Langflow

可视化搭建 AI 智能体、RAG 与 MCP 工作流的开源平台

项目介绍

Langflow 是由 Langflow 项目团队与开源社区维护的 Python AI 应用开发平台。它把模型、数据源、向量数据库和工具组织成可视化流程，让开发者先在画布上验证思路，再通过 API 接入真实应用。它不是一个自带无限免费模型的聊天网站，也不等同于 LangChain；这里收录的是独立的 Langflow 开源项目。代码采用 MIT 许可证。2026年10月28日，GitHub 仓库约有15.6万星，星数会随时间变化。

核心功能

可视化编辑器用节点和连线呈现数据流，支持修改组件参数、组合已有模板以及编写自定义 Python 组件。Playground 可测试流程和单个组件，便于分辨问题出在检索、模型还是工具。Agent 能把组件当作工具调用；MCP 客户端可连接外部服务器，MCP 服务器能力则能把流程提供给其他兼容客户端。完成的流程可通过 API 调用，不必把画布界面直接暴露给最终用户。

适合哪些场景

适合需要快速验证知识库问答、内部资料检索、带工具的业务助手或 MCP 服务的开发团队。产品人员可以借助画布理解流程，工程师负责接入、测试和部署。对于只有一次简单模型调用的需求，直接使用模型 SDK 往往更轻；需要复杂自定义逻辑时，仍要理解 Python、组件输入输出及模型服务的行为，不能把低代码理解为零工程门槛。

如何开始

先按官方安装说明启动实例，再打开 Simple Agent 等模板。配置模型提供方及有权限调用的模型，安全保存供应商密钥；用 Playground 从简单问题开始检查工具选择与返回值，再逐步替换数据源。流程稳定后，在 Share 的 API access 中获取调用示例，配置 Langflow API Key，通过 /run 端点接入自己的应用。上线前先在隔离环境测试异常输入、错误处理和调用额度，再选择容器或其他官方支持的部署方式。

费用与重要限制

开源代码免费不代表模型调用、向量数据库、服务器和托管服务免费；这些成本取决于所选基础设施。官方安全文档特别说明：Langflow 是可以执行代码的平台，单个进程不提供租户之间的安全隔离。不要把开发界面当作安全沙箱，也不要随意运行来源不明的组件或流程。公网服务需要额外做好身份认证、网络与数据隔离、密钥管理及升级维护；模型回答也应通过真实样本评测。

选型建议

Langflow 的主要优势是可视化组装与 Python 扩展并存。如果团队想把原型流程讲清楚、快速替换模型与工具，它值得优先试用；如果重心是纯代码的检索编排或基于指标的提示优化，可结合下表选择。表中比较是工作方式与适用方向，不是性能排名。

同类项目比较

官方入口与资料

• 项目仓库
• 产品文档
• 快速开始
• 部署指南
• 安全边界
• 许可证