Wissen / Dokumentation / Dify: Visuelle Agenten- & Workflow-Plattform

Aus Dokument
Zur Navigation springen Zur Suche springen

Dify: Visuelle Agenten- & Workflow-Plattform mit RAG und MCP

Dify (LangGenius) ist eine Open-Source-Plattform, die einen visuellen Drag-&-Drop-Workflow-Builder, eine RAG-Engine, ein Agenten-Framework und LLMOps in einem selbst hostbaren Paket vereint. Anders als AnythingLLM, Onyx oder Open WebUI — die primär von einer Chat-Oberfläche mit RAG ausgehen — ist Dify von Grund auf als Werkzeug zum Bauen und Deployen kompletter KI-Anwendungen konzipiert, ohne dass dafür zwingend eigener Code nötig ist.

Achtung: Apache-2.0 mit zwei Zusatzklauseln (Dify Open Source License)

Dify liegt unter der Dify Open Source License — Apache-2.0 plus zwei Einschränkungen: (1) Der Quellcode darf ohne kommerzielle Lizenz nicht für einen Multi-Tenant-SaaS-Betrieb genutzt werden (ein Tenant = ein Workspace mit getrennten Daten/Konfiguration); Self-Hosting für die eigene Organisation ist davon nicht betroffen. (2) Logo und Copyright-Hinweise im Frontend (web/-Verzeichnis bzw. web-Docker-Image) dürfen nicht entfernt/verändert werden — diese Klausel gilt nicht, wenn nur Backend/API genutzt werden. Kommerzielle Nutzung als Backend eigener Anwendungen oder als internes Firmen-Tool ist ausdrücklich erlaubt. Siehe auch die Einordnung in Beste KI-Agent-Fernsteuerung auf einem Self-Hosting-Server per Android (Top 20).


Übersicht

Die vier App-Typen

App-Typ Einsatzzweck
Chatbot Klassischer Konversations-Assistent mit RAG-Anbindung
Text-Generator Einmalige, formularbasierte Textgenerierung ohne Konversationsverlauf
Agent Autonomer Agent mit Function-Calling/ReAct-Strategie und Tool-Zugriff
Workflow Visuell orchestrierte, mehrstufige Pipeline (LLM-Aufrufe, Bedingungen, Schleifen, RAG-Retrieval, Human-in-the-Loop)


Architektur-Bausteine

Baustein Funktion
Visual Studio Drag-&-Drop-Oberfläche zum Entwerfen von Prompts, Agenten und Workflows
RAG-Engine Dokumenten-Ingestion, Chunking, Retrieval — direkt in Chatbot/Agent/Workflow einbindbar
Agent-Runtime Function Calling und ReAct-Strategien, Zugriff auf eingebaute und benutzerdefinierte Tools
Workflow-Engine Node-basierte Orchestrierung: LLM-Knoten, Bedingungen, Schleifen, Retrieval-Schritte, Human-Input-Knoten
Deployment Hub Ein-Klick-Veröffentlichung als Web-App, REST-API oder Embed-Widget


Installation

Docker Compose (Standard) 

git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
docker compose up -d

Laut Projekt-Dokumentation in wenigen Minuten einsatzbereit.

Kubernetes

Offizielle Helm-Charts für produktionsnahe Multi-Node-Deployments — sinnvoll ab einer gewissen Nutzerzahl oder bei bestehender Cluster-Infrastruktur.

Hinweis: Dify Cloud als Alternative

Neben Self-Hosting bietet Dify auch einen verwalteten Cloud-Dienst mit kostenlosem Sandbox-Tarif und kostenpflichtigen Professional-/Team-/Enterprise-Stufen — für einen ersten Test ohne eigene Infrastruktur eine schnelle Option, bevor man sich für Self-Hosting entscheidet.


