做 AI Agent 最痛苦的不是调 API，是调通之后发现逻辑写死了、换模型要改一堆代码、测试又没有现成工具。
Langflow 就是为了解决这些问题而生的——151K+ ⭐，GitHub 上可视化 AI 工作流赛道里最火的项目，没有之一。MIT 协议，Python 底座，最新版 v1.10.1 刚支持 MCP Server 导出。
是什么
Langflow 本质上是一个可视化 AI 工作流编排平台，把 LLM 调用、向量数据库查询、文件解析、工具调用、多 Agent 协作这些组件都做成了可拖拽的「积木」，用连线把它们串起来就是一个完整的 AI 应用。
它不只是个原型工具。Langflow 提供完整的代码访问权限，每个组件都能用 Python 自定义；内置交互式 Playground，搭完直接测试；最终产物可以导出成 REST API 或者 MCP Server，嵌入到任何技术栈里。
核心能力
拖拽式可视化编排。这是 Langflow 的招牌。界面基于 React Flow，组件库里有 LLM 调用、RAG 检索、文档解析、工具节点、条件分支、多 Agent 节点等 200+ 开箱即用的组件。从左侧面板拖组件到画布，连几根线，整个工作流就搭好了。不用写代码，也不用理解 DAG 调度。
交互式 Playground。搭完直接在界面上测试。可以逐步检查每个节点的输入输出，调整参数，实时看到数据流。不用每次都跑完整个流程才知道哪里出了问题。
多 Agent 编排。支持构建多个 Agent 协作的复杂工作流，内置会话管理和检索能力。比如可以让一个 Agent 负责信息检索，另一个 Agent 负责总结生成，第三个负责执行操作——它们之间通过 Langflow 的消息通道通信，不需要额外搭建消息队列。
MCP Server 一键导出。v1.10.1 最大亮点：任何 Langflow 流程都能一键导出为 MCP Server，Claude Desktop、Cursor、Windsurf 等 MCP 客户端可以直接调用你的工作流。这是目前为数不多能把可视化工作流直接变成标准 MCP 工具的平台。
Python 源码访问。每个组件都可以在界面上切换到代码视图，直接改 Python 源码。用 Langflow 快速验证思路，确认后直接把逻辑写进生产代码，不需要重新发明轮子。
怎么上手
最简单的方式，两行命令：
```bash
uv pip install langflow -U
uv run langflow run
```
浏览器打开 http://127.0.0.1:7860，界面里有现成的模板，比如「RAG 问答」「多 Agent 旅行助手」「文档分析」，点进去改改参数就能跑起来。
Docker 也支持：
```bash
docker run -p 7860:7860 langflowai/langflow:latest
```
如果是 Windows/macOS 用户，官方还提供了 Langflow Desktop 桌面版，自带所有依赖，不用配置 Python 环境。
不是没有槽点
第一个问题是 自定义组件的文档偏少。基础组件用起来很顺手，但一旦需要写自定义 Python 组件，能参考的官方文档就比较有限，很多时候得翻源码或者社区讨论才能搞清楚组件接口。
第二个是 大规模工作流卡顿。当你拖了 30-50 个节点以上，界面响应明显变慢。官方建议拆分成子流程，但嵌套层级多了调试起来会很麻烦。
第三个是 依赖项比较重。Langflow 的 Python 依赖包很多，pip install 经常要拉几百 MB。在生产环境里要考虑依赖包管理，Docker 方案相对省心。
第四个是 企业版功能限制。部分可观测性、权限管理、团队协作功能只在 Langflow Cloud 企业版里提供，开源版没有。
跟同类怎么选
如果你追求的是「拖拽搭建、快速原型」，Langflow 和 Flowise 都能满足。Flowise 更轻量，Node.js 底座，界面更简洁，适合轻量级 RAG 场景。Langflow 的优势在 Python 生态、多 Agent 编排、以及 MCP Server 导出——如果你要做复杂的 Agent 工作流或需要与 MCP 生态对接，Langflow 更合适。
Dify 是另一个热门选择。Dify 的定位更偏「全托管 AI 应用平台」，带内置的 LLM 网关、知识库管理、权限控制，企业开箱即用。Langflow 更偏开发者工具，灵活度高，学习曲线略陡。
至于微软 Semantic Kernel、AWS Bedrock Flows 这类厂商级方案，绑定生态风险高，适合已经在对应云上深度投入的团队。
一句话总结：想用最直观的方式搭 AI 工作流，Langflow 是目前体验最好的开源选择。 151K ⭐ 不是白来的。
GitHub：langflow-ai/langflow
官方网站：langflow.org
标签：#Langflow #AI工作流 #可视化编排 #RAG #多Agent #MCP #Python #开源
关注我，每期分享一个帮你省事的强大工具 🛠️