Dify

¿Qué es Dify?

Dify es un creador de flujos agentic para crear, desplegar y gestionar agentes de IA autónomos y pipelines RAG (retrieval-augmented generation). El producto se posiciona como un único lugar para construir flujos agentic “listos para producción” y componentes relacionados.

Su propósito principal es ayudar a los equipos a pasar de un concepto de flujo a algo que puedan publicar y ejecutar, conectando modelos, recuperación de datos y herramientas externas en un flujo de aplicación cohesivo.

Características clave

• Creación de flujos por arrastrar y soltar: Construye apps y flujos de IA de forma visual, incluyendo flujos diseñados para manejar tareas diversas y necesidades evolutivas.
• Soporte para múltiples LLMs globales: Accede, cambia y compara diferentes modelos de lenguaje grandes, incluyendo opciones de código abierto y propietarias.
• Construcción de pipelines RAG (“Prepárate para LLMs con RAG”): Prepara los datos de la aplicación para su uso en LLMs incorporando recuperación en el flujo.
• Integración mediante herramientas y plugins (“Añade alas con herramientas”): Expande lo que puede hacer una app de IA añadiendo herramientas/plugins.
• Integración nativa MCP: Conecta APIs externas, bases de datos y servicios usando protocolos MCP estandarizados, incluyendo soporte para servicios MCP basados en HTTP (protocolo del 2025-03-26) y modos preautorizados/sin autenticación.
• Publica flujos/agentes como servidor MCP (“Publica como servidor MCP universal”): Expone un flujo o agente construido en Dify para que sea accesible desde clientes MCP ilimitados.
• Integraciones y observabilidad en un solo lugar: El sitio describe Dify como una oferta de flujos agentic, pipelines RAG, integraciones y observabilidad juntos.

Cómo usar Dify

1. Comienza a construir un flujo usando el constructor visual (arrastrar y soltar) para definir los pasos de tu aplicación de IA.
2. Elige y configura LLMs que quieres que use el flujo, con la opción de acceder y comparar modelos.
3. Añade componentes RAG para conectar tus datos a las partes de LLM del flujo.
4. Adjunta herramientas/plugins y/o conecta servicios externos vía MCP para que el flujo pueda realizar acciones o obtener información.
5. Publica el flujo usando las opciones de publicación de Dify, incluyendo la opción de publicar como servidor MCP universal para un acceso más amplio de clientes.

Casos de uso

• Flujo de agente autónomo para tareas multi-paso: Crea un flujo que encadena múltiples pasos (razonamiento, uso de herramientas y acciones) para manejar tareas que requieren más que un solo prompt.
• Asistente de soporte o conocimiento impulsado por RAG: Construye una aplicación donde la recuperación de tus fuentes de datos soporta la generación realizada por el LLM.
• Asistentes aumentados con herramientas: Expande una app de IA más allá de la generación de texto añadiendo herramientas/plugins para que el flujo realice operaciones adicionales.
• Conexión de sistemas empresariales a través de MCP: Usa la integración nativa MCP para acceder a APIs externas, bases de datos y servicios con protocolos MCP estandarizados.
• Hacer un flujo interno reutilizable en clientes MCP: Publica un flujo/agente como servidor MCP universal para que otros clientes MCP lo consuman.

Preguntas frecuentes

¿Está Dify limitado a un tipo de app de IA (solo chat)?
No. El sitio describe la construcción de flujos agentic y pipelines RAG, no solo interacciones de chat.

¿Puedo usar diferentes proveedores de LLM en la misma configuración de flujo?
El producto se describe como permitiendo acceso, cambio y comparación de diferentes LLMs (incluyendo de código abierto y propietarios), lo que sugiere flexibilidad de modelos durante la creación del flujo.

¿Cómo conecta Dify mis datos al LLM?
Dify incluye capacidades RAG (“Prepárate para LLMs con RAG”), lo que indica que puedes configurar recuperación para que el LLM use tus datos en la generación.

¿Para qué se usa la integración MCP en Dify?
La integración MCP se describe como una forma de conectar APIs externas, bases de datos y servicios usando protocolos MCP estandarizados. También soporta publicar un flujo/agente como servidor MCP.

¿Soporta Dify servicios MCP basados en HTTP?
Sí. La página indica soporte para servicios MCP basados en HTTP con protocolo 2025-03-26, incluyendo modos preautorizados y sin autenticación.

Alternativas

• Creadores de flujos LLM de bajo código: Herramientas que proporcionan constructores visuales para conectar prompts, modelos y recuperación. Estas suelen centrarse en la creación de apps, pero pueden variar en el soporte a patrones de agentes y publicación de servidores estilo MCP.
• Plataformas de orquestación centradas en RAG: Soluciones enfocadas en construir pipelines de recuperación y documentos, a menudo con menos énfasis en flujos de agentes multiherramienta o interfaces de servidor estandarizadas.
• Frameworks y SDK de agentes API-first: Frameworks orientados a desarrolladores donde implementas la lógica de agentes e integraciones en código. Pueden ofrecer mayor control, pero requieren más esfuerzo de ingeniería que un creador de flujos visual.
• Plataformas de automatización general con complementos de IA: Herramientas de automatización de flujos que pueden incorporar pasos de LLM y conectores. Pueden ser más amplias para automatización, pero no ofrecen la misma orientación en flujos agentic + publicación MCP descrita para Dify.