岸田崇史 | Omluc

统计数据

14
文章
0
粉丝
0
获赞
33
阅读
avatar
Difyが1.8.0にアップデートされました！ Difyのモデル管理が非常にやりやすくなったことや、DifyをAPIで呼び出す時に、爆速になったというアップデートが嬉しい！ この短期間で大量のアップデートがあるのが本当にすごい！ ==== 🎉 Dify v1.8.0 セキュリティ強化、パフォーマンス最適化、UIの磨き込み、そしてワークフロー／エージェントの“使える新機能”を大量投入。現場の開発・運用を一段引き上げるメジャーアップデートです。 【アップデートの要点】 ・ワークフローがより強く、速く：開始ノード変数のデフォルト値、エージェントノードの使用状況メトリクス、非同期リポジトリ化で実行時間を約半分に短縮（初期テスト）。 ・統合がラクに：マルチモデル認証システムとMCP（OAuth）サポートでマルチベンダー運用やリソース検出がスムーズに。 ・日々のUXが快適に：ナレッジベースのドキュメント並び替え、ドキュメント名ツールチップ、拡張可能なGoto-Anythingなど細かい使い勝手を底上げ。 ・セキュア＆信頼性：Redis SSL/TLS、Swagger認証、ユーザー列挙対策、SQLインジェクション修正などを反映。 1) ワークフローとエージェントの“現場で効く”進化 ・✅ 開始ノード変数にデフォルト値 　・何が変わる？ すべての開始ノード変数タイプにデフォルト値を設定可能に。実行時に入力が欠けてもワークフローが破綻しづらく、運用の堅牢性が上がります。 　・うれしいポイント 　　・フォーム未入力や外部トリガーの欠損に強い 　　・サンプル実行や自動テストが楽になる 　　・オンボーディング時の“最初の一歩”をスムーズに 　・活用例 　　・フィルタの既定値（例：language=ja、top_k=5） 　　・フォールバック用プロンプト／テンプレート文字列 ・📊 エージェントノードの使用状況メトリクス 　・何が見える？ エージェントノード単位でトークン利用などのメトリクスを可視化。プロンプト最適化やコスト管理に直結します。 　・嬉しいシナリオ 　　・高トークン消費ノードの特定 → 分割・キャッシュ・KB活用で改善 　　・重要会話のボトルネック把握 → プロバイダー／モデル切替の判断材料に ・⚡ 非同期 WorkflowRun/WorkflowNodeRun リポジトリ 　・何が良くなった？ 実行処理を非同期化しノンブロッキングに。特に並列ノードが多い複雑フローで実行時間が大幅短縮（初期テストでは約半減）。 　・向いているユースケース 　　・複数 API コールや並列 RAG を組み合わせる検索・要約フロー 　　・承認待ちや外部 I/O が絡むロングラン処理 ・🧠 マルチモデル認証システム 　・何ができる？ 新しいデータベース設計に基づく包括的な認証管理。プロバイダー／モデルごとに資格情報を安全に格納し、マルチベンダー運用をシンプルにします。 　・導入メリット 　　・チームや環境（本番／検証）ごとの資格情報セグメント 　　・モデル切替の試行錯誤が容易（A/B やフォールバック戦略に最適） ・🔌 MCP（Model Context Protocol）をOAuthで 　・何が嬉しい？ OAuth 経由のリソース検出に対応し、統合作業が明確＆安全に。MCP を使ったツール・データ接続の幅が広がります。 　・典型ユースケース 　　・社内 SaaS からの安全なコンテキスト取得 　　・接続切れや権限更新の運用を自動化／標準化 2) 毎日の作業がはかどる UI/UX の磨き込み ・ナレッジベース：ドキュメントのステータスで並び替え ・ドキュメント名ツールチップ ・拡張可能な Goto-Anything ・セットアップ後の安全な自動ログイン ・アバター削除の確認モーダル ・ダークモードの細部調整 3) セキュリティ & 信頼性の底上げ ・Redis SSL/TLS 証明書認証に対応 ・Swagger ドキュメント認証 ・ユーザー列挙を防ぐ標準化エラーメッセージ ・カスタムヘッダーが認証方式で無視される問題を修正 ・Oracle VDB の SQL インジェクション修正 4) API／バックエンドの開発者体験 ・Flask-RESTful → Flask-RESTX へ移行 ・API ドキュメント強化（ファイルエンドポイント、MCP、サービス API） ・Compose でプラグインの stdio バッファサイズを設定可能に 5) パフォーマンス & データベース最適化 ・セマンティックバージョン比較によるベクターデータベースのバージョンチェック ・AnalyticDB のロールバック挙動を改善 ・データセットのクリーンアップ最適化 6) ドキュメント & 品質保証 ・（LLM 開発ガイド） ・ECS + CDK のデプロイ手順を追加 ・Markdown 自動フォーマット ・テスト強化：レート制限の包括的スイート、コンテナベースの統合テストを複数サービスに適用 7) いますぐ体験：おすすめチェックリスト ・ワークフロー開始ノードにデフォルト値を設定し、欠損入力への耐性を確認。 ・エージェントノードのメトリクスを見て、トークン多消費ノードを特定 → プロンプトやモデルを調整。 ・マルチモデル認証で主要プロバイダーの資格情報を整理。切替テストやフォールバックを設計。 ・MCP（OAuth）で必要な社内／外部リソースを接続し、権限・検出の動作をチェック。 ・ナレッジベースの並び替えや Goto-Anything を日々の運用に取り入れて、移動・確認の摩擦を低減。 ・Redis SSL/TLS と Swagger 認証の設定を見直し、既存環境のセキュリティを強化。 8) おまけ：改善・修正ピックアップ（抜粋） ・ループ終了条件がループ内ノードの変数を受け付けるように。 ・エージェントノードのプロンプトトークンと完了トークンを分離してカウント。 ・ツール設定における数値入力の挙動を修正。 ・HTTP リクエストノードのリモート URL 由来ファイルの扱いを修正。 ・UI の境界線半径の一貫性、React 警告の解消など、細かい粗を徹底磨き込み。 最後に Dify 1.8.0 は、“作る・回す・守る” のすべてを底上げするアップデートです。特に、 ・開始ノードのデフォルト値 ・エージェントメトリクス ・非同期化による高速実行 ・マルチモデル認証 & MCP（OAuth） は、今日からすぐに効果が出る注目ポイント。ぜひプロジェクトでお試しください！🚀
#Dify 1.8.0 #ワークフロー高速化 #マルチモデル認証 #セキュリティ強化 #UX改善
avatar
社内でDifyを浸透させるカギは、現場が日常的にアプリに触れることです。 例えば、経理や総務に届く「これ経費で落ちますか？」という質問を、社内規定を元にAIが一次判断し、難しい場合だけTeamsで担当者に通知する。 この仕組みを今回のワークフローではRAGとMCPで実現しています。 小さな事例を通じてDifyに触れる機会が増えると、「この機能、他の業務にも使えるのでは？」と、現場は発想を広げやすくなります。 まずは社員全員が関わる、ちょっと面倒な業務を1つ選び、それをどんな機能で解決できるのか？を棚卸してみましょう。 保存して、お盆明けに試してみてください！
#Dify #RAG #MCP #AI #経費
avatar
Dify 1.6の新機能「MCPサーバー」を活用し、Outlookに届いた問い合わせメールをTeamsとスプレッドシートへ自動転送するアプリを開発しました！ MCPの機能により、Outlookに送信された問い合わせメールを自動で検知し、その内容をTeamsに連携します。担当部門のメンバー全員がTeamsで問い合わせ状況をリアルタイムに把握できるため、対応漏れや二重対応を防ぎ、迅速な顧客対応を実現します。 同時に、問い合わせ内容をスプレッドシートのFAQ一覧に自動追記することで、手作業による転記の手間を削減します。 また、問い合わせ内容をカテゴリ別に整理できるため、FAQのブラッシュアップやお問い合わせ数の多いカテゴリの特定にも活用できます。 チームでのカスタマーサポート対応にありがちな課題を解決し、効率的に問い合わせ対応を振り返られる仕組みを作りましょう！
#Dify 1.6 #MCP服务器 #Outlook #Teams #スプレッドシート #問い合わせメール #自動転送 #顧客対応
avatar
Difyをはじめとした生成AIのさまざまなお悩みを解決するチャットボットを無料公開しました！ Dify Studioの#💬ディスカッション チャンネルにてさまざまな質問が寄せられていましたが、なかなか答えることができず... そこでDify に関するさまざまな疑問に回答するチャットボットを作成しました！ 以下から無料で利用できるのでご自由にご利用ください！
#Dify #生成AI #チャットボット #無料 #質問
avatar
