Dify

Dify 是什么？

Dify 是一个智能体工作流构建器，用于创建、部署和管理自主 AI 智能体及 RAG（检索增强生成）流水线。该产品定位为一站式构建“生产就绪”智能体工作流及相关组件。

其核心目的是帮助团队从工作流概念快速转化为可发布和运行的应用，同时将模型、数据检索和外部工具连接成 cohesive 应用流程。

主要特性

• 拖拽式工作流创建：可视化构建 AI 应用和工作流，包括处理多样任务和演化需求的工作流。
• 支持多种全球 LLM：访问、切换和比较不同大语言模型，包括开源和专有选项。
• RAG 流水线构建（“用 RAG 让数据 LLM 就绪”）：通过在工作流中融入检索，为 LLM 使用准备应用数据。
• 通过工具和插件集成（“用工具添翼”）：添加工具/插件扩展 AI 应用功能。
• 原生 MCP 集成：使用标准化 MCP 协议桥接外部 API、数据库和服务，包括支持基于 HTTP 的 MCP 服务（协议日期 2025-03-26）以及预授权/免授权模式。
• 将工作流/智能体发布为 MCP 服务器（“发布为通用 MCP 服务器”）：公开 Dify 构建的工作流或智能体，使其可被无限 MCP 客户端访问。
• 一站式集成与可观测性：站点描述 Dify 将智能体工作流、RAG 流水线、集成和可观测性结合在一起。

如何使用 Dify

1. 开始构建工作流，使用可视化（拖拽式）构建器定义 AI 应用步骤。
2. 选择并配置 LLM，工作流可使用的模型，并支持访问和比较模型。
3. 添加 RAG 组件，将数据连接到工作流的 LLM 部分。
4. 附加工具/插件 和/或 通过 MCP 连接外部服务，使工作流能执行操作或获取信息。
5. 发布工作流，使用 Dify 的发布选项，包括发布为 通用 MCP 服务器 以实现更广客户端访问。

使用场景

• 多步骤任务的自主智能体工作流：创建链式多步骤（推理、工具使用和动作）工作流，处理需超单次提示的任务。
• RAG 驱动的支持或知识助手：构建应用，从数据源检索支持 LLM 生成。
• 工具增强助手：添加工具/插件扩展 AI 应用超出文本生成，实现额外操作。
• 通过 MCP 连接业务系统：利用原生 MCP 集成，使用标准化 MCP 协议访问外部 API、数据库和服务。
• 让内部工作流在 MCP 客户端间复用：将工作流/智能体发布为通用 MCP 服务器，其他 MCP 客户端可消费。

常见问题

Dify 是否仅限于一种 AI 应用（仅聊天）？
否。站点描述构建 智能体工作流 和 RAG 流水线，而非仅聊天交互。

同一工作流设置中能否使用不同 LLM 提供商？
产品描述支持访问、切换和比较不同 LLM（包括开源和专有），表明工作流创建时模型灵活性。

Dify 如何将我的数据连接到 LLM？
Dify 包含 RAG 功能（“用 RAG 让数据 LLM 就绪”），可配置检索让 LLM 在生成中使用你的数据。

Dify 中的 MCP 集成用于什么？
MCP 集成描述为使用标准化 MCP 协议桥接外部 API、数据库和服务，还支持将工作流/智能体发布为 MCP 服务器。

Dify 支持基于 HTTP 的 MCP 服务吗？
是。页面声明支持 基于 HTTP 的 MCP 服务，协议 2025-03-26，包括预授权和免授权模式。

替代方案

• 低代码 LLM 工作流构建器：提供可视化构建器连接提示词、模型和检索的工具。这些工具通常专注于应用创建，但在支持智能体模式和 MCP 风格服务器发布方面的实现可能有所不同。
• 专注于 RAG 的编排平台：以构建检索和文档流水线为核心的解决方案，通常对多工具智能体工作流或标准化服务器接口的重视较少。
• API 优先的智能体框架和 SDK：面向开发者的框架，需要在代码中实现智能体逻辑和集成。这些框架可提供更大控制力，但比可视化工作流构建器需要更多工程投入。
• 带 AI 插件的通用自动化平台：可集成 LLM 步骤和连接器的流程自动化工具。这些平台在自动化方面更广泛，但可能无法提供 Dify 所述的智能体工作流 + MCP 发布特性。