・運用費は別途かかります。クレジット→トークンの換算式やモデル別消費表の詳細は一次で未取得のため断定しません。pricingは「モデル種別で消費」とのみ記載されています。

まずはSandboxで操作を覚え、公開・運用が決まったら有料か自ホストを選ぶ順で迷いにくいです。【編集部整理】

有料プランの選び方

選び方は人数・アプリ数・文書数・ログで見ます。【編集部整理】

  • 個人〜小規模：Professional。3名・50アプリ・500文書・5GB・ログ無制限が目安です
  • チーム：Team。50名・200アプリ・1,000文書・20GB・1,000req／min・最優先処理が目安です
  • 高度セキュリティ・ガバナンス・専任サポートが必要：Enterprise。見積・営業問合せになります

年額の割引表示は公式文言のみを用い、独自試算で断定しません。

契約前に公式料金表の月・年トグルと、ワークスペース単位の課金を必ず確認してください。

商用利用・セキュリティは大丈夫？

ライセンスはDify Open Source Licenseです。Apache License 2.0改変版＋追加条件と説明されています。Apache 2.0の権利制限はその他すべて継承すると記載されています。

「Apache 2.0」「MIT」「完全オープンソース」と略さないでください。

商用利用の条件

商用利用はできます。他アプリのバックエンドや企業の開発基盤を含むと説明されています。

ただし以下は製造者の商用ライセンスが必要です。断定せず、一次引用＋公式確認誘導で判断してください。

境界内容
マルチテナント運用書面許諾なしに不可。1テナント＝1ワークスペースと説明されています
フロントエンドの表示rawのweb・ディレクトリまたはDockerのwebイメージのLOGO・著作権表示の削除改変は禁止と説明されています。フロントを使わない利用には適用なしと説明されています

寄与者は、製造者がライセンスを厳格・緩和へ調整できること、寄与コードの商用利用（cloud含む）に同意すると説明されています。製品のインタラクティブデザインは意匠特許で保護と記載されています。

Enterpriseには商用ライセンス認可が含まれます。該当しそうな場合は営業・Enterprise窓口に確認してください。

社内文書を入れて大丈夫か

セキュリティ認証として、SOC 2 Type II（監査Sensiba）、ISO 27001:2022（監査Johanson）、GDPR準拠を2年連続達成と公式ブログで発表されています（2026年3月13日付け）。

対象は人事・ベンダー・データ保全・システム運用・開発セキュリティ等と説明されています。

Trust Centerはsecurity.dify.aiです。有料顧客はsecurity@dify.ai経由でSOC 2レポート・ペンテスト報告等を取得できると説明されています。料金ページ footerにもGDPR・AICPA SOC 2・ISO 27001バッジがあります。

Trust Center本文は動的取得が薄いため詳細断定はしません。本文fetchはタイトルのみ確認です。SOC 2 Type I／IIの表記ゆれやレポート入手条件の運用詳細も断定しません。

Cloudと自ホストの選択軸は次の通りです。

形態説明
Cloud試用〜本番をホストします
Community自社インフラで運用します
EnterpriseSSO・RBAC・SLA・自ホスト要件向けで、申込フォーム誘導になります

社内文書の保管場所は、この3区分で判断します。自ホスト時のデータ保全・暗号化・ログ保持の技術詳細や、EnterpriseのSSO・RBAC・SLA・複数WS管理の版差は一次深掘り未実施です。導入前に公式確認してください。

本番運用とデータ基盤での使い方は？

セルフホスト要点は「始め方」の前提・コマンド・コンテナ構成・env優先順位に集約されます。運用では再掲に加え、アップグレード注意が必要です。

releaseごとに手順変動があるため、.env.example差分確認やcompose改変の新ファイルへの再適用が必要です（2026年10月3日時点・対応状況は流動的なため利用前に公式確認）。

全アプリがREST化されているため、データ基盤からの呼び出しが可能です。Cloud基底はhttps://api.dify.ai/v1、自ホストは自インスタンスURLです。

認証はAuthorization: Bearer {API_KEY}です。サーバー側保管とし、表出禁止です。アプリ内発行キーは当該単一アプリにscopedで、呼出はuser値で利用者区別します。知識はKnowledge Service APIキー（scope可）と説明されています。

