深度介绍

Langflow详细介绍

🧭

定位：开源的 AI 应用构建器

Langflow 的官方介绍是「面向智能体与 RAG 应用的低代码 AI 构建器」：它既是可视化工具，也是一个基于 Python 的可定制框架，支持智能体与模型上下文协议（MCP）等能力，并且不要求你使用特定的模型或向量库。官网给出的规模口径是 GitHub 上 15 万级别的星标与上万次分叉，项目以 MIT 许可开源；文档站当前版本为 1.12 分支，并已列出 1.13 的下一版本。它的目标很明确：让开发者不必被框架的样板代码拖住，先把想法跑起来。

🧩

拖拽编排：把流程画出来

核心使用方式是可视化编辑：把组件节点拖进画布、连线并配置，形成一个「流程」。每个组件代表工作流中的一步，官方文档给出的例子包括用模型加商品数据库搭一个电商问答流程。搭好之后可以在 Playground 里实时试跑，直接对话并观察逻辑与输出，也可以单独运行某个组件、隔离地验证它的依赖是否配置正确。对需要反复试错的 AI 应用，这种「改一处、马上看到结果」的节奏比写脚本快得多，也便于把半成品拿给同事看。

🐍

Python 在底层，随时接管

可视化不等于受限：Langflow 是 Python 框架，任何组件都可以用 Python 改写或扩展，官方把它描述为「拖拽、放下、部署」的同时保留「无限控制」——可以交换和对比不同实现，也能把自定义逻辑沉淀成可复用组件。对团队而言，这意味着原型阶段可以靠拖拽推进，进入深水区后不必推倒重来换框架；同一份流程既能作为演示，也能作为生产代码的骨架，减少从验证到落地的折损。

🤖

智能体与 MCP：组件就是工具

官方强调两项当下最受关注的能力：一是智能体——可以运行单个智能体，也可以运行一组智能体，并把已配置的组件直接当作它们可调用的工具；二是模型上下文协议（MCP）——既能消费外部 MCP 服务，也能把流程本身构建并部署成 MCP 服务器，供别的 Agent 调用。官方首页把「构建并部署 AI 智能体与 MCP 服务器」直接写进了产品定义，官方文档也设有专门的智能体与 MCP 章节。

🚀

从笔记本到生产：流程即 API

官方给这条路径的表述是「从笔记本到生产」：搭好的流程可以直接作为 API 提供出去，用免费账户在托管云端部署，也可以自行部署并横向扩展。可选的运行形态包括自托管网页编辑器、桌面应用（macOS 与 Windows，官方持续发布各版本的桌面版）、云端托管，以及容器化部署；官方强调开源版与云端是同一套 Langflow，迁移时不必重学。文档中还包含开发与部署、组件参考与 API 参考等章节，用于把原型推成正式服务。

🔌

组件与集成生态

Langflow 的能力很大程度上来自组件库：官方称提供数百个预置流程与组件，覆盖模型服务、向量数据库、检索与工具调用等类别，并持续增加。首页展示的集成清单里既有各家模型服务与云平台，也有向量库、搜索与办公类工具；官方文档的组件参考会列出每个组件可配置的字段，便于按需挑选。对不想从零接入的团队，这套生态意味着大部分常见系统已有现成节点，真正需要自己写代码的部分可以压缩到业务特有逻辑上。

📈

可观测性与协作

在发布流程方面，桌面版与云端都支持把流程分享给他人协作；1.12 版本重点补上了可观测性：官方说明该版本加入 OpenTelemetry 支持，可把链路数据以 OTLP 发送到任何兼容后端，并特别强调过程中不会外发提示词与模型补全内容。对企业来说，这一点直接影响能否把工具接进既有的监控体系——既能看到服务健康与流程运行情况，又不必把业务里的敏感文本交给外部系统。

💳

许可、归属与价格

许可方面，Langflow 以 MIT 开源，软件本身免费；官方另提供云端托管，可从免费账户起步并按需扩展，专业服务与高级支持则单独报价，具体价格以官网当期说明为准。归属方面需要知道的是：Langflow 由 DataStax 团队维护，而 IBM 已在 2025 年 2 月宣布收购 DataStax，DataStax 官方也发布了「正式加入 IBM」的说明，因此 Langflow 现在处在 IBM 体系内（官网统计脚本同样标注为 IBM 子公司）。对选型而言这意味着开源承诺与商业支持路线值得一并确认。

