Langflow

Langflowの中心は、各部品がフローの1ステップになるドラッグ＆ドロップのキャンバスだ。出力ポートと入力ポートをつないでデータの流れを決め、実行中はどのノードの入力と出力も覗ける。多段のエージェントを生のログより楽にデバッグできるのはこのためだ。

Langflowはエージェントを一級の部品として扱い、Model Context Protocolをサーバー側でもクライアント側でも支える。単一のエージェントにも、エージェント群にも、あなたの部品すべてを呼び出せるツールとして渡せる。外部のAIツールにフローを届けたいチームはたいていここから始める。

ライブラリは入出力、モデルプロバイダ、プロンプトテンプレート、データローダー、ベクトルストア、ユーティリティツールまで幅広くそろう。主要なLLM、ベクトルストア、アプリ連携は最初から入っており、最も要望の多いパターンのテンプレートも眺められる。必要な部品がなければ、カスタム部品の出番だ。

カスタム部品はComponentを継承したPythonクラスで、型付きの入出力がキャンバス上のポートとして現れる。どんなライブラリも読み込め、どんなロジックも書けるので、ローコードの表面が作れるものの上限にはならない。コミュニティが共有する部品も同じ仕組みに載る。

どのフローもLangflow APIを通じてRESTエンドポイントやMCPサーバーとして公開できる。視覚的に組んだアプリが他のソフトから呼べるものになる。より大きなPythonプロジェクトに依存として組み込むこともできる。試作と本物の製品をつなぐ橋だ。

自分でホストする、公式のDockerイメージを動かす、クラウドを使う、といった選択肢がある。LangflowはトレースをOpenTelemetryのバックエンドに送り、Langfuseなどのツールと組んで監視できる。内蔵の計測で、別の仕組みを足さずに健全性、遅延、エラーを把握できる。

Playgroundはチャット風の画面でフローを回し、各ステップを見せてくれる。部品を単体で動かして依存を切り分けて試すことも、tweaksで実行時の設定を上書きすることもできる。変更のたびにアプリ全体を再デプロイするより、ここでの反復は速い。