企業向け助成金・補助金の調査をAIでサポートするワークフローを開発しました！ 「気になっているけど、調べるのが面倒…」 「忙しくて後回しになっている…」 そんな理由で、本来もらえるはずの資金を逃している経営者も多いと思います。 今回のアプリは会社名や事業内容を簡単に入力するだけで AIが最新の公的支援情報から最適な制度を選び、提案してくれます。 使ってみたい方は「Dify」とリプライをお願いします！ 法人導入が加速するDifyの最新情報を発信していますので、ぜひフォローもお願いします💪
#AI #助成金・補助金 #企業 #Dify
avatar
Difyがv1.6.0にアップデートされました！ MCP機能がすごい！！ 1. MCPをツールとして簡単に統合可能 2. DifyのワークフローをMCPとして公開可能 これによりDifyが双方向のMCPをサポートすることになりました！ === v1.6.0 機能まとめ 🎯 目玉機能 MCP（Model Context Protocol）サポート Anthropicの新しい業界標準プロトコルに対応 言語モデルとの統合が統一フォーマットで簡単に ⚡ 機能改善 トピックのドラッグ&ドロップ - トピックリストの並び替えが可能に SSL検証設定 - HTTPノードでSSL検証のON/OFF切り替え可能 バッチ埋め込み最適化 - Qdrantの書き込み一貫性も向上 質問分類器の強化 - instanceIdをclass-itemエディタに追加 Redisフォールバック - データ復元性を確保する堅牢なメカニズム追加 🐛 バグ修正 JSON出力のデータ整合性問題を解決 変数名の重複を防ぐ一意性確保 ドロワーのコピーボタンがクリック可能になるよう修正 プラグインデーモンの起動失敗問題を解決 📌 要点 v1.6.0ではプロセスの大幅な最適化とボトルネックの解消を実現。MCPの導入により、モデル入出力の一貫性と互換性が大幅に向上し、統合・拡張がこれまで以上にスムーズに。
avatar
単純な文字起こしだけど、Difyの下半期が詰まっている...！ これ実装されたらさらに使いやすくなる。めっちゃ楽しみ。 そして作ったDeepResearchがユースケースの1番目として紹介されてて嬉しい。 以下文字起こし。 **00:00** えー、皆さんこんにちは。Difyのオープンソースエコシステム責任者を務めております、郑立です。コミュニティでは普段「ブナナ」（Banana）と呼ばれています。メールアドレスもBananaになっているのがお分かりいただけるかと思います。 **00:12** 私たちはGitHubで10万スターを獲得したオープンソースプロジェクトで、コミュニティのコントリビューターもメインリポジトリだけで800人以上います。GitHubでは多くのフォークがあり、Docker Hubでは800万回以上ダウンロードされています。 **00:31** はい、本日は主にこの6点についてお話しします。まずDifyの紹介、次にAgentic AIを構築するための5つの重要な要素。そして、私たちの新しいパラダイムである「Agentic Workflow」。それから、非常に重要なエコシステムの一部であるツールについて。さらに、いくつかのケーススタディと、今後のロードマップについてです。 **00:56** まずご紹介しますと、私たちのDifyは、様々な業界で非常に多くの応用例があります。例えば、金融、消費財、自動車、保険などです。各業界で既に広く使われており、企業内部では数千ものワークフローが稼働していることもあります。社内向けだけでなく、外部の一般消費者（CtoC）向けにも、このような基盤能力を提供しています。このスライドに表示されているのは、現在私たちの商用版をご購入いただいているお客様の一部です。 **01:28** 皆さんもご存知の通り、従来のMLOpsから大規模言語モデル（LLM）のLLMOpsへと移行する中で、私たちはこれを「発見」「開発」「普及」の3つの段階に分けて考えています。従来の手法では、ファインチューニングや専用モデルの構築は非常に高コストで、費用がかさみます。例えば医療分野でのデータラベリングでは、1ケースあたり20ドルから100ドルのコストがかかることもあります。データの校正となると、さらに時給50ドルといった投資が必要です。 **02:04** 一方、大規模言語モデルの場合、実際の効果を迅速に検証できるという利点があります。これにより、小さなアイデアを検証するために多額の費用をかける必要がなくなります。