正在打开每日关注
正在打开每日关注
用可视化画布搭建 Agent 工作流，并直接导出 API 或 MCP 工具。
🧠炸裂！这个开源项目拖拖拽拽就能搭出能干活的 AI agent，还能一键变成 MCP 工具 GitHub 揽获 15 万+ stars，直接封神了 以前想给 Claude 或者自己的应用加一个「查数据库+搜网页」的 agent 能力，得学一套框架、写一堆胶水代码才能跑通。 现在打开 Langflow 的画布，把检索组件、对话管理、搜索工具这些拖出来连一连，playground 里当场跑一遍看结果，每个组件不满意还能直接改 Python 源码。 调好了，要么一键导出成 API 给自己的程序调，要么直接部署成 MCP server，让 Claude 把这个工作流当成一个工具来调用。 uv pip install langflow 装完，uv run langflow run 一条命令，本地 7860 端口就跑起来了。 以前搭 agent 靠写代码，现在靠拖组件。 https://t.co/gHBPSyRkls
是什么 Langflow 是 langflow-ai/langflow 开源的 AI Agent 与工作流构建、部署平台。元数据显示仓库使用 Python、创建于 2023-02-08、拥有 153,845 stars，最近提交为 2026-08-29。README 的定位不是单一模型或搜索服务，而是让工作流可被应用集成的开发平台。
核心设计 从 README 可确认的结构包括可视化 builder、可改 Python 源码的组件、交互式 playground、多 Agent 编排、对话管理与检索；完成后可通过内置 API 或 MCP server 暴露为应用接口或工具，并连接主流 LLM、向量数据库和 AI 工具。LangSmith、LangFuse 等可观测性集成，以及安全与扩展性定位，构成部署侧能力。
关键洞察 它把“组件连线—即时试跑—源码微调—API/MCP 复用”串成连续闭环，切入点是降低 Agent 原型与集成的胶水代码成本。对需要把数据库查询、网页搜索或检索流程接入 Claude 或自有应用的工程师，这种工作流即工具的抽象很有吸引力；但帖子强调的是研发体验和交付效率，并非设计方法论。
边界与风险 本地安装要求 Python 3.10–3.14，README 推荐 uv，也提供 Desktop 与 Docker 入口。材料没有给出吞吐、权限细节、隔离模型、成本、MCP 兼容范围或生产 SLA，因此不能仅凭 stars、开源属性和“enterprise-ready”表述推断生产可靠性，正式采用前仍需验证部署与治理要求。