langflow-ai/langflow

[](https://github.com/langflow-ai/langflow/releases) [](https://opensource.org/licenses/MIT) [](https://pypistats.org/packages/langflow) [](https://twitter.com/langflow_ai) [](https://www.youtube.com/@Langflow) [](https://discord.gg/EqksyE2EX9) [](https://deepwiki.com/langflow-ai/langflow) [Langflow](https://langflow.org) 是一个用于构建和部署 AI 驱动的 Agent 和工作流的强大平台。它为开发者提供了可视化的创作体验，以及内置的 API 和 MCP 服务器，可以将每个工作流转化为工具，集成到基于任何框架或技术栈构建的应用程序中。Langflow 开箱即用，支持所有主流的 LLM、向量数据库以及不断增长的 AI 工具库。 ## ✨ 核心功能 - **可视化构建界面**，可快速上手并迭代。 - **源代码访问**权限，允许您使用 Python 自定义任何组件。 - **交互式演练场**，可立即测试和优化您的工作流，并提供逐步控制。 - **多 Agent 编排**，支持对话管理和检索。 - **部署为 API** 或导出为 JSON 用于 Python 应用。 - **部署为 MCP 服务器**，将您的工作流转化为 MCP 客户端的工具。 - **可观测性**，集成 LangSmith、LangFuse 等。 - **企业级**安全性和可扩展性。 ## 🖥️ Langflow 桌面版 Langflow Desktop 是开始使用 Langflow 的最简单方式。所有依赖项均已包含，因此您无需管理 Python 环境或手动安装包。 适用于 Windows 和 macOS。 [📥 下载 Langflow Desktop](https://www.langflow.org/desktop) ## ⚡️ 快速入门 ### 本地安装（推荐） 需要 Python 3.10–3.13 和 [uv](https://docs.astral.sh/uv/getting-started/installation/)（推荐的包管理器）。 #### 安装 在一个新目录中，运行： ``` uv pip install langflow -U ``` 最新的 Langflow 包已安装。 更多信息，请参阅 [安装并运行 Langflow OSS Python 包](https://docs.langflow.org/get-started-installation#install-and-run-the-langflow-oss-python-package)。 #### 运行 要启动 Langflow，请运行： ``` uv run langflow run ``` Langflow 启动于 http://127.0.0.1:7860。 就是这样！您已准备好开始构建 Langflow！ 🎉 ## 📦 其他安装选项 ### 从源码运行 如果您已克隆此仓库并想要贡献代码，请在仓库根目录运行此命令： ``` make run_cli ``` 更多信息，请参阅 [DEVELOPMENT.md](./DEVELOPMENT.md)。 ### Docker 使用默认设置启动 Langflow 容器： ``` docker run -p 7860:7860 langflowai/langflow:latest ``` Langflow 可通过 http://localhost:7860/ 访问。 有关配置选项，请参阅 [Docker 部署指南](https://docs.langflow.org/deployment-docker)。 ## 🚀 部署 Langflow 完全开源，您可以将其部署到所有主要的云平台。要了解如何部署 Langflow，请参阅我们的 [Langflow 部署指南](https://docs.langflow.org/deployment-overview)。 ## ❤️ 贡献者 [](https://github.com/langflow-ai/langflow/graphs/contributors)

标签：AI 智能体, API 服务, DLL 劫持, DNS解析, LangChain, Langflow, LLM 应用开发, Prompt 工程, Python, RAG, 人工智能, 低代码开发平台, 可视化编程, 向量数据库, 多智能体协同, 大语言模型, 安全头部检测, 工作流自动化, 开源项目, 拖拽式界面, 无后门, 模型编排, 用户模式Hook绕过, 请求拦截, 轻量级, 逆向工具