Gradioが3行でAIワークフロー｜そのままAPI化

監修者伊東雄歩

株式会社ウォーカー CEO。東北大学卒。MENSA会員、JDLA認定講師、健全AI教育協会理事。生成AI×教育・学習科学を専門とし、2億円超のシステム開発プロジェクトを統括。

Hugging Faceが2026年8月25日、Gradioの新機能「gr.Workflow」の実践ガイドを公開しました
AIの処理を四角いノードでつなぐだけで、操作画面つきのAIアプリが完成します
書くコードは実質3行。組んだ図はそのままREST API（外部プログラムから呼べる窓口）になります
前身ライブラリ「daggr」は2026年8月28日にアーカイブされ、Gradio本体へ統合されました
Dify・n8n・Langflowとの違い、日本のエンジニアが今すぐ試す手順まで解説します

AIのデモを作るたびに、画面のコードを書くのが面倒だと思ったことはありませんか。Hugging Faceが公開した「gr.Workflow」は、その面倒をほぼ丸ごと消してしまう機能です。処理を四角い箱でつないで線を引くと、そのまま人が触れるアプリになります。しかも同じ図が外部から呼べるAPIにもなります。

Gradioの新機能「gr.Workflow」とは何か

Gradio（グラディオ）は、Pythonで書いたAIの処理に画面をつけられる無料のライブラリです。研究者やエンジニアが「作ったAIを人に触ってもらう」ために広く使ってきました。

そのGradioに追加されたのが gr.Workflow です。2026年8月25日、Hugging Faceの公式ブログが「Wire It, Run It, Deploy It（つないで、動かして、公開する）」というタイトルで実践ガイドを公開しました。

いちばんの特徴は、AIの処理の流れそのものが操作画面になることです。

これまでは「入力欄」「ボタン」「結果表示」を自分で並べる必要がありました。gr.Workflowでは、処理を表す箱（ノード）をドラッグ＆ドロップで並べ、ポート同士を線でつなぎます。

つないだら「Run」を押すだけ。各ノードの途中結果がその場に表示され、気に入らない箇所だけを選んで再実行できます。

途中経過が見えるのは地味に大きな利点です。画像生成が失敗したのか、その後ろの背景除去が失敗したのか、線をたどれば一目でわかります。

仕組み：4種類のノードとコード3行

つなげる部品は4種類だけ

gr.Workflowで箱として置ける処理（オペレータ）は、公式ガイドによると次の4種類です。

Space：Hugging Face Spacesに公開されている既存のAIアプリを、そのまま1つの部品として呼び出します
Model：Hugging Faceのモデルを推論プロバイダー経由で実行します
Dataset：Hub上のデータセットを、1回の実行につき1行ずつ流し込みます
Function：自分で書いたPython関数を bind= で登録して使います

この4つに加えて、入力を受け取る「reference（リファレンス）」ノードと、結果を映す「subject（サブジェクト）」ノードがあります。

つまり、既製品のAI・自作の関数・手持ちのデータを、同じ画面の上で混ぜられるということです。

起動に必要なのは実質3行

いちばん短い書き方は、こうなります。

import gradio as gr

gr.Workflow().launch()

これだけで空のキャンバスが立ち上がり、あとはブラウザ上で部品を置いていけます。

自作の処理を混ぜたいときは、関数に型を書いて渡します。

gr.Workflow(bind=[my_function]).launch()

「この順番で必ず流したい」という形が決まっている場合は、edges で接続をコードに固定できます。edges=[("clean", "tag")] と書けば、cleanの結果がtagに渡る配線が最初から引かれた状態で開きます。

作った配線図はJSONとして保存でき、graph="workflow.json" で読み直せます。試行錯誤はGUIで、確定した構成はコードやファイルで管理するという使い分けができます。

組んだ図が、そのままAPIになる

ここが実務でいちばん効く部分です。

出力ノードを含むひとかたまりの流れごとに、APIのエンドポイントが1つ自動で生えます。エンドポイントの名前は、最初の出力ノードのラベルから決まります。

まだ値が入っていない入力ノードは、そのままAPIの引数になります。画面をまったく開かずに gradio_client のClientやcurlから叩けます。

公開もコマンド1つです。gradio deploy でHugging Face Spacesに載せられます。Space側で hf_oauth: true を設定しておくと、所有者だけがログインして配線を編集でき、ほかの訪問者は閲覧と実行だけができる状態になります。

何が作れる？公式デモと身近な活用シーン

公式ガイドでは、実際に触れるSpacesとして5つの例が紹介されています。

Qwen-Image-Editを使った画像編集
画像生成・背景除去・音声合成を1枚のキャンバスにまとめたマルチモデルスタジオ
1つの入力から枝分かれさせ、複数の画像を並列生成する構成
データセットの中身を集計して傾向を眺めるプロファイリング
@spaces.GPU とZeroGPUを組み合わせた動画アニメーション生成

どれも複製（Duplicate）して自分のアカウントで動かせます。ゼロから書くより、動いている配線をコピーして差し替えるほうが早いはずです。

もう少し身近な場面も想像してみてください。

たとえば通販サイトを運営する担当者。商品写真をアップすると、背景を白に差し替え、正方形に整え、説明文の下書きまで一気に出したい。これまでは3つのツールを行き来していた作業が、1枚のキャンバスに収まります。

社内広報の担当者なら、議事録テキストを入れると要約が出て、その要約を音声合成に流し、社内ラジオ用の音源まで作る流れを組めます。途中の要約だけ直したいときは、その箱だけ選んで再実行すれば済みます。

