AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年10月24日
用可视化方式搭建 AI 智能体和工作流,并发布为 API 或 MCP 工具。
Langflow 是一个以 Python 为基础的 AI 智能体与工作流搭建平台,提供可视化编辑和交互测试界面。它支持接入主流大模型、向量数据库和 AI 工具,也允许用 Python 自定义组件,并通过 API 或 MCP 接入应用。
推荐指数
适合需要可视化搭建、调试并对外提供 AI 工作流的开发者,正式部署前需配置认证。
近 7 天
+206
新增 Star
总 Star 排名
#16
雷达追踪的 3,931 个 AI 仓库中
创建于
2023
2023年2月9日
核心亮点
1可视化搭建
通过可视化界面编排工作流,在交互式测试环境中逐步调试。
2Python 扩展
可访问组件源码,用 Python 修改和扩展组件。
3多智能体编排
支持多智能体协作,以及对话管理和检索。
4API 与 MCP
可将工作流发布为 API 或 MCP 工具,也可导出 JSON 供 Python 应用使用。
5观测集成
支持接入 LangSmith、LangFuse 等观测工具。
适用场景
检索问答原型
例如:连接大模型与向量数据库,搭建并测试文档问答流程。
应用集成
例如:将调试好的 AI 工作流发布为 API,供现有应用调用。
MCP 工具开发
例如:把工作流部署为 MCP 服务,供 MCP 客户端调用。
多智能体实验
例如:编排多个智能体的协作流程,并在测试界面中逐步检查结果。
它是怎么工作的
第 1 步
连接组件
在可视化编辑器中组合模型、检索和工具组件。
第 2 步
定制逻辑
按需用 Python 修改组件,补充业务逻辑。
第 3 步
交互调试
在测试环境中运行流程,逐步检查并调整。
第 4 步
对外提供服务
发布为 API 或 MCP 服务,或导出 JSON 用于 Python 应用。
快速上手
- 1
准备环境
安装 Python 3.10–3.14 和推荐的包管理器 uv。
- 2
安装 Langflow
在新目录中安装最新版软件包。
uv pip install langflow -U - 3
配置登录
启动前设置环境变量 LANGFLOW_SUPERUSER_PASSWORD;默认用户名为 langflow。
- 4
启动并访问
运行后打开 http://127.0.0.1:7860,登录并开始搭建流程。
uv run langflow run
适合谁
- 希望用可视化界面搭建 AI 工作流的开发者
- 需要用 Python 定制组件的团队
- 希望通过 API 或 MCP 集成智能体的应用开发者
- 需要测试多智能体与检索流程的开发者
不太适合
- 只需要简单模型调用、不需要工作流平台的项目
- 希望无需配置模型和服务即可完成业务应用的用户
成熟度
- 活跃度提供的最近推送日期为 2026-10-23,表明仓库仍有更新。
- 文档README 覆盖安装、认证和部署,并链接开发、贡献及安全文档。
- 社区拥有 155939 个 Star、10241 个 Fork,并提供 Discord 社区入口。
- 上手难度提供桌面版和简短安装命令,但仍需配置认证及相关服务。
使用前注意
- · 项目采用 MIT 许可证,使用和分发时需遵守许可条款。
- · 桌面版仅列出 Windows 和 macOS;Python 安装要求版本为 3.10–3.14。
- · 正式发行包和官方 Docker 镜像默认要求认证,开发分支默认保留自动登录,部署前应确认配置。
- · 当前有 1219 个未关闭 Issue,选型时应检查与自身需求相关的问题。