Workflow-Engine im Detail

Die Workflow-Engine ist das zentrale Unterscheidungsmerkmal gegenüber reinen Chat-RAG-Plattformen:

  • Node-Typen: LLM-Aufrufe, bedingte Verzweigungen, Schleifen, Retrieval-Schritte, Code-Ausführung
  • Human-Input-Knoten: pausiert einen laufenden Workflow für eine menschliche Prüfung, mit konfigurierbaren Freigabe-Buttons und Timeouts — dasselbe Human-in-the-Loop-Prinzip, das auch bei den Wiki-Agenten-Pipelines in diesem Repository für Freigaben genutzt wird
  • Multi-Agent-Orchestrierung: mehrere Agenten-Knoten lassen sich innerhalb eines Workflows kombinieren, statt nur einen einzelnen Agenten laufen zu lassen

Tipp: Workflow statt Agent bei vorhersehbaren Abläufen

Für Aufgaben mit klar definierter Schrittfolge (z. B. „Dokument einlesen → zusammenfassen → gegen Wissensbasis prüfen → Freigabe einholen → veröffentlichen") liefert der Workflow-App-Typ deterministischere, leichter debugbare Ergebnisse als ein frei entscheidender Agent — Letzterer eignet sich eher für offene, explorative Aufgaben.


MCP-Integration: bidirektional

Im Gegensatz zu AnythingLLM, Onyx und Open WebUI, die MCP jeweils nur als Client nutzen, unterstützt Dify das Model Context Protocol in beide Richtungen:

Richtung Funktion
Als MCP-Client Agenten innerhalb von Dify rufen externe MCP-Server direkt auf (z. B. Linear, Notion, Zapier) — konsolidiert mehrere Punkt-Integrationen in einen einheitlichen Mechanismus
Als MCP-Server Ein Dify-Workflow lässt sich selbst als MCP-Server exponieren — Dify generiert eine Standard-MCP-Server-URL, über die externe MCP-Clients (Claude, Cursor, …) den Workflow als Werkzeug aufrufen können

Tipp: Visuell bauen, programmatisch konsumieren

Die MCP-Server-Rolle ist besonders wertvoll für Teams, die einen Workflow visuell entwerfen, ihn danach aber programmatisch aus einem Coding-Agenten heraus aufrufen wollen — der Workflow wird so zu einem wiederverwendbaren MCP-Tool, ohne dass der Coding-Agent Kenntnis vom internen Aufbau der Pipeline braucht.


Tools & Plugin-Ökosystem

Dify liefert 50+ eingebaute Tools (Websuche, Code-Ausführung, Bildgenerierung u. a.) sowie ein wachsendes Plugin-System für benutzerdefinierte Tool-Definitionen — Agenten und Workflows greifen darauf zu, ohne dass die Integration jeweils neu programmiert werden muss.


Einordnung gegenüber verwandten Tools

Kriterium Dify AnythingLLM Open WebUI Onyx
Lizenz Apache-2.0 + Zusatzklauseln (kein Multi-Tenant-SaaS, Branding-Pflicht) MIT „Open WebUI License" (BSD-3-Basis + Branding-Pflicht) MIT (Community Edition)
Kernfokus Visueller Workflow-/Agenten-Builder für komplette KI-Anwendungen Lokale/private Dokumenten-Chats Chat-Oberfläche mit RAG + Agenten-Erweiterungen Enterprise-Suche über viele Datenquellen
MCP-Support bidirektional (Client und Server) offiziell, nativ (Client) offiziell, nativ (Client) offiziell (Client, onyx-mcp-server)
Deployment-Ausgabe Web-App, REST-API, Embed-Widget Chat-UI Chat-UI Chat-UI
Typischer Einsatz Mehrstufige, deterministische Automatisierung mit Freigabe-Schritten Einzelperson/kleines Team ohne Server-Infrastruktur Größte Community, primär Ollama-Nutzer Unternehmen mit vielen Connectoren

Tipp: Auswahl nach Anwendungsfall

  • Mehrstufige Automatisierung mit klar definierten Schritten und Freigaben → Dify (Workflow-App-Typ).
  • Schneller lokaler Chat mit eigenen Dokumenten, kein Workflow-Bau nötig → AnythingLLM oder Open WebUI.
  • Enterprise-Suche über viele externe Datenquellen → Onyx.


Verwandte Themen

Abgerufen von „https://mediawiki.wissen-ahrensburg.de/index.php?title=Wissen_/_Dokumentation_/_Dify:_Visuelle_Agenten-_%26_Workflow-Plattform&oldid=3639“