研究室の学生なら、実験データのCSVを1行ずつ流して、モデルの判定結果と元データを並べて確認する検査台として使えます。教授にURLを送れば、環境構築なしで同じ画面を触ってもらえます。

Dify・n8n・Langflowとの違い

「線でつないでAIを動かす」ツールは、すでにいくつもあります。代表的な3つと比べてみます。

Dify：チャットボットやRAG（社内文書を検索して答えさせる仕組み）を作り込み、アプリとして公開するまでを1か所でまかなうプラットフォーム。日本語UIがあり、国内の導入支援会社も多いです
n8n：メール受信や定時実行などのイベントを起点に、業務システム全体をつなぐ自動化ツール。AIは数ある部品のうちの1つという位置づけです
Langflow：LLMやエージェント、RAGの構築に振り切ったビジュアルツール。Pythonでの拡張がしやすい設計です

これらのクラウド版は、本格的に使うと有料プランが必要になります。海外の比較記事では、プロ向けプランで月59ドル前後という水準がよく挙げられます。

では、gr.Workflowの立ち位置はどこでしょうか。

違いは「業務を自動化する道具」ではなく「AIを触ってもらうための画面を最速で作る道具」だという点です。

Difyやn8nは、完成した仕組みを裏側で黙々と回すのが得意です。対してgr.Workflowは、人が手で入力し、結果を見て、気に入らない箇所を押し直す使い方に最適化されています。

さらに、Gradioは丸ごとオープンソースのPythonライブラリです。自分のサーバーでもノートPCでも動きます。プラットフォームにアカウントを作る必要がなく、pip install gradio だけで始められるのは、既存のPython資産を持つチームには大きな差です。

日本のユーザーと企業にとっての意味

日本国内でも、生成AIの社内活用は「チャットを配る」段階から「業務の流れに組み込む」段階へ移っています。DifyやMakeを使った経理・バックオフィスの自動化事例が増え、構築を代行する会社も並び始めました。

そうした流れの中で、gr.Workflowが刺さるのは「まず動くものを見せて社内の合意を取りたい」場面です。

企画書に「AIで請求書処理を効率化します」と書いても、決裁者の反応は鈍いものです。ところが、ファイルを放り込んだら数秒で結果が並ぶ画面をその場で見せると、話が一気に進みます。

Gradio自体の説明文は英語中心ですが、ノードのラベルや入力欄の名前は日本語で付けられます。日本語の資料を扱う社内デモでも、見た目が英語だらけになる心配はありません。

費用面も現実的です。Hugging Face Spacesの無料枠とZeroGPU（無料で使えるGPU実行の仕組み）を使えば、初期費用ゼロで試せます。Gradio 6系の更新では、ZeroGPUの利用分を呼び出した人に付け替えるための対応も入りました。

一方で、社内の機密データをそのままHugging Face上に置くのは避けるべきです。機密を含む処理は自社サーバーでGradioを動かし、外向けのデモだけSpacesに置くという切り分けが現実的でしょう。

使う前に知っておきたい注意点

便利な機能ですが、いくつか押さえておきたい前提があります。

まず、gr.Workflowはそれ単体で完成したアプリという扱いです。公式ガイドでも、トップレベルで作る必要があり、gr.Blocks の中に入れ子にはできないと明記されています。既存のGradioアプリの一部として埋め込む使い方はできません。

次に、前身ライブラリの扱いです。もともとHugging Faceは daggr という別ライブラリで同じ発想を試していました。MITライセンスで公開され、573スターを集めていましたが、2026年8月28日にリポジトリはアーカイブされました。理由は明快で、gr.Workflowとして本体に統合されたためです。これから始めるなら、daggrではなくGradio本体を選ぶのが正解です。

機能が更新途中である点も頭に入れておきましょう。Gradioのリリースノートを追うと、6.25.0でワークフローをSpace自体に保存する機能やOAuthの警告が入り、6.26.0では「複製として保存」やキャンバスのundo/redoが追加されています。週単位で仕様が動いている段階だと考えたほうが安全です。

最後に、公開範囲の設定です。OAuthを設定しないまま配線を編集できる状態で公開すると、訪問者に構成をいじられかねません。人に見せる前に、権限まわりを必ず確認してください。

よくある質問（FAQ）

Q1. 無料で使えますか？
はい。Gradio自体はオープンソースで無料です。手元のPCで pip install gradio すればすぐ動きます。Hugging Face Spacesにも無料枠があります。ただし、外部の推論プロバイダーや有料モデルを呼ぶ場合は、その分の利用料がかかります。

Q2. プログラミングの知識がなくても使えますか？
配線そのものはマウス操作でできますが、最初の起動にはPythonの実行環境が必要です。完全なノーコードではありません。ただし、公式デモのSpacesを複製すれば、ブラウザだけで中身を触って感触をつかめます。

Q3. 作った配線を、プログラムから自動で呼べますか？
呼べます。出力ノードを含む流れごとにエンドポイントが自動生成され、gradio_client のClientやcurlから実行できます。未入力の項目がそのまま引数になるため、API用の追加コードは不要です。

Q4. 以前からあったdaggrはどうなりますか？
2026年8月28日にアーカイブされ、読み取り専用になりました。今後の開発はgr.Workflowに一本化されます。daggrで作った仕組みがある場合は、移行を検討する時期です。

Q5. Difyとgr.Workflow、どちらを選ぶべきですか？
社内向けチャットやRAGを本格運用するならDify、モデルや自作コードの組み合わせを試して人に見せたいならgr.Workflowが向きます。用途が違うので、併用しても問題ありません。