Dify

Что такое Dify?

Dify — конструктор агентных рабочих процессов для создания, развертывания и управления автономными AI-агентами и RAG-пайплайнами (retrieval-augmented generation). Продукт позиционируется как единое место для создания «production-ready» агентных рабочих процессов и связанных компонентов.

Его основная цель — помочь командам перейти от концепции рабочего процесса к чему-то, что можно опубликовать и запустить, соединяя модели, извлечение данных и внешние инструменты в единый поток приложения.

Ключевые возможности

• Создание рабочих процессов методом drag-and-drop: Визуально создавайте AI-приложения и рабочие процессы, включая те, что предназначены для разнообразных задач и эволюционирующих нужд.
• Поддержка нескольких глобальных LLM: Получайте доступ, переключайтесь и сравнивайте различные большие языковые модели, включая open-source и проприетарные варианты.
• Создание RAG-пайплайнов («Get Your Data LLM Ready with RAG»): Подготавливайте данные приложения для использования LLM, интегрируя извлечение в рабочий процесс.
• Интеграция через инструменты и плагины («Add Wings with Tools»): Расширяйте возможности AI-приложения, добавляя инструменты/плагины.
• Встроенная интеграция MCP: Соединяйте внешние API, базы данных и сервисы с помощью стандартизированных протоколов MCP, включая поддержку HTTP-based MCP-сервисов (протокол от 2025-03-26) и режимов с предварительной авторизацией/без авторизации.
• Публикация рабочих процессов/агентов как MCP-сервера («Publish as an Universal MCP Server»): Делайте доступным рабочий процесс или агент, созданный в Dify, для неограниченного числа MCP-клиентов.
• Интеграции и наблюдаемость в одном месте: Сайт описывает Dify как платформу, объединяющую агентные рабочие процессы, RAG-пайплайны, интеграции и наблюдаемость.

Как использовать Dify

1. Начните создание рабочего процесса с помощью визуального (drag-and-drop) конструктора, чтобы определить шаги вашего AI-приложения.
2. Выберите и настройте LLM, которые будет использовать рабочий процесс, с возможностью доступа и сравнения моделей.
3. Добавьте RAG-компоненты, чтобы подключить ваши данные к частям рабочего процесса с LLM.
4. Прикрепите инструменты/плагины и/или подключите внешние сервисы через MCP, чтобы рабочий процесс мог выполнять действия или получать информацию.
5. Опубликуйте рабочий процесс с помощью доступных опций публикации Dify, включая вариант публикации как universal MCP server для более широкого доступа клиентов.

Примеры использования

• Автономный агентный рабочий процесс для многошаговых задач: Создайте рабочий процесс, который связывает несколько шагов (рассуждение, использование инструментов и действия) для задач, требующих большего, чем один промпт.
• Поддержка или ассистент знаний на базе RAG: Создайте приложение, где извлечение из ваших источников данных поддерживает генерацию, выполняемую LLM.
• Ассистенты, дополненные инструментами: Расширьте AI-приложение за пределы генерации текста, добавив инструменты/плагины, чтобы рабочий процесс мог выполнять дополнительные операции.
• Соединение бизнес-систем через MCP: Используйте встроенную интеграцию MCP для доступа к внешним API, базам данных и сервисам с помощью стандартизированных протоколов MCP.
• Повторное использование внутреннего рабочего процесса в MCP-клиентах: Опубликуйте рабочий процесс/агент как universal MCP server, чтобы другие MCP-клиенты могли его использовать.

FAQ

Dify ограничен одним типом AI-приложений (только чат)?
Нет. Сайт описывает создание агентных рабочих процессов и RAG-пайплайнов, а не только чат-взаимодействий.

Можно ли использовать разные провайдеры LLM в одном рабочем процессе?
Продукт позволяет получать доступ, переключаться и сравнивать разные LLM (включая open-source и проприетарные), что предполагает гибкость моделей при создании рабочих процессов.

Как Dify подключает мои данные к LLM?
Dify включает возможности RAG («Get Your Data LLM Ready with RAG»), что позволяет настроить извлечение, чтобы LLM использовал ваши данные при генерации.

Для чего в Dify используется интеграция MCP?
Интеграция MCP описана как способ соединения внешних API, баз данных и сервисов с помощью стандартизированных протоколов MCP. Она также поддерживает публикацию рабочего процесса/агента как MCP-сервера.

Поддерживает ли Dify HTTP-based MCP-сервисы?
Да. На странице указано наличие поддержки HTTP-based MCP services с протоколом 2025-03-26, включая режимы с предварительной авторизацией и без авторизации.

Альтернативы

• Конструкторы рабочих процессов LLM с низким кодом: Инструменты с визуальными конструкторами для соединения промптов, моделей и поиска. Они обычно ориентированы на создание приложений, но могут различаться в поддержке шаблонов агентов и публикации серверов в стиле MCP.
• Платформы оркестрации, ориентированные на RAG: Решения, сосредоточенные на создании пайплайнов поиска и документов, часто с меньшим акцентом на рабочие процессы агентов с несколькими инструментами или стандартизированные серверные интерфейсы.
• Фреймворки и SDK агентов с приоритетом API: Фреймворки для разработчиков, где логика агентов и интеграции реализуются в коде. Они обеспечивают больший контроль, но требуют больше усилий по разработке, чем визуальный конструктор рабочих процессов.
• Общие платформы автоматизации с AI-дополнениями: Инструменты автоматизации рабочих процессов, которые могут включать шаги LLM и коннекторы. Они шире для автоматизации, но могут не обеспечивать ту же ориентацию на агентные рабочие процессы + публикацию MCP, что описано для Dify.