最小例は次の通りです。実行可能な形で記載します。

curl https://api.dify.ai/v1/info -H "Authorization: Bearer $DIFY_API_KEY"

応答例は{"name":"My Chat App",...,"mode":"chat"}と説明されています。

チャット送信は次のエンドポイントです。blockingとstreamingがあり、会話継続はconversation_idを後続呼出に渡します。空で新規になります。APIキーはサーバー保管推奨です。

# 例：チャット送信（{api_base}はCloudならapi.dify.ai、自ホストなら自URL）
curl -X POST "https://{api_base}/chat-messages" \
  -H "Authorization: Bearer $DIFY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"inputs": {}, "query": "売上集計の手順を教えて", "response_mode": "blocking", "user": "user-001"}'

アプリ種別で対応表が異なります。Chatflow＝advanced-chat、Workflow＝workflow、Agent＝agent、Chatbot・Legacy＝chat／agent-chat、Text＝completion、Knowledge別系と説明されています。種別に合わない呼び方をしないよう、APIリファレンスで確認してください。

MCPは双方向です。対応状況は流動的なため条件付き記述です（2026年10月3日時点・公式確認推奨）。

  • 公開方向：DifyアプリをMCPサーバーとして公開可。既定無効→ONで固有URL発行し、Claude Desktop・Cursor等から利用できます
  • 利用方向：Tools→MCPで外部MCP接続ができます。現状HTTPトランスポートのみと説明されています

Cursor設定例の.cursor/mcp.jsonのmcpServers.{name}.urlは公式手順で確認してください。

プラグイン・マーケットプレイスでは、Marketplace（tools・models・integrations・アプリ雛形）や独自ツール・モデル・連携の拡張ができます。CLIのdifyctlもあります。プラグイン対応版の詳細は未深掘りのため条件付きです。

運用監視の見る場所

運用監視の見る場所はMonitor・Logs・アノテーションです。

場所見ること
Monitor利用量追跡・ログ確認・アノテーションで改善する
Logs＋Annotation System本番データと注釈に基づきprompt・dataset・modelを継続改善する（LLMOps）

LLMOpsとは、LLMアプリを本番で育てる運用のことです。ログ保持はプラン依存です。料金表のログ保持（Sandbox 30日、有料無制限等）を確認してください。

外部観測にOpik・Langfuse・Arize Phoenix連携の記載があります。設定手順は未確認のため条件付き記述です。利用前に公式確認してください。

まずはMonitorで利用量と失敗を見て、Logsで原因を切り分け、アノテーションで正誤を残す順が切り分けしやすいです。【編集部整理】

データ基盤チームの活用例

データ基盤定番3選（検索・要約・審査）は編集部提案であり一次裏取りなしです。事例の効果数値は一次必須のため、本記事では数値を断定しません。

活用例【編集部提案】Difyでの組み立て方【例】確認点
社内文書検索RAG＋Chatbot／ChatflowでQ&A化する関連チャンクが拾えているか、引用が出るか
定型要約Workflowで入力→要約→結果返却を定型化するTrigger実行・ログ保持・API連携が足りるか
審査・チェック支援Workflow＋Agentで下書き審査し、人が最終判断する自動で決め切らず、人が差分確認する運用か

まずは社内FAQボットから小さく試し、育てる、ワークフロー化する順で進めやすいです。【編集部整理】

データ置き場や粒度の設計はDWH設計の考え方と合わせると、RAG用文書と分析用テーブルの役割分担が整理しやすいです。

よくある質問

Q1. Difyで具体的に何ができますか？初心者でも作れますか？

5種＋RAG＋API／MCP公開ができます。Workflowで単発処理や自動実行、Chatflowで会話＋処理、Chatbotで単純Q&A、Agentで自律作業、Text Generatorで文章生成ができます。作ったものはWeb・API・埋め込み・MCPで出せます。ドラッグ＆ドロップで作れますが、完全ノーコードで全部できるという断定はできません。

Q2. 無料でどこまで使えますか？

Sandboxは無料で、200メッセージクレジット・アプリ5・文書50・ストレージ50MB・API 5,000回／月等が含まれます。Communityは無料自ホストで、公開リポジトリのコア機能・シングルWSが使えます。Sandboxは試用、本番は有料か自ホストの位置づけです（2026年10月3日時点）。