私たちにとっては、MVP（Minimum Viable Product）を非常に迅速に作成し、ビジネスロジックや事業価値を検証できることが最もシンプルな利点です。 **02:25** 開発の観点から見ると、従来のMLOpsは明確な効果が求められます。もしプロダクトがもたらす効果が明確でなければ、投資家からそのモデルの研究開発を続けるための資金を得ることは難しいでしょう。 **02:43** しかし、生成AIの時代では、大規模言語モデルを使ってアイデアを素早く検証するだけで済みます。 **02:51** そして普及の段階でも同様に、スピードが重要です。十分な速さがあれば、市場で不敗の地位を築くことができます。 **03:00** これは開発者だけの話ではありません。多くの企業にはビジネス担当者がいますが、彼らの声はしばしば見過ごされがちです。ここにいる多くは開発者で、自分たちでコードを書き、ワークフローを構築する方法を知っていますが、ビジネス担当者はそうではありません。だからこそ私たちは、彼らのアイデアを輝かせ、より簡単に実現できるようにしたいのです。そして、より多様な視点を刺激したいと考えています。 **03:30** ゼロから本番環境（Production）まで、私たちの理念は非常にシンプルです。「まず動かし、次に正しくし、そして速くする」（Make it work, make it right, make it fast）ということです。例えば、仮説の設定から始まり、コンセプトを検証し、製品をリリースしてユーザーを増やし、データとフィードバックを収集し、再び市場仮説を検証して製品を構築する。これは一種の「データのフライホイール」です。良いプロトタイプがなければ、このようなデータフライホイールを回すことは困難です。 **04:03** ご存知の通り、LLMアプリケーションはプロトタイプを作るのは非常に簡単ですが、それを本番環境に投入して運用するとなると、いくつかの課題があります。 **04:17** エージェントを構築するには、実際にはこの5つのモジュールに分けられます。大規模モデル、ワークフロー、RAG（後ほど説明しますが、パイプラインとも言えます）、ツール＆マーケットプレイス、そしてトレーシングです。ツールはエージェントが利用できる能力を意味し、MCPやプラグインなどがそれに当たります。マーケットプレイスはエコシステムであり、プラットフォームの発展に不可欠です。最後に、トレーシング、つまり可観測性も非常に重要です。モデルの出力が良いか悪いか、あるいは実行プロセスでどこを最適化できるかを測定する必要があります。 **05:20** 次に、従来の汎用AIエージェントが抱える課題、ジレンマについてです。例えば、「ツールを使ってくれない」「回答に満足できない」「特定のツールを最初に呼び出したい」といった問題があります。これらは不確実性をもたらします。 **05:45** 例えば、DeepSeek-R1というモデルは、ご存知の通りTool useをサポートしていません。Difyのプラットフォーム上でDeepSeekがツールを呼び出せるのは、内部的にReActという戦略にフォールバックしているからです。これはモデル自体がFunction Callをサポートしているわけではなく、Dify内部のエンジニアリング的な最適化によるものです。 **06:21** 他にも実現したいことはたくさんありますが、汎用エージェントだけでは実現できないことが多いのです。 **06:27** そこで、「エージェントか、ワークフローか？」という問題が浮上します。この図をご覧ください。横軸はハードコードからAIへ、縦軸は信頼性の低さから高さを示します。青い線はDifyのようなワークフロー製品、赤い線は一般的なエージェント製品の傾向を表しています。そして破線は「コードを書かずに高い信頼性を得たい」という人々の期待値です。現状では両者の間には大きな隔たりがありますが、将来的には交わる日が来るかもしれません。しかし、少なくとも現時点では、ワークフローが依然として安定した選択肢であると私たちは考えています。 **07:18** 次にRAGについてです。RAGには、ドキュメントを分割・埋め込み・保存する単純なNaive RAGや、LLMを繰り返し呼び出してデータを処理するAgentic RAG、リランキングやハイブリッド検索などを組み合わせたAdvanced RAGなど、様々なアプローチがあります。しかし、これらは特定の問題を解決するものであり、万能ではありません。 **08:22** そこで私たちは、次に「Agentic Workflow」と「RAG Pipeline」というものを進めていきます。これらは新しいパラダイムです。Agentic Workflowは既に実現可能です。なぜなら、ワークフローとエージェントは本質的に対立するものではないからです。ワークフローにエージェントのノードを複数追加すれば、それはマルチエージェントシステムになります。逆に、ワークフローをツールとして公開し、エージェントがそれを呼び出すこともできます。これもまたワークフローです。 **08:56** RAG Pipelineは、次の2四半期でリリース予定の機能で、OCRツールなどを使ってドキュメントから画像や数式をきれいに抽出し、知識ベースに保存する一連のプロセスをワークフローとして編成できます。 **09:17** 次にプラグインについてです。v1.0以前は、新しいモデルを追加するにはDify本体のバージョンアップが必要でした。全てのツールやプラグインがメインリポジトリにあり、頻繁な更新が必要になるという課題がありました。 **09:46** また、私たちはコミュニティ版、クラウド版、エンタープライズ版という3つのバージョンを提供しており、それぞれリリース戦略が異なるため、モデルの更新はさらに困難でした。 **10:00** 例えば、ModelScopeコミュニティのプロバイダーを追加したい場合、新しいアーキテクチャでは、プラグインリポジトリにプルリクエストを送るだけで、迅速に公開できるようになります。Dify本体を再ビルドする必要はもうありません。 **10:14** 次にMCP（Model Connector Protocol）です。MCPは銀の弾丸ではありません。Function Callの代替でもなく、完全に自動でもありません。依然としてある程度のカプセル化が必要です。しかしその利点は、異なるツールに対して統一されたプロトコルを提供することです。これにより、リソースの発見と委任実行を組み合わせ、ツール提供者はこのプロトコルに従うだけで、簡単にDifyのシステムに統合できるようになります。 **12:12** いくつかケーススタディをご紹介します。これはDeep researchです。DeepResearchの論文発表後すぐに、日本のコミュニティユーザーがDifyで再現してくれました。情報の検索、反復、最適化、要約という一連の流れが、私たちのプラットフォーム上ではワークフローとして実現できます。 **13:03** 次はブラウザ操作のケースです。PlaywrightやBrowser useのようなツールを使えば、エージェントが実際のウェブサイトと対話し、情報を取得したりフォームを操作したりできます。これもシンプルなワークフローです。例えば、ウェブサイト上の表情報を取得し、整形してレポートを作成したり、特定のビジネス情報を収集するためにウェブサイトを高速でクロールしたりできます。 **13:47** 次は医療分野でよくある2つのケースです。1つは「Sorting Hat」（組分け帽子）です。これは私が名付けましたが、要はトリアージ（患者の振り分け）です。医療リソースが不足している地域で、症状に応じて適切な診療科を案内したり、自宅療養を勧めたりできます。 **14:28** これは病院でよく見られる利用方法です。次に、これはコミュニティユーザーが貢献してくれたSmart AIアシスタントです。医療分野には病院だけでなく、その背後にある技術メーカーも存在します。医療機器メーカーは、保守が必要な機器に関する膨大な情報を抱えています。RAGを導入すれば、例えば患者監視モニターの出荷時期や型番、製品説明書、使用マニュアルなどを、このエージェントを通じて簡単に検索できるようになります。 **15:08** これらの事例は一見小さく見えますが、実際に導入され、価値を生み出しているものです。 **15:16** 最後に、今後の展望です。まずMCPですが、これは2週間以内にリリース予定で、ワークフローをMCPサーバーとして直接公開できるようになります。つまり、ワークフローをMCPサーバーとして扱い、他の人から呼び出せるようになります。また、他のエージェントからこのワークフローを呼び出したり、Toolsセクションに既存のMCPサービスを追加したりすることも可能です。 **15:49** RAG 2.0は、先ほど紹介したRAG Pipelineです。