Dify

Qu'est-ce que Dify ?

Dify est un créateur de workflows agentiques pour créer, déployer et gérer des agents IA autonomes et des pipelines RAG (retrieval-augmented generation). Le produit est positionné comme un espace unique pour construire des workflows agentiques « prêts pour la production » et les composants associés.

Son objectif principal est d'aider les équipes à passer d'un concept de workflow à quelque chose qu'elles peuvent publier et exécuter, tout en connectant modèles, récupération de données et outils externes dans un flux d'application cohérent.

Fonctionnalités clés

• Création de workflows par glisser-déposer : Construisez des applications et workflows IA visuellement, y compris des workflows conçus pour gérer des tâches variées et des besoins évolutifs.
• Support de plusieurs LLM mondiaux : Accédez, basculez et comparez différents grands modèles de langage, y compris les options open-source et propriétaires.
• Construction de pipelines RAG (« Préparez vos données pour les LLM avec RAG ») : Préparez les données d'application pour une utilisation par les LLM en intégrant la récupération dans le workflow.
• Intégration via outils et plugins (« Ajoutez des ailes avec des outils ») : Étendez les capacités d'une application IA en ajoutant des outils/plugins.
• Intégration native MCP : Reliez des API externes, bases de données et services via des protocoles MCP standardisés, y compris le support des services MCP basés sur HTTP (protocole daté 2025-03-26) et les modes pré-autorisé/sans authentification.
• Publication de workflows/agents en tant que serveur MCP (« Publiez en tant que serveur MCP universel ») : Exposez un workflow ou agent construit avec Dify pour un accès depuis un nombre illimité de clients MCP.
• Intégrations et observabilité en un seul endroit : Le site décrit Dify comme offrant des workflows agentiques, pipelines RAG, intégrations et observabilité ensemble.

Comment utiliser Dify

1. Démarrez la création d'un workflow en utilisant l'éditeur visuel (glisser-déposer) pour définir les étapes de votre application IA.
2. Choisissez et configurez les LLM que le workflow utilisera, avec l'option d'accéder et comparer les modèles.
3. Ajoutez des composants RAG pour connecter vos données aux parties LLM du workflow.
4. Attachez des outils/plugins et/ou connectez des services externes via MCP pour que le workflow puisse effectuer des actions ou récupérer des informations.
5. Publiez le workflow en utilisant les options de publication de Dify, y compris l'option de publier en tant que serveur MCP universel pour un accès client plus large.

Cas d'usage

• Workflow d'agent autonome pour tâches multi-étapes : Créez un workflow qui enchaîne plusieurs étapes (raisonnement, utilisation d'outils et actions) pour gérer des tâches nécessitant plus qu'une simple invite.
• Assistant de support ou de connaissances boosté par RAG : Construisez une application où la récupération depuis vos sources de données soutient la génération effectuée par le LLM.
• Assistants augmentés par outils : Étendez une application IA au-delà de la génération de texte en ajoutant des outils/plugins pour que le workflow effectue des opérations supplémentaires.
• Connexion de systèmes métier via MCP : Utilisez l'intégration native MCP pour accéder à des API externes, bases de données et services via des protocoles MCP standardisés.
• Rendre un workflow interne réutilisable sur clients MCP : Publiez un workflow/agent en tant que serveur MCP universel pour que d'autres clients MCP puissent l'utiliser.

FAQ

Dify est-il limité à un type d'application IA (chat uniquement) ?
Non. Le site décrit la construction de workflows agentiques et de pipelines RAG, pas seulement des interactions de chat.

Puis-je utiliser différents fournisseurs de LLM dans le même workflow ?
Le produit est décrit comme permettant l'accès, le basculement et la comparaison de différents LLM (y compris open-source et propriétaires), suggérant une flexibilité des modèles lors de la création de workflows.

Comment Dify connecte-t-il mes données au LLM ?
Dify inclut des capacités RAG (« Préparez vos données pour les LLM avec RAG »), indiquant que vous pouvez configurer la récupération pour que le LLM utilise vos données en génération.

À quoi sert l'intégration MCP dans Dify ?
L'intégration MCP est décrite comme un moyen de relier des API externes, bases de données et services via des protocoles MCP standardisés. Elle supporte aussi la publication d'un workflow/agent en tant que serveur MCP.

Dify supporte-t-il les services MCP basés sur HTTP ?
Oui. La page indique le support des services MCP basés sur HTTP avec protocole 2025-03-26, y compris les modes pré-autorisé et sans authentification.

Alternatives

• Créateurs de workflows LLM low-code : Outils qui fournissent des constructeurs visuels pour connecter prompts, modèles et récupération. Ils se concentrent généralement sur la création d'applications mais varient dans leur prise en charge des patterns d'agents et de la publication de serveurs de style MCP.
• Plateformes d'orchestration centrées sur le RAG : Solutions axées sur la construction de pipelines de récupération et de documents, souvent avec moins d'emphase sur les workflows d'agents multi-outils ou les interfaces de serveurs standardisées.
• Frameworks et SDK d'agents API-first : Frameworks orientés développeurs où vous implémentez la logique des agents et les intégrations en code. Ils offrent un plus grand contrôle mais nécessitent plus d'efforts d'ingénierie qu'un créateur de workflows visuel.
• Plateformes d'automatisation générales avec modules AI : Outils d'automatisation de workflows qui peuvent intégrer des étapes LLM et des connecteurs. Ils peuvent être plus larges pour l'automatisation, mais ne proposent pas la même orientation workflows agentiques + publication MCP que Dify.