BioPlayground

🧬
← AI Tools
workflowadvanced

Dify (2026 메이저 업데이트)

비주얼 드래그-앤-드롭으로 LLM 워크플로우를 구축하는 노코드 플랫폼

Dify는 LangGenius(전 Tencent Cloud DevOps 팀 출신)가 개발한 오픈소스 LLM 앱 플랫폼이에요. 한 줄로 표현하면 'LLM 워크플로우와 RAG를 코드 없이 드래그-앤-드롭으로 조립하는 비주얼 IDE'라고 할 수 있습니다. 기존에 LLM 기반 자동화를 만들려면 LangChain 같은 프레임워크로 직접 코드를 짜고, 벡터 DB·문서 인제스트·관측성 도구를 각자 연결해야 했어요. Dify는 이 모든 단계를 단일 캔버스에 통합해, 노드 박스를 끌어다 놓으면 LLM 체인·조건 분기·RAG 검색·외부 API 호출이 한 번에 묶입니다. 2026-03 메이저 업데이트에서는 MCP(Model Context Protocol) 를 양방향 지원해, Dify 워크플로우 자체를 Claude나 Cursor 같은 외부 클라이언트에서 함수처럼 호출할 수 있게 됐죠. 실무 관점에서는 (1) 사내 PDF/PPT 수천 건을 인제스트해 챗봇으로 검색하는 RAG 파이프라인을 30분 만에 구성하고, (2) 100+ LLM 제공자(GPT, Claude, Mistral, 셀프호스팅 Ollama 포함)를 한 클릭으로 교체해 비용·품질을 비교하며, (3) Function Calling/ReAct 에이전트를 50+ 내장 도구(Google Search, DALL·E 등)와 결합해 멀티스텝 자동화를 만들 수 있습니다.

💻 필요한 컴퓨터 사양

🧠RAM

불필요 — LLM 추론은 외부 API 또는 별도 추론 서버(Ollama, vLLM 등)에 위임. Dify 자체는 CPU만으로 동작

💾저장공간

Docker 이미지 + 벡터 DB + PostgreSQL 합산 약 2-5GB 기본. RAG 문서 규모에 따라 증가

⚡ 설치법

### 4-1. Quick Start (Docker Compose)

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

설치 완료 후 브라우저에서 `http://localhost/install` 접속하여 관리자 초기 설정.

### 4-2. 상세 설치

```bash
# 1. 저장소 클론 (최신 릴리즈)
git clone https://github.com/langgenius/dify.git
cd dify/docker

# 2. 환경 변수 설정
cp .env.example .env
# .env 파일에서 SECRET_KEY, DB 비밀번호 등 커스터마이즈
# 고급 설정: docker/envs/ 하위 테마별 env 파일 참고

# 3. 서비스 기동 (API, Worker, Web, Plugin Daemon + PostgreSQL, Redis, Weaviate, Nginx 등)
docker compose up -d

# 4. 초기 접속
# http://localhost/install (로컬) 또는 http://<서버IP>/install (원격)
```

**Kubernetes 배포**: 커뮤니티 Helm Chart 다수 존재 (Douban Charts, Magicsong AI Charts 등).
**클라우드 원클릭**: AWS Marketplace (Dify Premium AMI), Alibaba Cloud Computing Nest, Terraform (Azure, GCP) 지원.

---
📄 공식문서🐙 GitHub

📝 업데이트 노트

  1. v1.16.17/28/2026

    이번 업데이트에서는 워크플로우 노드 추적 및 도구 다중 선택 기능이 추가되어, 복잡한 생물정보학 데이터 처리 파이프라인을 더욱 직관적으로 설계하고 디버깅할 수 있어요. 특히 RAG(지식 검색)의 데이터 처리 과정을 더 자세히 모니터링할 수 있고, 특수 문자가 삭제되던 버그도 해결되어 수식이나 기호가 중요한 생명공학 논문 분석의 정확도가 높아졌습니다. 또한 에이전트 설정을 파일로 쉽게 내보낼 수 있어, 연구용 AI 에이전트의 설정을 버전별로 관리하며 실험의 재현성을 확보하기에도 매우 유용해요.

  2. v1.16.07/18/2026

    이번 업데이트에서는 리눅스 샌드박스 기반의 새로운 'Dify Agent'가 도입되어, 복잡한 바이오 정보학(Bioinformatics) 분석 스크립트를 실행하거나 필요한 라이브러리를 직접 설치하여 자동화된 분석 에이전트를 구축할 수 있습니다. 구축한 에이전트를 워크플로우에 통합하거나 웹 앱 형태로 배포할 수 있어, 연구실 동료들과 맞춤형 분석 도구를 손쉽게 공유하고 협업하기에 매우 유용합니다. 또한, 최신 GPT-5.6 모델과의 호환성이 강화되어 더욱 정교한 생물학적 데이터 해석과 복잡한 추론 작업이 가능해졌습니다.

  3. v1.15.06/25/2026

    이번 업데이트에서는 터미널에서 바로 워크플로우를 실행할 수 있는 `difyctl`이 도입되어, 바이오인포매틱스 파이프라인 자동화가 훨씬 수월해졌어요. 모델의 추론 과정을 실시간으로 확인할 수 있는 CoT 기능 덕분에 AI가 도출한 과학적 논리의 타당성을 더욱 정교하게 검증할 수 있습니다. 또한, 엑셀 내 이미지 추출과 파일 업로드 기능이 강화되어 실험 데이터와 시각 자료를 워크플로우에 통합하여 관리하기가 매우 편리해졌어요.

  4. v1.14.26/16/2026

    이번 업데이트는 보안 강화와 워크플로우의 안정성 향상에 집중했어요. 특히 데이터 격리 및 권한 관리가 강화되어, 민감한 실험 데이터나 연구 자산을 더욱 안전하게 보호하며 AI를 활용할 수 있습니다. 또한 RAG(검색 증강 생성) 기능의 안정성이 개선되어 대규모 논문 및 실험 데이터베이스를 기반으로 한 정확한 정보 추출과 문서 분석이 더욱 원활해졌어요. 연구 자동화 파이프라인의 신뢰도를 높이고 싶은 연구원님께 이번 업데이트를 추천드려요.

🧪 관련 생명의 코드

관련된 생명의 코드 글이 아직 없습니다.