Difyとは？使い方・料金・日本語対応・LangChainとの違いを徹底解説【2026年最新】

Dify（ディファイ）は、LangGenius社が開発するオープンソースのAIアプリ開発プラットフォームです。 ブラウザ上のビジュアルキャンバスで、チャットボット・RAG（社内文書検索）・AIエージェント・業務ワークフローを組み立て、そのままWebアプリやAPIとして公開できます。クラウド版は無料枠から使え、ソースコードが公開されているためDockerで自社サーバーに構築することも可能です。

2026年8月22日時点の最新安定版は v1.16.1（2026年7月28日リリース）。この世代では、Linuxサンドボックス上で動く「Dify Agent（Beta）」、公式CLIの difyctl、思考過程（CoT）の可視化などが加わり、「プロトタイプを作るツール」から「本番運用の基盤」へと性格が変わりつつあります。

この記事でわかること

• Difyでできること（ワークフロー／ナレッジ／エージェント／公開手段）と2026年の最新機能
• Cloud・Community（セルフホスト）・Enterpriseの料金と、見落としやすいLLM API費用の扱い
• クラウド版の使い方5ステップとDocker Composeでのセルフホスト手順
• 日本語対応がどこまで進んでいるか（UI・ドキュメント・国内サポート）
• LangChain／n8n／Flowise・Langflowとの選び分け、ライセンスとセキュリティ運用の注意点

この記事はこんな方向けです： 社内AI基盤のツールを選定している情シス・DX担当、LangChainと比較検討中のエンジニア、セルフホストの構築要件と運用負荷を事前に把握しておきたい方。

生成AI全般の基礎から確認したい方は生成AIとは？仕組みから活用事例まで解説もあわせてご覧ください。

Difyの基本情報：開発元・提供形態・規模

Difyは「Production-Ready Agentic Workflows のためのプラットフォーム」を掲げるオープンソースプロダクトで、開発元は LangGenius, Inc. です。日本国内向けには2025年2月設立の 株式会社LangGenius（東京都中央区日本橋）が窓口となり、日本語サイトとEnterprise版の提供・導入支援を行っています。

出典: Dify 公式サイト

名称の由来について、英語版の公式ドキュメントには「Do It For You」という説明が記載されています。日本語圏では「Define＋Modify」の造語という解説も流通していますが、公式ページで確認できるのは前者の表記です。

Difyが担う範囲

Difyは「LLMそのもの」ではなく「LLMを使ったアプリを作り、運用する土台」です。OpenAI・Anthropic・Google Gemini・xAI・Tongyiなど各社のモデルを接続して使う構成で、モデルの提供やファインチューニングは行いません。逆に言えば、モデルを乗り換えてもアプリ側の作り直しが不要という利点があります。

Difyでできること：5つの機能ブロック

現時点の公式サイトは、Difyの機能を Workflow Studio / Knowledge Pipeline / Agent / Marketplace / Publishing の5つで整理しています。

出典: langgenius/dify GitHub

1. Workflow Studio（ワークフロー構築）

LLM呼び出し・条件分岐・変数抽出・ツール実行などのノードをドラッグ&ドロップでつなぎ、多段処理を設計します。実務でよく使われるのは以下のような構成です。

• 問い合わせメールを分類 → 該当マニュアルを検索 → 返信文を生成 → 担当者が承認してから送信
• 議事録の文字起こしを要約 → 決定事項とタスクを抽出 → 表形式で出力
• 見積書PDFから項目を抽出 → 社内基準と突合 → 逸脱があればアラート

Human-in-the-Loop（人の承認を挟む設計） に標準対応しており、v1.15.0以降はフォームでのドロップダウン選択・ファイルアップロードにも対応しました。AIの出力をそのまま外に出さない業務フローを作れる点が、社内展開では効きます。

2. Knowledge Pipeline（RAG／ナレッジ構築）

公式ドキュメントでは「生データを検索可能なナレッジベースへ変換する文書処理ワークフロー」と定義され、データソース → 抽出 → 加工 → ナレッジ格納の4段階で構成されます。テンプレートから開始する、ゼロから組む、既存パイプラインをインポートする、の3通りで作成できます。

