Langflow 项目介绍

项目定位

Langflow 是一个可视化 AI 工作流构建平台，让用户通过拖拽组件在画布上连接 LLM、工具、向量数据库和数据处理节点，构建可运行的 AI Agent 和流程。它将每个工作流同时暴露为 REST API、MCP Server 和 Python SDK 调用目标。

核心能力

可视化画布构建：基于 @xyflow/react 的交互式画布，拖拽组件、连线、实时调试
组件即工具（Component-as-Tool）：任意组件可被标记为 tool_mode=True，自动成为 Agent 可调用的 StructuredTool
多模型路由：内置 80+ 供应商组件（OpenAI、Anthropic、Ollama、vLLM 等），支持运行时动态切换
MCP 服务器部署：一键将工作流发布为 MCP Server，供任何 MCP Client 调用为工具
多 Agent 编排：通过子工作流（Sub-Flow）和条件路由实现多 Agent 协作
RAG 全链路支持：从文档加载、分块、嵌入到向量检索、重排序的完整可视化管线
三种部署形态：REST API 端点、MCP Server、Python 导出（flow.dump() → JSON → 代码运行）
可观测性集成：原生支持 LangSmith、LangFuse 等追踪平台

技术栈

层级	技术选型
后端运行时（lfx）	Python 3.10–3.13，LangChain Core，Pydantic，`uv` 包管理
平台层（langflow-base）	FastAPI，SQLModel + Alembic，Redis/Memcached 缓存
前端	React 19 + TypeScript + Vite + Zustand + `@xyflow/react`
MCP	MCP SDK（FastMCP），支持 stdio/SSE 传输
部署	Docker，Cloudflare Pages（文档），任意支持 Python 的云平台

架构概览

依赖流向严格单向：frontend → langflow → langflow-base → lfx → langchain-core

快速体验

# 最简安装（推荐）
uv pip install langflow -U
uv run langflow run

# 从源码运行
make init && make run_cli

# Docker
docker run -p 7860:7860 langflowai/langflow:latest

启动后访问 http://127.0.0.1:7860 进入可视化画布。

教程导读

本教程分两条路径：

AI 应用路径（`/tutorials/langflow/ai/`）

聚焦如何用 Langflow 构建 AI 应用：

组件即工具：如何将任意节点变为 Agent 可调用的 Tool
多模型路由：在画布上实现运行时模型切换与故障转移
MCP 工作流：将 Flow 发布为 MCP Server 的完整流程
RAG 可视化管线：从文档到检索的全链路组件编排
多 Agent 编排：子工作流与条件路由的协作模式

开发核心路径（`/tutorials/langflow/dev/`）

聚焦 Langflow 自身的工程架构：

三层包架构：lfx（执行引擎）→ langflow-base（平台）→ langflow（发行版）的依赖边界
Graph 执行引擎：有向图的拓扑排序、循环处理与增量构建
组件系统设计：Component 基类、输入/输出契约、向后兼容机制
前端画布架构：React Flow + Zustand 的状态管理与实时协作
Flow JSON 契约：持久化用户产物的序列化与反序列化协议

引用的通用知识

本教程涉及以下通用知识点，已在 Common 知识库中独立成篇：