Dify

소개

주요 기능

• 블록을 드래그해 연결 → 시각적 오케스트레이션으로 실행 가능한 LLM 앱 생성
• flow에 retrieval 단계 추가 → 별도 스캐폴딩 없이 작동하는 RAG 파이프라인 완성
• 한 프로젝트에 여러 에이전트 정의 → 관측 가능한 동기화된 multi-agent 워크플로
• 배포 대상 토글 → 동일 프로젝트를 Dify Cloud 또는 self-host로 실행
• docker-compose up 또는 pip install → 몇 분 만에 개발용 로컬 인스턴스 준비

이런 상황에 추천

• 제품 매니저가 내부 고객지원용 도우미를 만들 때, 회사 지식에서 답변을 가져오는 RAG 파이프라인을 구성할 때
• ML 엔지니어가 팀 간 문서 처리 자동화를 위해 여러 에이전트를 조합한 워크플로를 구축할 때
• 플랫폼 엔지니어가 여러 앱의 LLMOps 표준화와 모니터링·관리형 배포를 설정할 때

이렇게 써보세요

1. 1
   사내 지원 봇 만들기

   계정을 만들거나 로컬에 설치해 새 프로젝트 시작 → 시각적 캔버스에 워크플로우 블록을 끌어다 놓고 회사 문서를 조회하는 검색 단계 추가 → Dify Cloud 또는 자체서버에 배포한 뒤 지식 기반에서 답변하는지 테스트합니다.

2. 2
   문서용 RAG 파이프라인 구성

   플로우를 생성하고 PDF나 지식 저장소를 인덱싱할 검색 블록을 추가 → 검색된 컨텍스트를 사용하도록 LLM 블록을 연결해 응답을 생성 → 코드 작성 없이 바로 실행해 결과를 검증하고 검색 설정을 조정합니다.

3. 3
   멀티에이전트 처리 설계

   한 프로젝트에 여러 에이전트를 정의하고 메시지·작업 블록으로 연결 → 각 에이전트에 추출·요약·분류 역할을 맡기고 입출력 흐름을 시각적으로 구성 → 내장 관찰 도구로 에이전트 간 조정을 확인하며 디버그합니다.

4. 4
   로컬 개발: 빠른 인스턴스 실행

   레포를 클론하거나 이미지를 받아 docker-compose up(또는 pip install) 실행 → 시각적 캔버스에서 간단한 플로우를 만들어 로컬에서 반복 개발 → 만족하면 배포 대상 토글로 동일한 프로젝트를 클라우드나 자체 호스트로 전환합니다.

5. 5
   팀 전반의 LLMOps 표준화

   지원봇·수집 파이프라인·에이전트 오케스트레이션 같은 템플릿을 시각 빌더로 만들어 저장 → 프로젝트 간 템플릿을 재사용하고 관찰(모니터링) 훅을 연결 → 관리형 배포나 자체 호스트를 사용해 런타임과 모니터링을 일관되게 적용합니다.

장단점

시작하는 법

1. 1 Dify Cloud에 가입하거나 로컬에서 docker-compose up으로 설치
2. 2 새 프로젝트를 만들고 비주얼 에이전트 빌더로 워크플로나 RAG 파이프라인을 스케치
3. 3 Sandbox에 배포 후 테스트 대화를 실행해 몇 분 내에 end-to-end 출력 확인

가격 정보