社内規程・製品マニュアル・FAQを取り込めば、社内検索チャットボットを短期間で立ち上げられます。v1.15.0ではExcel内に埋め込まれた画像の抽出にも対応しました。

3. Agent（AIエージェント）

ツール・メモリ・権限境界を持つエージェントを構築できます。2026年7月のv1.16.0では、Dify Agent（Beta） として、隔離されたLinuxサンドボックス内でシェルやコードを実行する新しい方式が追加されました。標準化された「スキル」形式で機能をパッケージ化し、ファイルやツールをUIからアップロード・接続して、そのままWebアプリとして公開できます。

ただし公式は「Dify Agentは信頼できる、悪意のないユーザーにのみ提供すべき」と明記しています。シェル実行環境である以上、不特定多数への公開は想定されていません。エージェントの基礎概念はAIエージェントとは？仕組み・活用事例・リスクを解説で整理しています。

4. Marketplace（プラグイン）

モデルプロバイダー、ツール、データソース、トリガー、エージェント戦略、拡張機能、バンドルの各カテゴリでプラグインが配布されています。必要な連携先を後から追加していく形なので、初期構築時点ですべてを決め切る必要はありません。

5. Publishing（公開手段）

作ったアプリは以下の形式で公開できます。

• 共有URL付きのWebアプリ
• REST API（自社システム・Slackボットなどから呼び出し）
• 既存サイトへの埋め込み
• MCPツールとしての公開 — Claude Desktop・Cursorなど、MCP対応クライアントからDifyアプリをツールとして呼び出せます

v1.16.0ではMCPプロトコルがアップグレードされ、バージョンネゴシエーションと構造化されたツール出力に対応しました。MCPの仕組み自体はMCPとは？Model Context Protocolの基礎と使い方で解説しています。

2026年最新アップデート：v1.15.0〜v1.16.1で何が変わったか

2026年8月22日時点の最新安定版はv1.16.1です。 直近3バージョンの変更点は、機能追加よりも「本番運用に耐えるかどうか」に重心が移っています。

出典: langgenius/dify GitHub

アップグレード時の注意点として、v1.16.0はマイグレーション9件・新規環境変数28件を伴います。セルフホストで運用している場合、.env の差分確認とバックアップを取ってから上げるのが安全です。

押さえておきたい変化：difyctl によるCLI運用

v1.15.0で提供が始まった公式CLI difyctl により、Web UIを開かずにターミナルやCIパイプラインからDifyアプリ・ワークフローを実行できるようになりました。macOS／Linux／Windowsに単一コマンドでインストールでき、チェックサム検証付きのバイナリが配布されています。日本語ドキュメントは docs.dify.ai/ja/cli/overview で公開されています。

これにより、「GUIで作ったワークフローを、夜間バッチやGitHub Actionsから叩く」という運用が現実的になりました。GUIツールの弱点だった自動実行・定期実行の穴が埋まった形です。

Difyの料金プラン（2026年8月時点）

Dify Cloudは無料のSandboxを含む3プラン、セルフホストのCommunityは無料、Enterpriseは個別見積もりです。 公式の料金ページは既定で年払い表示（17%オフ）になっているため、月額と年額を混同しないよう注意してください。

Dify Cloud

• APIレート制限は、Sandboxが月5,000リクエスト、Professional／Teamは公式表記で「制限なし」
• ナレッジ操作のレート制限はSandbox 10回/分、Professional 100回/分、Team 1,000回/分
• トリガーイベントはSandbox 3,000件/月（1ワークフローあたり最大2トリガー）、Professional 20,000件/月、Team 無制限
• ドキュメント処理・ワークフロー実行の優先度もプランで段階差があります

セルフホスト・Enterprise

見落としやすい「二重構造」

Difyの利用料と、裏で動くLLMのAPI従量課金は別会計です。 公式のメッセージクレジットの説明にも「クレジットは各社モデルを手軽に試すためのもので、使い切ったら自分のAPIキーに切り替えてください」と明記されています。つまりクレジットは試用枠であり、本番運用は自前APIキー前提です。