产品特点

核心功能与独有价值

拖拽与代码两条路都留着

既能用可视化编辑器快速搭出流程，也能随时用 Python 改写组件实现，原型不会被框架的表达能力限制住，省掉后期推倒重来的成本。

不绑定模型与向量库

官方明确不要求使用特定的大模型或向量存储，同一套流程里可以替换模型与检索后端，避免把已经跑通的业务应用绑死在单一供应商上。

把 MCP 当作一等能力

既能连接外部 MCP 服务，也能把流程部署成 MCP 服务器供其他 Agent 调用，适合把内部系统包装成可复用的工具。

开源免费且组件生态厚

MIT 许可、十几万星标的社区，加上数百个预置组件与流程模板，从零到第一个可运行流程的时间成本很低，试错与放弃的成本同样低。

重要更新

2026-09-16

Langflow 1.12 桌面版发布

官方博客在 2026 年 9 月 16 日宣布 1.12 桌面版可用，并指向开源版本的发布说明。桌面版让不熟悉命令行与容器环境的用户也能在 macOS 或 Windows 上直接打开可视化编辑器搭建流程；官方此前也已发布 1.11 与 1.10 的桌面版，说明桌面应用的迭代节奏与主版本保持同步。

2026-09-01

1.12 引入 OpenTelemetry 可观测性

官方在 2026 年 9 月 1 日发布 1.12，重点是加入 OpenTelemetry 支持：可以把链路数据以 OTLP 协议发送到任何兼容后端，用于观察服务健康与流程运行情况，官方同时说明过程中不会外发提示词与模型补全内容。对企业落地而言，这让流程能接入既有的监控与告警体系，而不必额外搭建专用观测组件。

2026-07

1.11 系列：人在环、A2A 与多向量检索

官方在 2026 年 7 月 22 日发布 1.11，加入人在环（Human-in-the-Loop）检查点、A2A 协议支持以及工作流 API 的 AG-UI 流式输出等能力；次日发布 1.11.0，通过扩展包提供多向量检索，官方称其开箱支持 ColBERT 风格的后期交互与 ColPali 风格的视觉文档检索。这些能力对应了当年度 Agent 互操作与检索质量两个主要方向。

产品总结

Langflow 是一个开源的 Python 低代码框架，官方定位为「面向智能体与 RAG 应用的低代码 AI 构建器」。它既是可视化工具也是可定制的框架，支持智能体和模型上下文协议（MCP），并且不要求使用特定的大模型或向量库。项目以 MIT 许可开源，GitHub 上星标在 15 万级别、分叉上万，文档当前版本为 1.12 并已列出下一版本分支。使用方式上，用户把组件节点拖进画布、连线并配置，形成一个个流程，每个组件代表工作流中的一步；搭好后可在 Playground 里实时试跑并观察逻辑与输出，也能单独运行某个组件来隔离验证依赖。可视化不代表受限——组件都能用 Python 改写或扩展，原型阶段靠拖拽推进，深入后不必换框架。它把智能体与 MCP 作为重点能力：可以运行单个或一组智能体，并把已配置的组件直接当作它们可调用的工具；也能消费外部 MCP 服务，或把流程本身部署成 MCP 服务器供其他 Agent 调用。可选的运行形态包括自托管网页编辑器、桌面应用（macOS 与 Windows）、云端托管与容器化部署，流程可以直接作为 API 提供，官方强调开源版与云端是同一套 Langflow。1.12 版本加入 OpenTelemetry 支持，可将链路数据以 OTLP 发往兼容后端，且不外发提示词与模型补全内容。生态方面，官方称提供数百个预置流程与组件，覆盖模型服务、向量数据库、检索与工具调用等类别，首页也展示了大量集成。许可与归属方面：软件以 MIT 开源、本身免费，云端托管可从免费账户起步，专业服务与高级支持另行报价；Langflow 由 DataStax 团队维护，而 IBM 已于 2025 年 2 月宣布收购 DataStax，DataStax 也发布了正式加入 IBM 的说明。选型时建议先确认开源许可与商业支持路线的长期安排，再用免费版验证是否贴合现有技术栈。

产品类型: 低代码 AI 应用开发框架
支持平台: 网页端可视化编辑器（自托管） / 桌面应用（macOS、Windows） / 云端托管（免费账户起步） / 容器化与生产环境部署 / Python 包与命令行
资费模式: 开源版免费（MIT 许可）；云端托管可从免费账户起步，企业支持与专业服务另行报价。

核验信息

参考文章与数据来源

本页事实来自 Langflow 官方渠道与收购方公告：Langflow 官网（低代码构建器定位、可视化编辑与 Python 定制说明、智能体与 MCP、流程即 API、开源与云端一致、桌面版入口、集成清单与社区规模徽章）、官方文档（Python 框架与不绑定模型和向量库的说明、流程与组件与 Playground 用法、开发与部署及组件与 API 参考、当前版本分支）、官方博客（1.12 桌面版、1.12 的 OpenTelemetry 说明、1.11 的人在环与 A2A 与 AG-UI、1.11.0 的多向量检索等条目及日期）、使用场景页、桌面版页与 GitHub 仓库（星标与 MIT 许可），以及 IBM 新闻室的收购公告与 DataStax 的加入说明。页内未列出集成清单中的受限品牌名。价格与状态核验于 2026 年 9 月 22 日。

用户体验调查

Langflow介绍页面对您是否有帮助？

拖拽搭建 AI Agent 与 RAG 应用