可视化 agent 构建
通过低代码可视化界面构建 AI agents 和 MCP 服务器，需要时再用 Python 细化行为。
Langflow
认领Langflow 是一款面向 agentic 和 RAG 应用的低代码 AI 构建工具，结合可视化流程搭建与 Python 自定义，支持自托管或免费云账户部署。
概述
Langflow 是一款面向 agentic 和检索增强生成（RAG）应用的低代码 AI 构建工具。它将可视化构建器与 Python 自定义相结合，使团队无需仅依赖手写样板代码即可进行原型设计、修改和部署 AI 工作流。
该产品定位于构建 AI agents、MCP 服务器和 RAG 应用。网站强调可视化流程、可复用组件、协作，以及通过自托管或免费云账户进行部署。
功能
可视化流程设计
拖放并连接组件即可创建流程，无需从样板代码开始。
可复用组件
复用预置流程和组件，加快迭代并保持不同项目中的常用逻辑一致。
Agent 编排
运行单个 agent 或由多个 agent 组成的集群，并让它们将组件作为工具使用。
API 部署
将你的流程部署为 API，并通过 Langflow 的云服务或你自己的部署方式发布。
广泛的模型与工具支持
可与主流 LLM、向量数据库以及不断增长的 AI 工具和数据源库协同工作。
使用场景
Agent 工作流原型设计
使用可视化编辑器设计和迭代 AI agent 工作流，然后在需要时用 Python 微调逻辑。
RAG 应用开发
构建将模型与向量数据库及其他数据源结合的检索增强生成应用。
API 驱动的应用
将流程作为 API 部署，以供更大的产品或内部服务使用。
多 agent 编排
运行单个 agent 或由多个 agent 组成的集群，并让它们访问流程中的工具和组件。
桌面端开发
使用 Mac 或 Windows 上的桌面应用，在浏览器之外访问 Langflow。
Pros and Cons
Pros
- 可视化流程减少了从样板代码开始的需要。
- Python 仍可在底层用于自定义。
- 网站同时支持自托管部署和云选项。
- 它面向 agents、MCP 服务器和 RAG 工作流，而不是单一狭窄用途。
- 桌面页面显示可访问 Mac 或 Windows 应用。
Cons
- 所提供页面没有包含完整的公开功能矩阵，也没有为提到的每项能力提供详细文档。
- 首页对集成能力的介绍较为概括，但所提供来源并未详细列出全部受支持的工具和连接器。
FAQ
Langflow 有什么用途？
Langflow 旨在通过可视化流程构建 AI 应用，同时仍支持在底层使用 Python 进行自定义。网站也强调支持部署应用、agents 和 MCP 服务器。
Langflow 是否提供桌面应用？
桌面版页面说明，填写表单后可下载 Mac 或 Windows 版本。
如何部署 Langflow 应用？
首页说明，Langflow 可通过自托管或免费云账户部署，并提供企业级云平台。
Langflow 支持哪些集成？
网站将 Langflow 描述为可与主流 LLM、向量数据库以及不断增长的 AI 工具库协同工作，但所提供页面并未列出完整的公开兼容性清单。
Quick Facts
- 类别
- 开发者工具
- 主要用途
- 面向 agents 和 RAG 的低代码 AI 应用构建
- 平台
- Web 应用；适用于 Mac 或 Windows 的桌面应用
- 部署方式
- 自托管或云端
- 来源域名
- langflow.org
- 价格 संकेत
- 提到免费云账户；所提供页面未显示价格详情