「Communityは無料だからコストゼロ」という見積もりは成立しません。サーバー費用＋LLM API費用＋運用工数が実コストです。逆にCloudのProfessional（$59/月）でも、実際の支払いは「$59＋LLM API利用料」になります。社内稟議では両方を分けて出しておくと後で揉めません。

教育プログラム

18歳以上の在学中の学生・教職員を対象に、年額Professionalプランを無償提供する制度があります。学校発行のメールアドレスをアカウントに紐付けることが条件で、卒業生や個人用アドレスでは新規申請できません。ただしメッセージクレジットはSandbox相当（200）にとどまるため、使い切った後は自前APIキーでの継続利用になります。

ツール全体のコスト比較は生成AIツールおすすめ比較も参考にしてください。

Difyの使い方①：クラウド版で始める5ステップ

最短で試すならクラウド版です。アカウント登録からアプリ公開まで、慣れれば30分程度で一巡できます。

ステップ1：アカウント登録
https://cloud.dify.ai にアクセスし、GitHub・Google・メールアドレスのいずれかでサインアップします。Sandboxプランは無料で即利用できます。

ステップ2：モデルプロバイダーのAPIキーを登録
「設定」→「モデルプロバイダー」で、使用するLLM（OpenAI・Anthropic・Geminiなど）のAPIキーを設定します。Ollamaなどのローカルモデルを使う場合はエンドポイントURLを指定します。ここで登録したキーの利用料は各社に直接支払う形になります。

ステップ3：アプリを作成
「アプリを作成」から、チャットボット／テキスト生成／エージェント／ワークフロー（チャットフロー）を選びます。最初の1本はチャットボットが最も分かりやすく、テンプレートを取り込んで中身を読み解く方法も有効です。

ステップ4：プロンプト設計とナレッジ接続
システムプロンプトを書き、必要ならナレッジ（RAG用ドキュメント）を紐付けます。右側のプレビューで即座に挙動を確認できます。v1.15.0以降は思考過程（CoT）が専用パネルに表示されるため、「なぜこの答えになったか」を追いやすくなりました。

ステップ5：公開する
「公開する」で共有URLが発行され、同時にAPIエンドポイントも生成されます。埋め込みコードやMCPツールとしての公開もここから設定します。

Difyの使い方②：Docker Composeでセルフホストする手順

社内データを外部に出せない場合は、Community Edition（OSS版）をDocker Composeで自社環境に構築します。 公式ドキュメントに沿った手順は以下のとおりです。

事前に必要な環境（公式の最小要件）

構築コマンド

# 最新リリースタグを取得してクローン
git clone --branch "$(curl -s https://api.github.com/repos/langgenius/dify/releases/latest | jq -r .tag_name)" https://github.com/langgenius/dify.git

cd dify/docker
cp .env.example .env

# 起動
docker compose up -d

# 起動状態を確認
docker compose ps

起動が完了したら、http://localhost/install（サーバー上なら http://<サーバーIP>/install）にアクセスして管理者アカウントを作成します。以降のアプリ本体は http://localhost です。

起動する構成

Docker Composeで立ち上がるのは、コアサービス7種＋依存コンポーネント8種＋初期化タスク1種です。初期化タスクは完了後に自動終了します。ベクトルDB・リバースプロキシ・サンドボックス実行環境などが含まれるため、単一のWebアプリより構成が重い点は最初に理解しておく必要があります。

本番運用で追加検討する項目

最小要件（2コア／4GiB）は検証用の下限です。実運用では以下を前提に設計してください。

• リソース: ドキュメント処理とベクトル検索がボトルネックになりやすく、ナレッジ規模に応じてメモリを増やす。公式は本番向けの推奨スペックを数値では公開していないため、実データでの負荷試験が現実的
• バックアップ: PostgreSQL（アプリ設定・ログ）とベクトルDB、アップロードファイルの3系統
• HTTPS化と公開範囲: 社内利用ならVPN・社内ネットワーク内に閉じる。インターネット公開する場合はリバースプロキシでのTLS終端とアクセス制御が必須
• アップデート運用: セルフホストでは脆弱性対応のためのバージョン追従が事実上の義務になります

構築のハードルとしては「Dockerを扱える担当者が最低1名いること」が実質的な条件です。ここが確保できない場合、無理にセルフホストせずCloudのProfessional／Teamから始めるほうが総コストは低くなります。

