Langflow

Langflow 的核心是一塊拖放畫布，每個元件都是流程中的一個步驟。你連接輸出埠與輸入埠來決定資料怎麼流動，也能在流程執行時查看任何節點的輸入與輸出。這就是除錯多步驟代理比讀原始日誌更輕鬆的原因。

Langflow 把代理當作一等元件，並同時支援伺服器端與客戶端的 Model Context Protocol。你可以讓單一代理或整隊代理，把你所有元件當成可呼叫的工具。想讓流程觸及外部 AI 工具的團隊，通常從這裡開始。

元件庫涵蓋輸入輸出、模型供應商、提示詞範本、資料載入器、向量資料庫與實用工具。常見的 LLM、向量資料庫與應用整合都隨附在內，也能瀏覽最常被詢問的起始範本。缺少你需要的元件時，自訂元件就是為此而生。

自訂元件是繼承 Component 的 Python 類別，帶有型別的輸入輸出會以連接埠出現在畫布上。你能匯入任何函式庫、寫任何邏輯，低程式碼介面因此不會限制你能做出什麼。社群分享的元件也接進同一套系統。

任何流程都能透過 Langflow API 發布成 REST 端點或 MCP 伺服器，讓你用視覺方式組出來的 RAG 應用建置工具變成其他軟體能呼叫的服務。也能把流程當成相依項目嵌進更大的 Python 專案。這是原型與真正產品之間的橋樑。

你可以自行架設、執行官方 Docker 映像，或採用雲端方案。Langflow 會把追蹤資料匯出到 OpenTelemetry 後端，也能接上 Langfuse 這類工具做監控。內建的埋點讓你看到健康狀態、延遲與錯誤，不必再另外架一套系統。

Playground 提供聊天式介面，讓你執行流程並觀察每個步驟。可以單獨執行元件來測試相依關係，也能用 tweaks 在執行時覆寫設定。在這裡迭代，比每次改動都重新部署整個應用快得多。