「単に検索結果を並べるだけでなく、情報の空白（Knowledge Gap）を自ら見つけ出し、納得いくまで調査を続けるAIが欲しい」
Difyの「Research Agent Process Flow（調査エージェントのプロセスフロー）」は、そんな要望に応える高度なリサーチ自動化テンプレートです。
人間の研究者が行う「リフレクション（内省）→ 実行（調査）→ 再考」というプロセスを模倣し、表面的な答えではなく、深い洞察を含んだレポートを作成します。
Research Agent Process Flowとは：思考する調査AI
このテンプレートは、ユーザーの質問の背後にある「真の意図」を分析し、不足している情報を埋めるために自律的に検索と考察を繰り返すワークフローです。
最大の特徴は、**MCP（Model Context Protocol）**を通じて外部ツール（Exaなど）と連携し、検索だけでなくWebページの読み込みや画像の取得まで行う点です。
また、各ステップでストリーミング出力を活用しているため、長時間の処理でもユーザーを待たせない工夫が施されています。
Difyで構築する機能概要
本テンプレートでは、以下の3段階のプロセスで調査を実行します。
- 意図分析（Intent Mining）：ユーザーの質問から「表層的意図」「実用的意図」「影の意図（無意識の動機）」を読み解きます。
- 実行ループ（Execution Loop）：「知識ギャップ（何が分からないか）」を特定し、それを埋めるためのクエリを生成・実行します。これを情報が十分になるまで繰り返します。
- 最終要約（Synthesis）：収集した全情報を統合し、包括的なレポートを作成します。
【重要】最適化モデルのワークフロー詳細（ノード表）
このテンプレートは、Grok、GPT-4o、Gemini、DeepSeekなど、各処理に最適な最新モデルを適材適所で組み合わせています。
以下は、実際に動作する完成版モデルの全ノード構成と設定内容です。
| アイテム名（ノード名） | 処理内容・設定詳細 | |
|---|---|---|
| 開始 (Start) | ワークフローの開始 ユーザーからの調査トピックを受け付けます。 初期変数定義： ・knowledge_gaps（知識の欠落部分） ・findings（収集された知見） | |
| Exa Answer (Exa Answer) | 初期応答（使用AI：Exa） 調査を開始する旨をユーザーに即座に伝え、体感待ち時間を短縮します。 | |
| 意図分析 (LLM) | ユーザー意図の深堀り（使用AI：Grok-2-1212） 質問の背後にある意図を3層（表層・実用・影）で分析します。 プロンプト要約： 「クエリの最も深い意図を明らかにするために、表層・実用・影の各レイヤーで分析し、特に無意識の動機（影の意図）に焦点を当ててください。」 | |
| コンテキストを取得 (Answer) | 分析結果の表示 意図分析の開始をユーザーに通知します（区切り線などを表示）。 | |
| 意図分析ストリーム出力 (Answer) | 分析内容の提示 Grokによる意図分析の結果をストリーミングで表示し、AIが「何を理解したか」を共有します。 | |
| ループ (Loop) | 反復調査プロセス 以下の処理を、十分な情報が集まるまで（または指定回数）繰り返します。 | |
| ∟ 推論 (LLM) | 知識ギャップの特定（使用AI：GPT-4o） 現在の「知っていること（findings）」と「知るべきこと」の差分（knowledge_gap）を分析し、次に実行すべき検索クエリを決定します。 入力：これまでの発見、実行済みクエリ、背景情報 | |
| ∟ 回答4 (Answer) | 思考プロセスの可視化 「現在の知識ギャップは…」「次のクエリは…」といったAIの思考過程をユーザーに表示します。 | |
| ∟ 活動 (Agent) | 検索と実行（MCPツール活用） Exa SearchなどのMCPツールを使用して、実際のウェブ検索やページ内容の取得を行います。 MCP設定： server_name1: transport="sse", url="..." 機能： ・exa_search：URLと画像の取得 ・exa_contents：詳細内容の読み込み | |
| ∟ URL抽出 (LLM) | データ整形（使用AI：Gemini 2.5 Flash） エージェントの出力から、有効なURLや画像リンクのみを抽出・整理します。 | |
| ∟ 変数割り当て (Variable Assigner) | 知見の蓄積 今回得られた新しい情報（findings）を、全体の知識リストに追加（Append）します。 | |
| Exa サーチ (Exa Search) | 補完検索（オプション） ループ終了後、不足している可能性のある最新情報を念のため補完的に検索します。 | |
| 要約を確定 (LLM) | 最終レポート作成（使用AI：DeepSeek-Chat） 蓄積されたすべての情報（findings）を基に、洞察・結論・残された課題を含む詳細なレポートを執筆します。 プロンプト要約： 「調査結果に基づき、包括的かつ詳細な分析を作成してください。出典を引用し、長文で記述すること。」 | |
| 回答 (Answer) | 最終出力 完成したレポートをユーザーに提示します。 | |
DifyでResearch Agent Process Flowを構築・有効化する手順
以下の手順で、この高度なリサーチエージェントを導入できます。
- テンプレートの適用：Difyダッシュボードの「探索」から「Research Agent Process Flow」テンプレート（または同等のDeep Research系テンプレート）を選択し、ワークスペースに追加します。
- MCPサーバーの設定：「活動（Agent）」ノードを使用するには、Difyのツール設定でMCPサーバー（Exa Search等）を接続する必要があります。 ※ミラーマスター等のMCPサーバーURLをお持ちの場合は、エージェントノード内のJSON設定（
server_name1）に正しいURLとTransport（sse等）を入力してください。 - 各LLMの設定：意図分析にはGrok、推論にはGPT-4o、要約にはDeepSeekなど、各ノードに適切なモデルが割り当てられているか確認し、APIキーを設定します。
- 動作確認：プレビューでトピックを入力し、意図分析→検索ループ→要約というプロセスが正しく機能するか確認します。
このテンプレートを活用するメリット
単なる検索ツールとは一線を画す、以下のメリットがあります。
- 「なぜ？」を深掘りする意図分析：ユーザーが言葉にしていない「影の意図」まで汲み取ることで、期待以上の回答を提供します。
- 情報の網羅性：「知識ギャップ」が埋まるまで検索を繰り返すため、情報の抜け漏れが極めて少なくなります。
- プロセスが見える安心感：AIが今何を考え、何を調べているかをリアルタイムで表示するため、ユーザーは安心して結果を待つことができます。
まとめ
Research Agent Process Flowは、Difyのワークフロー機能とMCPの拡張性を最大限に活かした、次世代のリサーチツールです。
市場調査、学術研究、競合分析など、深さと広さが求められるあらゆる調査業務において、人間の強力なパートナーとなります。
ミラーマスター合同会社では、このようなMCPを活用した高度なDifyワークフローの構築支援や、Exa Searchなどの外部ツール連携のサポートを行っております。自社のリサーチ業務を自動化・高度化したいとお考えの際は、ぜひお気軽にご相談ください。
【推奨】業務システム化に有効なアイテム
生成AIを学ぶ
システム化のパートナー（ミラーマスター合同会社）
VPSサーバの選定
コメント