Difyの日本語対応はどこまで進んでいるか

UI・公式ドキュメント・国内サポートのいずれも日本語に対応しており、日本語環境での利用ハードルは低い部類です。 ただし「日本語で使える」ことと「日本語で精度が出る」ことは別問題なので、分けて把握してください。

日本語RAGで精度を出すときの実務ポイントは次の2点です。

1. チャンク分割の見直し — 日本語は英語より1トークンあたりの情報量が異なるため、デフォルトのチャンクサイズだと文脈が切れることがあります。実データで検索結果を見ながら調整する前提で組むこと
2. 埋め込みモデルの選定 — 日本語ドキュメントを扱うなら、日本語に強い埋め込みモデルを選ぶだけで検索ヒット率が変わります。モデルはプロバイダー設定で差し替えられるため、比較して決めるのが確実です

Difyの強み

出典: langgenius/dify GitHub

1. モデルを固定せずに済む
OpenAI・Anthropic・Gemini・xAI・Tongyiなど複数のプロバイダーを接続でき、Ollama等のローカルモデルにも対応します。モデルの価格改定や性能更新があっても、ワークフローの構造を変えずに差し替えられるのは、長期運用では大きな利点です。

2. 作る・試す・公開する・見るが1画面で完結
プロンプト設計、ワークフロー構築、ナレッジ管理、公開、ログ監視までを同じ画面で扱えます。別々のツールを繋ぎ合わせる必要がなく、非エンジニアが関わる社内プロジェクトで特に効きます。

3. セルフホストという選択肢がある
ソースコードが公開されているため、外部SaaSにデータを預けられない業務でも自社環境で完結できます。Cloudで検証してからセルフホストに移す、という段階的な進め方も取れます。

4. 本番運用側の作り込みが厚い
ログ保持、アノテーション、トレース可観測性、Human-in-the-Loop、CLI実行と、「作った後」に必要な機能が揃っています。2026年に入ってからのリリースは、この領域への投資が中心です。

5. 国内の一次情報とパートナーが揃っている
日本法人が公式ニュースで導入事例を継続的に公表しており、導入検討時に社内へ提示できる材料が集めやすい状況です。

6. 公開監査を受けている
SOC 2 Type I／Type II、ISO 27001:2022、GDPR対応を2年連続で完了しており、コンプライアンスレポートは公式手順で取得できます。Trust Center（security.dify.ai）ではサブプロセッサ一覧も公開されています。

Difyの弱み・できないこと

LangChain・n8n・Flowise／Langflowとの違い

LangChainとの比較が最も多いですが、両者は競合というより層が違います。 LangChainはコードで書くフレームワーク、DifyはGUIで作って公開まで担うプラットフォームです。

出典: langchain-ai/langchain GitHub

Dify と LangChain の選び分け

LangChainは2025年10月にLangChain 1.0・LangGraph 1.0がGAとなり、現在は「LangChainでエージェントを組み、LangGraphで耐久性のあるオーケストレーションを行う」という役割分担が主流です。運用・可観測性はLangSmith（Developer $0／Plus $39・1シート/月／Enterpriseはカスタム、トレース超過分は従量）が担います。

用途別の目安は次のとおりです。

• コードで細かく制御したい／既存のPythonアプリに深く組み込みたい → LangChain＋LangGraph
• 非エンジニアを含むチームで内製し、公開・運用まで一気に持っていきたい → Dify
• PoCはDifyで速く回し、要件が固まった部分だけコードで作り直す → 併用（実際によく取られる形）

フレームワーク側の詳細な比較はAIエージェントフレームワーク比較で扱っています。

Dify と n8n の選び分け

n8nはSaaS間連携・業務自動化のツールで、料金はCloud Starter €20/月（年払い・月2,500実行）、Pro €50/月（10,000実行）、Business €667/月（40,000実行・セルフホスト可・SSO対応）という体系です。課金単位は「ワークフロー実行1回」で、ユーザー数・ワークフロー数は無制限です。

