dify 好用吗，还是直接用 mcp 手撸更靠谱

两个不是一个东西

@ration 搭建 ai agent 的两种方法，用低代码和不用

手撸，dify 这东西根本没发直接上生产用，他只能编排完之后用它的平台运行，调用它的接口。
加上整个后端都是 python ，太重了，而且所有流畅只能在它自己的框架/ui 内设定，没法自己改代码的细节，如果是用代码写，就方便很多。
如果前期测试用用可能还行，但是后期要放到生产里的时候还是要自己重新用代码实现。
还有就是如果你用了话，后面有新模型新参数（比如 reason model 的 think 字段，vllm 都花了很长实现才支持），你还需要等它更新。

不能高可用部署，除非花钱

@pureGirl 一楼说的没错 不是一个东西。
MCP 只是一个调用标准协议。
而 dify 是完整的低代码开发平台。
实际去做 agent 的时候，你会发现 交互、切片、参数、解析、展示等等等，每一处都是非常复杂的。
包括 dify 本身也没有做到六边形。特别是在 RAG 部分，其实还是非常弱鸡，我们使用的时候基本上还是后端套一个 ragflow 来补充他的能力。
但毋庸置疑，dify 是体验、交互上最好的。甚至说 是最接近六边形的。
另外 其实还有一个非常好的方法，dify 做好之后，你可以在上层套一个 newapi 把做好的 agent 又变成一个 openai 兼容的接口 你就可以随便用了。

另外就是 其实不要迷信大语言模型以及 MCP ，有这功夫不如直接调用 API 实在。
大语言模型聊天交互，就是给什么都不会的人使用的。

@DefoliationM 但自己要去实现一整套 ai 应用编排的功能，也是相当大的成本啊，加上市场变化快，可能自己的产品还没出来，就又有概念新方向了。

dify 挺好用的，手撸完全没必要

@pureGirl 应该是类似 langchain 这一类框架手撸。一般应用 dify 还是挺好用的，手撸我觉得挺麻烦

如果你需要方便的可视化编排调试的话，用 dify 吧。很方便，占用资源也不多。如果你只是想做个特别的功能实现一点 ai 应用，直接手写调用 api 就行。现在 ai 时代叫它化你写代码都很快。

若依整了个架子，右侧窗口打开 dify 的对话，调整投喂文档格式版式这种工作花了 99%的时间，模型全部使用的是付费的 api ，公司内使用者说好，我也不知道是不是真的好

@8820670 #5
你好，上层套一个 newapi 变成一个 openai 兼容的接口，这个怎么做呢

@8820670 你就是典型的只知道定义理解不了精髓的人

换个角度 有些同事不会写代码的 我培训 1 小时后他就直接用 dify 搭建自己的助手了

dify 之前存在不少的问题,现在不知道怎么样了,但 dify 这种形式是非常好的,谁都可以去编排 AI 应用

dify 支持 mcp ，理论上 dify 应该能验证绝大多数 AI 的应用方案。并且小公司（没有啥大压力的调用场景）也可以直接用到生产环境，改起来不要太方便。后期怕出问题，再把 dify 当流程图自己写就是。

@zhoudaiyu 你用户名后面显示 pro ，花钱了吗？

可以了解一下 langchain ，我看过很多 low code 框架(dify maxkb)，都是 depend on langchain 的

@pureGirl mcp 意义不大，建议直接 API

@gibber 不用实现一整套，按照自己的业务流程来，llm 和向量数据库基本都有现在成的 sdk 能用，大部分时间依旧是写业务的代码，并不会在实现 sdk 上花费实现，模型也可以直接用 vllm 这种运行。而且就是因为市场变化快，自己的代码调整起来更方便，随时可以更新 sdk 改动，等第三方实现，他会不会跟进都是问题，到时候迁移成自己的代码又是成本。