Q3. ChatGPT・GPTs・LangChain・n8nとの使い分けは？

Difyは自社データ活用の構築基盤で、Web・API・MCPに公開できる点が一次事実です。目安として、まず試すならGPTs、業務に組み込むならDify、細かく作り込むならLangChain、SaaS連携自動化中心ならn8nです【編集部整理】。差分表は編集部整理で、相手方公式の裏取りは別途必要です。選定時は各公式で裏取りしてください。

Q4. 料金はいくらですか？モデルAPI料金は別ですか？

2026年10月3日時点・税抜で、Sandbox無料、Professional月額 $59／workspace・年額 $590／workspace、Team月額 $159／workspace・年額 $1,590／workspace、Enterpriseカスタム、Community無料です。クレジット枯渇後は自前キー切替ができ、自前キーは自社プロバイダ勘定に課金されます。金額は料金表を参照し、契約前に公式で確認してください。

Q5. 商用利用できますか？社内文書を入れても安全ですか？

商用利用はできます。ただしマルチテナント運用と、フロントエンドのLOGO・著作権表示の削除改変は商用ライセンスが必要です。ライセンスはDify Open Source License（Apache License 2.0改変版＋追加条件）です。セキュリティ認証としてSOC 2 Type II・ISO 27001:2022・GDPR準拠が公式発表されています（2026年3月13日付け）。Trust Centerはsecurity.dify.aiです。機密性の高い文書はセルフホストも検討し、該当しそうな場合は公式確認が必須です。

Q6. RAGはどんなときに必要ですか？

自社データに基づく応答やハルシネーション抑制、引用が必要な場合に有効です。一般知識・単発生成で十分な場合は不要なこともあります。要否の線引き自体は一次断定なしのため条件付きです。関連チャンクが精確な応答に重要と説明されています。

Q7. 日本語に対応していますか？

Docs日本語版（docs.dify.ai/ja-jp）が用意されています。管理画面の表示言語などの対応状況は変動するため、利用前に公式で確認してください。

Q8. ワークフローとチャットフロー、エージェントの違いは？

Workflowは単発実行でTriggerによる自動起動ができ、Outputは任意です。Chatflowは会話起動でAnswerノードが必須、Triggerはありません。Agentは自律エージェントで、コマンド実行・ファイル操作によりオープンエンドタスクを処理します。まず会話だけ試すならChatbot、定型化できたらWorkflow、会話が必要になったらChatflowが目安です【編集部整理】。

まとめ

本記事のまとめ

Difyは、自社データを活用するAIアプリを構築・公開できるオープンソースプラットフォームです。新規はWorkflow・Chatflowの2択を起点に、単純Q&AはChatbot、文章生成はText Generator、自律作業はAgentで使い分けます。RAGはHigh QualityかEconomicalか、Vector・Full-Text・Hybridかで精度とコストを調整します。料金・商用・セキュリティは2026年10月3日時点の一次情報を起点に、導入前に公式確認してください。

まずは社内FAQボットから小さく試してみてください。拾え具合を見て育て、定型化できたらワークフロー化する順で進めるとスムーズです。

次に着手する場合は、SandboxでChatbotを1つ作る→社内文書を少量入れてHybridで試す→Monitorとログで拾え具合を見る順で進めてみてください。慣れたらWorkflow化やAPI・MCP公開に広げてみてください。

AI実装スキルを磨きたい人へ

これからのAI時代に 「市場価値の高い人材」 とは、「モデルを使える人」ではなく 「業務に組み込んで価値を出せる人」 です。AI実装＋エンジニアリング＋業務理解の三点セットを磨くことが、5年後・10年後のキャリアに直結します。

※以下、PRを含みます

関連記事

参考文献

AI・LLM
よかったらシェアしてね！
  • URLをコピーしました！
  • URLをコピーしました！

この記事を書いた人

管理人のアバター 管理人 データエンジニア / ETL設計

基幹システム×データエンジニア｜DataEngineerLabs運営
大手食品系の基幹システム開発を経験。人事・給与・販売管理のデータ連携、ETL設計、SQLパフォーマンス、バッチ保守が専門。
データを"使える状態にする"難しさを発信中

関連記事

コメント

コメントする

目次