「複数SaaSをまたぐ定型業務の自動化」が主目的ならn8n、「LLMの精度とナレッジ設計が主目的」ならDifyです。実務では n8nがトリガーと連携を担い、AI処理部分だけDifyのAPIを叩く 構成も現実的です。中小企業での自動化の進め方は中小企業のAI自動化ガイドも参考になります。

Dify と Flowise／Langflow の選び分け

いずれもフロー型のLLMアプリビルダーで、個人の検証や学習には十分です。Difyとの差は、ナレッジ管理・アノテーション・ログ／トレース・チーム権限・複数の公開手段といった「組織で運用する側」の作り込みにあります。1人で試すならどれでも構いませんが、チームで運用しはじめると差が出ます。

ライセンスと商用利用の条件

Difyは Dify Open Source License（Apache 2.0＋追加制限）で公開されており、商用利用そのものは可能です。 社内の業務プラットフォームとして使う、自社サービスのバックエンドとして使う、といった用途は追加ライセンスなしで行えます。

ライセンス条文で商用ライセンスが必要になるのは、次の2ケースです。

1. マルチテナント環境での運用 — 書面での承諾なしに、Difyのソースコードを使ってマルチテナントサービスを運用することはできません。ここでのテナントとは、データと設定が分離された各ワークスペースを指します。要は「Difyをそのまま他社向けSaaSとして提供する」形が該当します
2. ロゴ・著作権表示の削除／改変 — Difyのコンソールやアプリケーション上のロゴ・著作権情報を削除・改変することはできません。対象はフロントエンド（ソースの web/ ディレクトリ、Dockerの web イメージ）で、フロントエンドを使わずAPIのみを利用する構成には該当しません

判断に迷うグレーゾーン（例：グループ会社に横展開する場合など）は、自己判断せずLangGeniusへ確認するのが安全です。

セキュリティ：セルフホストなら「バージョン追従」が必須条件

Difyを自社サーバーで運用するなら、脆弱性情報の追跡とアップデートを運用作業として組み込む必要があります。 これはDify固有の欠陥というより、活発に開発されているOSSを本番で使う際の一般的な前提ですが、実際に高深刻度の指摘が継続して公開されているため、精神論では済みません。

公開されている主なセキュリティアドバイザリ

さらに CVE-2026-41948 として、v1.14.1以前に存在したパストラバーサル（CVSS v4.0で9.3／Critical）が報告されています。認証済みユーザーがURLのサニタイズ不備を突き、Plugin Daemonの内部REST APIへ到達できるという内容で、対処はv1.14.1より新しいバージョンへの更新です。関連して認証バイパス系の指摘も同時期に公開されています。

一方で、v1.16.1ではエージェントサンドボックスをSquidプロキシと厳格なACL配下で動かす、API↔エージェントバックエンド間にBearerトークン認証を入れる、Jinja2をサンドボックス化するといったハードニングが入りました。Dify Agent機能を使うなら、v1.16.1以上を選ぶのが妥当です。

セルフホスト運用のチェックリスト

• GitHubのReleasesとSecurity Advisoriesを購読し、更新を検知できる体制にする
• 少なくとも月1回、バージョン差分を確認して適用可否を判断する
• アップデート前にDB・ファイルのバックアップを取る（v1.16.0はマイグレーション9件を含む）
• 管理コンソールをインターネットに直接公開しない（VPN・IP制限・リバースプロキシ）
• LLMのAPIキーは環境変数・シークレット管理で扱い、権限とレート上限を絞る
• アップロード可能なファイル形式を業務上必要な範囲に限定する
• Dify Agentを使う場合は利用者を社内の信頼できる範囲に限定する

Cloud版を選べば、これらのパッチ適用はDify側で行われます。「セルフホストのほうが安全」ではなく、「安全にする責任を自社が引き受ける」 という理解が正確です。生成AI全般のリスク整理は生成AIのセキュリティリスクと対策、エージェント特有の権限設計はAIエージェントのセキュリティガイドで詳しく扱っています。

日本国内の導入事例

日本法人の公式発表によると、Dify Enterpriseはグローバルで280社超、日本国内では50社超の企業・自治体が採用を公表しています（2026年8月時点の公式発表値）。公表されている代表的な事例は以下のとおりです。

