Langflow：用可视化界面搭建并部署 AI Agent 工作流

Langflow 是一个用于构建和部署 AI Agent 与工作流的平台。它同时提供可视化编排界面和代码级定制能力，并内置 API 与 MCP 服务器，把每个工作流转化为可供其他应用调用的工具。项目以 Python 为主要语言，采用 MIT 许可证，在 GitHub 上已获得约 15.6 万 Star 和 1 万多 Fork。

项目定位：从画布到可调用的工具

Langflow 的核心思路不只是做一个流程图编辑器，而是让工作流能够真正被应用消费。用户在可视化界面中搭建流程后，可以通过 API 部署，也可以导出为 JSON 供 Python 应用使用；同时，它支持将流程部署为 MCP 服务器，使其成为 MCP 客户端可以调用的工具。

项目 README 提到，Langflow 内置了对主流 LLM、向量数据库和不断扩展的 AI 工具库的支持。

主要功能

• 可视化构建界面：用于快速起步和迭代工作流。
• 源码访问：可以用 Python 自定义任意组件。
• 交互式 Playground：在搭建过程中即时测试和调整流程，并支持逐步控制。
• 多 Agent 编排：包含对话管理和检索能力。
• 部署方式：可作为 API 部署，也可导出 JSON 供 Python 应用使用。
• MCP 服务器部署：把流程转化为 MCP 客户端可用的工具。
• 可观测性：提供 LangSmith、LangFuse 等集成。
• 面向企业的安全与扩展性：README 将其列为特性之一。

如何开始使用

Langflow 提供桌面版和本地安装两种常见入口。桌面版包含全部依赖，面向 Windows 和 macOS，适合不想手动管理 Python 环境或安装依赖的用户。

本地安装方式要求 Python 3.10–3.14，并推荐使用 uv 作为包管理器。官方发布包和带标签的源码归档默认关闭自动登录，启动前需要设置 LANGFLOW_SUPERUSER_PASSWORD，随后以用户名 langflow（或自定义的 LANGFLOW_SUPERUSER）登录。开发分支则默认保留自动登录。启动后，服务默认运行在 http://127.0.0.1:7860。

如果希望从源码运行以参与贡献，可以在仓库根目录执行相应命令，具体步骤参见项目中的 DEVELOPMENT.md。Docker 方式同样可用，官方镜像默认要求认证，启动容器前需要设置并导出一个强密码，之后通过 http://localhost:7860/ 访问，并以 langflow 账号登录。

适用场景与人群

Langflow 适合需要快速搭建 AI Agent 原型、又希望后续能通过 API 或 MCP 接入现有应用的开发者。可视化界面降低了流程编排的门槛，而 Python 组件定制和源码访问则为有代码能力的团队保留了扩展空间。对于需要多 Agent 协作、对话管理、检索增强以及可观测性集成的项目，它也提供了对应的功能入口。

需要注意的是，官方发布包和 Docker 镜像默认启用认证，部署时应按要求设置强密码；生产环境的安全与扩展配置应参考项目提供的安全策略和部署指南。

项目数据与许可

截至资料给出的最近更新时间，Langflow 在 GitHub 上约有 156,661 个 Star、10,412 个 Fork。项目创建于 2023 年 2 月 8 日，主要使用 Python，许可证为 MIT。上述数字仅为 GitHub 平台指标，不代表其他平台的表现或官方排名。

项目主页

https://github.com/langflow-ai/langflow

项目地址：langflow