Dify 使い方・ノーコードAIアプリ開発ガイド【2026年版】

3行まとめ

1. Difyはオープンソースのノーコードプラットフォームで、AIチャットボット・RAGアプリ・エージェントをドラッグ＆ドロップで構築できる
2. クラウド版は無料（200メッセージ/月）から、セルフホストならオープンソースライセンスで無料利用可能
3. GitHub 13.8万スター（2026年6月時点）・100以上のモデルに対応し、個人から企業まで幅広く使われている

Difyとは何か

Dify（ディファイ）は、AIアプリケーションをノーコードで構築・運用できるオープンソースプラットフォームだ。LangGenius社が開発しており、GitHubで13.8万以上のスターを獲得している。

コードを書かずに以下のようなAIアプリを作れる。

• チャットボット：カスタマーサポートや社内FAQ対応
• RAGアプリ：自社文書をAIに読ませて質問応答させるシステム
• AIエージェント：複数のツールを使って自律的にタスクを実行するシステム
• ワークフロー：複数のAI処理を順番に実行するパイプライン

GitHubリポジトリのスター数は2026年6月時点で13.8万以上。「800以上のコントリビューター」「100万以上のデプロイ済みアプリ」「18万以上の開発者」という数字は、2026年8月27日時点でGitHubリポジトリ本体（README・Insightsバッジ）を確認した範囲では見つからなかった。同時点でGitHubのLFX Insightsバッジが示す実際の値は、累計コントリビューター約14,000人・直近1年のアクティブコントリビューター約4,500人・スター15.36万・フォーク2.43万で、「800以上」という記載とは大きく乖離している。

料金プラン比較（2026年6月時点）

Dify公式の料金ページに基づく。

セルフホストという選択肢

Difyの大きな特徴は、セルフホスト（自社サーバーで運用）が可能な点だ。オープンソースライセンスで公開されているため、Docker Composeで自分のサーバーに立ち上げれば、メッセージ数の制限なく無料で使える。

# セルフホストの基本手順
git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
docker compose up -d

セルフホストの場合、LLMのAPI料金（OpenAI、Anthropic等）は別途かかる。また、サーバーの運用保守は自己責任になる。

主要機能

RAG（Retrieval-Augmented Generation）

自社の文書（PDF・テキスト・Webページ等）をアップロードし、AIが参照できるようにする機能。Difyでは以下のRAG機能が使える。

• ハイブリッド検索：キーワード検索とベクトル検索を組み合わせて精度を高める
• リランキング：検索結果をさらにAIで並べ替え、関連性の高い文書を上位に出す
• チャンク設定：文書を分割するサイズや方法をカスタマイズできる

ワークフロービルダー

ドラッグ＆ドロップで、複数のAI処理ノードを接続してワークフローを構築する機能。

たとえば「ユーザーの質問を受け取る → 関連文書を検索する → 回答を生成する → 回答の品質を評価する」という一連の処理を、視覚的に組み立てられる。

条件分岐（if/else）、ループ、HTTP呼び出し、コード実行ノードなども使えるため、単純なチャットボットだけでなく複雑な業務ロジックも組める。

エージェント機能

AIエージェントを構築する機能。LLMにツール（Web検索・計算・API呼び出し等）を持たせ、ユーザーの指示に応じて自律的にツールを選択・実行させる。

MCP対応

Anthropicが策定したModel Context Protocol（MCP）に対応しており、MCP対応の外部ツールをDify上のエージェントやワークフローに接続できる。

100以上のモデル対応

以下のモデルプロバイダーに対応している。

APIキーを設定するだけで、これらのモデルを切り替えて使える。

始め方 — 最初のチャットボットを作るまで

クラウド版の場合

1. dify.ai でアカウント作成
2. 「アプリを作成」→「チャットボット」を選択
3. 使用するLLMモデルを選択（APIキーを事前に設定）
4. システムプロンプトを設定（例：「あなたは〇〇の専門家です」）
5. ナレッジベースに文書をアップロード（RAGを使う場合）
6. テストチャットで動作確認
7. 公開（Web埋め込みコードまたはAPI）

RAGアプリの具体例

社内マニュアルの質問応答ボットを作る場合：

1. 「ナレッジ」から社内マニュアルのPDFをアップロード
2. チャンク設定（推奨：500〜1000トークン、重複100トークン）を調整
3. チャットボットのアプリを作成し、ナレッジベースを接続
4. システムプロンプトに「社内マニュアルの内容のみに基づいて回答してください。マニュアルに記載がない質問には『マニュアルに記載がありません』と答えてください」と設定
5. テストして回答精度を確認

Flowise・LangFlowとの比較

Dify Hostingの比較情報を参考に整理する。

Difyが向いているケース：非エンジニアがAIアプリを作りたい場合。RAG機能が充実しているため、社内文書活用のユースケースに強い。

Flowiseが向いているケース：よりシンプルなUIでチャットボットを素早く作りたい場合。学習コストが低い。

LangFlowが向いているケース：Pythonで独自の処理を組み込みたい開発者向け。拡張性が高い。

裏取りできなかった数字と注意点

• 「800以上のコントリビューター」「100万以上のデプロイ済みアプリ」「18万以上の開発者」という数字は、2026-08-27の検品時点でGitHubリポジトリ（README・LFX Insightsバッジ）に記載を確認できなかった。特にコントリビューター数は、同時点のLFX Insightsバッジで実際には約14,000人（直近1年のアクティブは約4,500人）となっており、「800以上」という当初の記載とは大きく乖離している。この3つの数字がどの時点・どの情報源のものだったかは今回特定できず、本文からは削除した
• クラウド版の無料プラン（200メッセージ/月）は評価用であり、実用にはProfessional以上が必要。セルフホストの場合はサーバー費用とLLM API費用が別途かかる
• RAGの回答精度は、アップロードする文書の品質・チャンク設定・使用モデルに大きく依存する。「入れれば答える」というものではなく、調整が必要
• ノーコードとはいえ、ワークフローやエージェントの設計にはAIの基本的な仕組みの理解が求められる

関連記事：ノーコードAIエージェントでメール・カレンダーを自動化 関連記事：AIエージェントとは？仕組みと活用事例

情報の依拠先について

本記事は2026年6月19日時点の情報に基づく。料金情報はDify公式の料金ページ、統計情報はGitHubリポジトリの記載、比較情報はDify Hostingの分析による。オープンソースプロジェクトのため機能は頻繁に更新される。セルフホスト版の利用にはDocker環境が必要。