傾向として、金融・通信のような大規模組織と、自治体・大学のような「現場に作らせたい」組織の双方で採用が進んでいます。 共通するのは、情シスが基盤を用意し、各部門が自分でアプリを作る「現場内製型」の運用です。ここがコードベースのフレームワークとの分岐点になります。

Cloud・Community・Enterpriseの選び方

導入形態は、以下の順に判断すると迷いません。

Q1. 扱うデータを外部SaaSに置けますか？

• 置ける → Q2へ
• 置けない（機微情報・規程上不可） → Community（セルフホスト） または Enterprise。ただしDockerを扱える担当者が必要

Q2. 利用は何名規模で、SSOや複数ワークスペースが必要ですか？

• 1名・検証だけ → Sandbox（無料）
• 3名程度・単一プロジェクト → Professional（$59/月・$590/年）
• 最大50名・複数プロジェクト → Team（$159/月・$1,590/年）
• 全社展開でSSO・監査・複数ワークスペースが要る → Enterprise（個別見積もり）

Q3. インフラを運用できる担当者がいますか？

• いない → Cloud一択。セルフホストは初期構築より継続運用（アップデート・バックアップ）が負担になります
• いる → Communityで自社構築。将来的な全社展開時にEnterpriseへ切り替える経路も取れます

コストの目安を整理すると、次のようになります。

こんな方におすすめ / おすすめしない方

おすすめできるケース

• 社内の生成AI活用をノーコードで立ち上げたい情シス・DX担当 — Pythonを書かずにRAGや承認フロー付きの業務アプリを作れます
• 各部門に自分でアプリを作らせたい大企業・自治体 — 基盤を情シスが用意し、現場が内製する運用に合います
• 社内文書検索（RAG）を短期間で形にしたい企業 — ナレッジ機能が標準搭載で、取り込みから公開まで一気通貫です
• 複数のLLMを比較しながら選定したいチーム — モデルを差し替えても構成を作り直さずに済みます
• DifyのアプリをClaude DesktopやCursorから呼び出したい開発者 — MCPツールとしての公開に対応しています
• 機密データを社内に閉じたい企業でDocker運用者がいる場合 — Community版で自社完結の構成が組めます

おすすめしないケース

• 独自アルゴリズムをコードで細かく制御したいエンジニア — LangChain＋LangGraphのほうが素直で、後々の保守もしやすくなります
• 主目的がSaaS間連携・定型業務の自動化 — n8nやZapierの領域です
• Difyをそのままマルチテナントの自社SaaSとして販売したい事業者 — 商用ライセンス契約が前提になります
• インフラを運用できる人材がおらず、かつクラウド保存にも懸念がある組織 — どちらの選択肢も無理が出るため、まず社内ルールの整理が先です
• LLM費用込みの固定料金パッケージを求めている組織 — Difyの費用はプラットフォーム料金とAPI従量課金の組み合わせです
• 不特定多数の外部ユーザーにシェル実行型エージェントを提供したい場合 — Dify AgentはBetaであり、公式も信頼できる利用者に限定するよう求めています

よくある質問（FAQ）

Q1. 最新バージョンは？アップデートは必要ですか？
2026年8月22日時点の最新安定版はv1.16.1（2026年7月28日リリース）です。Cloud版は自動的に更新されますが、セルフホストの場合は自分で更新する必要があります。v1.14.1以前にはCritical判定の脆弱性（CVE-2026-41948）が報告されているため、古いバージョンで止めている環境は優先的に更新すべきです。

Q2. Sandboxの200クレジットを使い切ったらどうなりますか？
公式の説明では、クレジットは各社モデルを試すための枠であり、使い切った後は自分のAPIキーに切り替えて利用を継続する形になります。Difyの機能自体が止まるわけではなく、LLM呼び出しの費用負担先が変わるという理解が正確です。

Q3. セルフホスト版に必要なスペックは？
公式の最小要件はCPU 2コア以上・メモリ4GiB以上、Docker Compose v2.24.0以降です。ただしこれは検証用の下限で、ナレッジのドキュメント量が増えるほど処理負荷が上がります。本番向けの推奨値は公式に数値記載がないため、実際のデータで負荷を測って決めるのが確実です。

