🌟Difyデビュー！初めての操作から理解まで一緒にやってみよう！【後編】

この記事の内容

• Difyのチャットボット・テキスト生成・ワークフローの各アプリタイプを実際に操作して比較
• テキスト生成アプリで変数を使ったSEO記事生成テンプレートの仕組みを解説
• ワークフローのサンプル（Webコンテンツ検索・要約）を実行し、各ノードの役割を詳しく確認
• Tavily SearchやJina Readerなど外部APIとの連携方法を紹介
• Difyのコミュニティ版（セルフホスト）とクラウド版の違いと使い分けを整理

チャットボットとエージェントの違いを確認する

前編に続き、今回はDifyのさまざまなアプリタイプを実際に触りながら理解を深めていきます。

まずはチャットボット系テンプレートとして「AIインタビュー」を試してみます。このテンプレートはエージェントではなく通常のチャットボットとして動作しており、あらかじめシステムプロンプトに手順が書かれた形式です。ツールの実行はできず、会話の流れに従って動くシンプルな構成になっています。

実際に動かしてみると、フロントエンド開発スキルに関するオープンエンドな質問を日本語で提示してくれました。プロンプトの書き方次第で動作が変わる点は、通常のLLMと本質的に同じです。

エージェントと通常チャットボットの違いを整理すると、以下のようになります。

テキスト生成アプリと変数の仕組み

次に「テキスト生成」タイプのアプリを確認します。チャットボットとの大きな違いは変数が使える点です。

サンプルのSEO記事生成テンプレートでは、以下のような変数が定義されていました。

• keyword — SEOキーワード
• context — 記事のコンテキスト
• target_language — 出力言語（選択肢）

変数の選択肢（例：対象言語）はプロンプト編集画面で追加・削除が可能です。初期状態では英語など一部の言語しか選べませんでしたが、オプションとして「日本語」を追加することで日本語での記事生成が可能になりました。

プロンプトの末尾に「必ず日本語で出力してください」という指示を追加することで、より確実に日本語出力が得られます。

テキスト生成アプリのユースケースとしては、YouTube動画の概要欄作成やブログ記事の下書き生成などが挙げられます。APIからアクセスすることもでき、ログ管理機能で出力を監視することも可能です。

ワークフローを実際に動かしてみる

いよいよDifyの目玉機能である「ワークフロー」を試します。テンプレートから「Web Content Search（Webコンテンツ検索・要約）」を選択しました。

外部APIの設定

このワークフローを実行するには、2つの外部サービスのAPIキーが必要です。

Tavily Search LLM向けに最適化されたWeb検索APIです。無料プランで1,000リクエストまで利用できます。

Jina Reader WebページのHTMLをLLMが読みやすいテキスト形式に変換するプロキシサービスです。JavaScriptで動的に生成されたコンテンツなど、そのままではLLMが扱いにくい部分を整形して返してくれます。

ワークフローの各ノードを読み解く

ワークフローは視覚的なフロー図で表現されており、各ノードの役割を順に確認できます。

1. スタートノード（質問入力）

ユーザーからの質問テキストとファイルを受け取ります。今回は「YouTubeで再生数を伸ばす方法」を入力しました。

2. 検索ノード（Tavily Search）

スタートノードで受け取った質問をそのままTavily Searchに渡し、Web検索を実行します。検索の深さ（Basic / Advanced）や件数、除外ドメインなどのパラメーターをノード上で設定できます。

3. コードノード（Python）

検索結果からURLのリストを抽出するPythonコードが記述されています。

def main(arg1):
    # 検索結果からURLを抽出して返す
    urls = [item['url'] for item in arg1]
    return {"result": urls}

ローコードツールでありながら、複雑な処理はコードで書けるのがDifyの強みです。対応言語はPythonとJavaScriptです。

4. イテレーションノード

コードノードで取得したURLのリストを1件ずつ処理するループ構造です。以降のノードはこのイテレーション内で繰り返し実行されます。

5. Jina Readerノード

各URLをJina Reader経由で取得し、LLMフレンドリーなテキストに変換します。出力はテキスト・タイトル・ソースURLの3種類です。

6. LLMノード（GPT-4）

Jina Readerが返したテキストをLLMに渡し、要約を生成します。システムプロンプトには「以下のテキストを要約してください」という指示が含まれています。

7. テンプレート変換ノード（Jinja2）

URLと要約テキストを受け取り、区切り文字列を挟んで結合します。ここではJinja2テンプレートエンジンが使われており、変数の参照や文字列加工が可能です。

{{ url }}
{{ summary }}
---SP---

8. コードノード（分割処理）

テンプレートで結合した文字列を区切り文字（---SP---）で分割し、URL・要約のペアを配列として整形します。

9. テンプレート変換ノード（表形式出力）

最終的な出力をMarkdownのテーブル形式に整形します。

| URL | 要約 |
|-----|------|
{% for item in data %}
| {{ item.url }} | {{ item.summary }} |
{% endfor %}

10. 出力ノード

整形された表をユーザーへの最終出力として返します。

実行結果の確認

実行が完了すると、検索したURLとその要約がMarkdownテーブル形式で表示されます。「YouTubeで再生数を伸ばす方法」という質問に対して、複数のWebページを参照した上でポイントをまとめた結果が得られました。

トレース機能では各ノードの実行状況、入出力の内容、消費トークン数、処理時間などを確認できます。デバッグや最適化に役立ちます。

その他の機能

バッチ実行

「ランバッチ」機能を使うと、CSVファイルに複数の質問を書いておき、一括で処理させることができます。繰り返し作業の自動化に便利です。

ナレッジ（RAG用データベース）

Difyにはベクトルデータベースとして機能するナレッジ機能があり、RAG（検索拡張生成）用のデータを蓄積できます。外部からAPIでデータを追加することも可能です。

ツール連携とワークフローのツール化

カスタムツールを作成してエージェントやワークフローから呼び出せます。また、作成したワークフローをツールとして公開し、別のエージェントやワークフローから利用することも可能です。これにより、小さなワークフローを組み合わせた複雑な処理を構築できます。

コミュニティ版（セルフホスト）について

Difyにはクラウドのホスティングサービスのほかに、オープンソースのコミュニティ版があります。DockerまたはDocker Composeを使ってローカル環境やオンプレミスにデプロイできます。

# リポジトリのクローン
git clone https://github.com/langgenius/dify.git

# Docker Composeで起動
cd dify/docker
docker compose up -d

依存するミドルウェアとしてPostgreSQLやRedisなどが必要です。

クラウド版とコミュニティ版の主な違いは機能よりもスケールの部分にあると考えられ、小規模な用途ならコミュニティ版で十分対応できます。

まとめ

今回の動画では、Difyのチャットボット・テキスト生成・ワークフローの3種類のアプリタイプを実際に操作しながら理解を深めました。

特にワークフロー機能は、検索→コード処理→イテレーション→LLM要約→テンプレート整形という一連の処理を視覚的に組み立てられるのが大きな魅力です。複雑な処理はPythonコードで補えるため、ローコードとコード記述をバランスよく使い分けることができます。

Difyの導入を検討する際は、まずクラウドの無料プランで試してみて、アプリ数やナレッジの容量が不足してきたらコミュニティ版へ移行するという流れがスムーズです。作成したアプリはエクスポートできるため、後からの移行も容易です。