これはワークフロー形式でデータ取り込みプロセス全体を編成するものです。PDFから画像をうまく抽出できないという問題も、OCRツールを組み込むことで、画像とテキスト両方を含むリッチなコンテンツを知識ベースに保存できるようになります。私たちはテキストだけでなく、リッチコンテンツをサポートしています。 **16:26** Human-in-the-Loop（HITL）も、多くのユーザーが待ち望んでいる機能です。これは次の2四半期でリリース予定で、承認フローなどを組み込めるようになります。最後のTriggerは、n8nのように、定時実行やWebhookによってワークフローを起動する機能です。これも、基盤の改修が完了次第、今後のバージョンで実装していきます。 **17:23** はい、以上です。ご清聴ありがとうございました。
avatar
Difyの次のバージョンアップがとてつもなく大きそう。 RAG 2.0にトリガー機能まで。期待で胸が張り裂けそう。
avatar
Difyの本当の強みは「現場を巻き込める」こと。 だからこそ、属人化していたノウハウを「組織の資産」に変える仕組みを作ることができます。 例えばブレストアプリを例にすると、エース社員の思考プロセスをDifyに反映させることで、 チームの誰もがAIと対話するだけで、高品質な企画を半自動的に作れるようになります。 「個人のひらめきやスキルに頼る業務」から、「仕組みで安定的に価値を生み出す業務」へ。 プロンプトレイヤーによるAI推進が進んだ企業には、組織的な業務価値の向上や効率化を実現できるDifyがおすすめ。
avatar
Dify使ってる人ならめちゃわかると思うんだけど、DifyはBiz側とDev側の架け橋になるものなので、figmaみたいに複数人で共同作業できるような機能がめちゃめちゃ欲しい。これあるだけですごく価値が上がると思う。
avatar
営業特化のDifyアプリを開発しました！ 営業現場・管理職のよくある悩み、 「オフライン商談のSalesforce入力が面倒…」 「商談データがなかなか会社に蓄積されない」 こうした課題をDifyが解決します。 商談の録音や音声データをアップするだけで、 ① AIが自動で文字起こし＆要約 ② Salesforceの入力項目に合わせて情報を整理 ③ 営業担当が内容を確認・修正し、ワンクリックでSalesforceへ登録 これで営業現場は報告業務から解放され、本来のコア業務に集中でき、マネージャーは質の高いデータを活用し、的確な戦略を立てられるようになります。 これからの時代、AIに参照させるデータ量が企業競争力を左右します。 属人的な情報管理から脱却し、企業全体でデータを資産として蓄積する仕組みを構築しましょう！
#Dify应用 #销售管理 #商谈优化 #AI文字识别 #Salesforce集成 #商谈录音
avatar
Microsoft Copilot Studioを活用し、TeamsとDifyの連携を実現しました！ TeamsのチャットUIはそのままに、 裏側でDifyのRAGチャットボットが動作します。 これにより、情報検索や問い合わせ対応がさらにスムーズになります。 Copilot StudioとDifyを組み合わせることで、活用の幅がさらに広がりそう...！
#Microsoft #CopilotStudio #Teams #Dify #チャットボット #AI #RAG #技術統合
avatar
Dify Studioハッカソン、ハイブリッド開催で総勢150名にご参加いただきました！！とってもよかったです！！ 業界ごとにチーム分けをしたのもあって、実際の業務に近いハイレベルなアウトプットが出ていました！たった数時間で出したアウトプットとは思えないです。 やはりDifyはBizとDevの境目を繋ぐものであって、爆速プロトタイピングこそが価値だと感じました。 （なので、どうかFigmaのような複数人のコラボレーション機能をください...） 今回のオフラインは、限られた人数になってしまいましたが、今後はぜひもっと大きなイベントを開催していきたいと思います！ ぜひこれからもコミュニティDify Studioをよろしくお願いします！まだの方も無料なのでぜひ！ #dify_hack
#DifyStudio #ハッカソン #ハイブリッド開催 #業界別チーム #高レベルアウトプット #爆速プロトタイピング #BizとDevの連携
avatar
Dify Studio初のオフラインイベント開催してます！ #dify_hack
#dify_hack