Q4. 個人情報や機密文書を扱っても大丈夫ですか？
社内ルール次第です。Cloud版はSOC 2 Type II・ISO 27001:2022・GDPR対応の監査を受けており、Trust Center（security.dify.ai）でサブプロセッサ一覧やコンプライアンス情報が公開されています。外部への保存自体が規程で認められない場合は、セルフホストかEnterpriseのVPC構成を選ぶことになります。

Q5. Difyの日本語ドキュメントはありますか？
あります。docs.dify.ai/ja/ で日本語ドキュメントが公開されており、CLI（difyctl）の解説も日本語版があります。UIも日本語表示に切り替えられますが、追加されたばかりの機能は英語表記のまま提供される場合があります。

Q6. 無料で使い続けることはできますか？
Community Edition（OSS版）を自社サーバーで動かせば、Dify自体のライセンス費用はかかりません。ただしサーバー費用とLLM API費用、そしてアップデート対応の工数は発生します。Cloud版のSandboxも無料ですが、1メンバー・5アプリ・ナレッジ50文書という枠内での利用です。

Q7. DifyとLangChain、どちらを選ぶべきですか？
チームで素早く形にして公開・運用したいならDify、コードで細かく制御したいならLangChain（＋LangGraph）です。相互排他ではなく、Difyで仮説検証してから、要件が固まった部分をコードで作り直すという進め方も一般的です。

Q8. difyctl は何に使うものですか？
v1.15.0で提供が始まった公式CLIで、Web UIを開かずにターミナル・スクリプト・CIパイプラインからDifyアプリやワークフローを実行できます。定期バッチ処理や、他システムからの呼び出しを組み込む際に使います。

Q9. 自社サービスに組み込んで販売できますか？
自社サービスのバックエンドとしてAPIを組み込む用途は、追加ライセンスなしで可能です。一方、Difyそのものをマルチテナント型のSaaSとして他社に提供する場合や、コンソール上のロゴ・著作権表示を削除・改変する場合は商用ライセンスが必要です。

Q10. Dify Agent（Beta）は業務で使えますか？
社内の限定された利用者に対してなら選択肢になりますが、Beta段階であり、公式も「信頼できる、悪意のないユーザーにのみ提供すべき」と明記しています。隔離環境とはいえシェル実行を伴うため、外部公開や不特定多数への提供は避けるべきです。

まとめ

Difyは、LLMアプリの構築から公開・運用までをGUIで一気通貫に扱えるオープンソースプラットフォームです。2026年8月時点ではv1.16.1が最新で、Dify Agent（Beta）・difyctl・思考過程の可視化・Human-in-the-Loop強化と、「作れる」から「運用できる」への機能拡張が続いています。

導入判断の要点を整理すると次のとおりです。

• 試すだけならCloudのSandboxが最短。アカウント登録とAPIキー設定だけで動く
• チーム利用ならProfessional（$59/月・$590/年）かTeam（$159/月・$1,590/年）。年払いで17%オフ
• データを外に出せないならCommunity（セルフホスト）。ただしDocker運用者とアップデート体制が前提
• 全社展開・SSO・複数ワークスペースが必要ならEnterprise（個別見積もり）
• 費用はDify料金＋LLM API従量課金の組み合わせ。無料版でもAPI費用は発生する
• セルフホストでは脆弱性対応のためのバージョン追従が必須。v1.14.1以前は要更新

コードで細かく制御したい要件が主なら、LangChain＋LangGraphのほうが適しています。逆に、非エンジニアを含むチームで内製し、公開と運用まで自分たちで回したいなら、現時点でDifyは有力な選択肢です。

あわせて読みたい

• AIエージェントとは？仕組み・活用事例・リスクを解説 — Difyで作れるエージェントの基礎概念
• AIエージェントフレームワーク比較 — LangChain・LangGraphなどの選び分け
• MCPとは？Model Context Protocolの基礎と使い方 — DifyアプリをMCPツールとして公開する前提知識
• 生成AIのセキュリティリスクと対策 — 業務利用時のリスク整理
• 生成AIツールおすすめ比較 — 主要ツールの全体像
• 生成AIとは？仕組みから活用事例まで解説 — 基礎から確認したい方へ