Langflow — визуальный конструктор AI-агентов и RAG-схем с открытым кодом

Langflow — это визуальный конструктор для AI-приложений на Python с открытым исходным кодом. Вы собираете схему из блоков мышкой, а не пишете весь код сами. Каждый блок отвечает за один шаг: вызов модели, поиск по базе знаний, работу с памятью, вызов инструмента. Блоки соединяются стрелками, и всю схему сразу видно на экране.

Проект начался в феврале 2023 года. Сейчас у него около 155 тысяч звёзд и 10 тысяч форков на GitHub, лицензия MIT, основной язык — Python. Это один из самых известных проектов с открытым кодом в своей нише.

Какую задачу он решает

Обычный путь — написать агента или схему поиска по базе знаний (RAG) на LangChain или LlamaIndex. Такой код работает, но его трудно показать коллеге: виден только текст.

Langflow закрывает другую задачу. Он помогает быстро собрать черновик схемы, посмотреть на него и сразу прогнать, чтобы понять, работает ли задумка.

Схема в Langflow называется flow. Это описание того, как приложение выполняет свою работу. Для агентов, чат-ботов, систем анализа документов и генераторов контента есть готовые шаблоны — их можно взять и поправить.

Второе важное свойство — схема остаётся обычным Python-кодом. Её можно выгрузить в JSON, а любой блок — заменить своим кодом. То есть визуальный редактор не запирает вас в интерфейсе.

Ключевые возможности

• Визуальный редактор. Схему собирают перетаскиванием блоков. Это быстрый способ поменять структуру и сразу увидеть результат.
• Свой код в любом блоке. Компоненты пишутся на Python. Можно взять готовый компонент и изменить его, а можно написать свой с нуля.
• Тестовая панель Playground. Отдельное окно, где схему прогоняют пошагово и показывают, что пришло на каждом шаге. Это экономит время на отладке.
• Несколько агентов в одной схеме. Можно собрать нескольких агентов, настроить между ними обмен сообщениями и поиск по памяти.
• Экспорт в API. Готовую схему можно отдать наружу как API и вызывать из своего приложения.
• Работа как MCP-сервер. Схему можно опубликовать как MCP-сервер и использовать её как инструмент из Claude, OpenCode или другого MCP-клиента. Есть и обратный режим: Langflow сам подключается к внешним MCP-серверам как клиент.
• Наблюдаемость. Есть интеграции с LangSmith, LangFuse и другими системами трассировки — они показывают, что именно происходило во время запуска.
• Готовность к продакшену. Разработчики заявляют безопасность и масштабирование для корпоративного использования.

Поддерживаемые модели и хранилища

Langflow не привязывает вас к одной экосистеме. Он поддерживает все основные LLM, векторные базы и растущую библиотеку AI-инструментов. Полный список компонентов и интеграций есть в документации.

Параметры у компонентов бывают двух видов: заданные заранее или вычисляемые во время работы. Настройки схемы можно временно переопределить прямо во время запуска, не пересобирая flow.

Установка

Нужен Python от 3.10 до 3.14. В качестве пакетного менеджера рекомендуют uv.

uv pip install langflow -U
uv run langflow run

После запуска интерфейс доступен на http://127.0.0.1:7860.

Есть и другие варианты:

• Langflow Desktop — настольное приложение для Windows и macOS со всеми зависимостями внутри. Самый простой путь для первого знакомства. Страница загрузки.
• Docker — одна команда, настройки по умолчанию:

docker run -p 7860:7860 langflowai/langflow:latest

• Запуск из исходников — если репозиторий уже склонирован и вы хотите участвовать в разработке:

make run_cli

Подробности есть в DEVELOPMENT.md и в гайде по установке.

Свои компоненты

Отдельно стоит рассказать про собственные компоненты — их часто называют кастомными. Вы описываете входы, выходы и логику на Python, а Langflow показывает это как блок на схеме. Готовые компоненты можно брать у других пользователей, свои можно публиковать. Подход описан в разделе про кастомные компоненты.

Развёртывание

Код полностью открыт, поэтому Langflow можно поставить в любом облаке. В документации есть отдельные гайды по Docker и по развёртыванию в целом.

Лицензия

MIT — одна из самых свободных лицензий. Код можно использовать в коммерческих проектах, изменять и распространять, в том числе в закрытом виде.

Место в работе с кодом

Langflow не заменяет кодинг-агента. Задачи у них разные. Кодинг-агент пишет и правит код, а Langflow рисует схемы AI-приложений и проверяет, что они работают. На практике это полезно в двух местах.

Первое — прототипирование. Когда идея агента ещё не оформлена, дешевле собрать её в Langflow за час, чем писать классы и промпты вручную. Как только схема заработала, её можно перенести в обычный код.

Второе — готовые инструменты для агента. Опубликованный MCP-сервер даёт вашему кодинг-агенту готовый блок. Агенту не нужно писать интеграцию с векторной базой — он просто вызывает её как один инструмент. Кода становится меньше, и исчезает часть мест, где агент обычно ошибается.

Для команды, которая делает AI-приложения регулярно, Langflow удобен ещё и тем, что схемы читаются без объяснений. Новичок может открыть JSON, увидеть структуру и понять, что происходит в приложении.

Схема Langflow не заменяет тесты и не гарантирует правильность промпта. Это удобный способ собрать и проверить черновик. Решение о продакшене по-прежнему принимает разработчик.

Обсуждения и разборы ведутся в сообществе: Discord, YouTube. Правила участия в разработке — в CONTRIBUTING.md, политика безопасности — в SECURITY.md.