Langflow（langflow-ai/langflow）是一个用于构建与部署 AI 智能体和工作流的开源平台，核心是可视化（拖拽节点）编排体验，配合内置 API 与 MCP server，能把每条工作流变成可被任意框架/技术栈应用调用的工具。它「开箱即用」，支持主流 LLM、向量数据库与不断扩充的 AI 工具库；每个组件可用 Python 自定义源码。MIT 许可，约 148,699 stars，主语言 Python，提供 Langflow Desktop（Windows/macOS）、PyPI 包与 Docker 镜像，官网 langflow.org。
来源：README.md（介绍、Highlight features、Quickstart）；GitHub 仓库元数据（stars=148699、language=Python、license=MIT、topics react-flow/multiagent） 查看 GitHub 仓库 →构建 LLM 应用与 Agent 工作流时，纯代码门槛高、迭代慢。Langflow 用可视化构建器让开发者快速搭建并调试流程，又保留 Python 源码自定义与一键部署为 API/MCP server 的能力，兼顾低门槛与可扩展，支持主流 LLM/向量库与可观测（LangSmith/Langfuse），并有桌面端降低环境配置门槛，因而成为该方向 star 数极高的项目之一。需说明：可视化与「企业级」表述需结合具体规模与部署验证；复杂逻辑仍可能要回到代码。截至数据采集约 148,699 stars。
来源：README.md（介绍、Highlight features、Desktop）；GitHub 仓库元数据（stars=148699、pushed_at 2026-05）拖拽节点快速搭建并迭代 AI 流程，配交互式 playground 分步测试调试。
来源：README.md（Highlight features 的 Visual builder/playground）每个组件可用 Python 访问并自定义源码，兼顾低代码与可扩展。
来源：README.md（Highlight features 的 Source code access）支持多智能体编排，含对话管理与检索能力。
来源：README.md（Highlight features 的 Multi-agent orchestration）流可部署为 API 或导出 JSON，也可作为 MCP server 变成 MCP 客户端可用的工具。
来源：README.md（Highlight features 的 Deploy as API/MCP server）Langflow 用 Python 实现，前端用 react-flow 提供拖拽式可视化画布：用户把 LLM、向量库、工具、Agent 等组件连成流（flow），在交互式 playground 中分步测试与调试；每个组件可访问源码用 Python 定制。构建好的流可部署为 API 或导出 JSON 供 Python 应用调用，也可部署为 MCP server，使其成为 MCP 客户端可用的工具，从而被任意框架集成。支持多智能体编排（含对话管理与检索）、主流 LLM 与向量数据库，并接入 LangSmith/Langfuse 等做可观测。安装方式多样：PyPI（uv）、源码、Docker、桌面应用。
来源：README.md（介绍、Highlight features、Quickstart、Other install options）；GitHub topics（react-flow）中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
主流 LLM 与向量数据库MCP（部署为工具）LangSmith / Langfuse（可观测）uv / Docker适合构建 LLM 应用与 Agent 工作流的开发者与团队：用可视化方式快速搭建 RAG 问答、多智能体编排、带工具调用的流程并迭代调试，再部署为 API 或 MCP server 集成进现有应用；也适合需要低代码起步又保留 Python 定制与可观测的场景，或作为原型与生产工作流的统一编排平台。复杂业务逻辑仍可结合源码定制。
来源：README.md（介绍、Highlight features）本页未列固定版本号；Langflow 通过 PyPI（langflow）、Docker 与桌面应用持续发布，版本见 GitHub Releases 与 PyPI。仓库最后更新约在 2026 年 5 月，迭代非常活跃。
来源：README.md（Release 徽章、Quickstart）；GitHub pushed_atLangflow 是一个 star 数极高的可视化 AI 智能体/工作流编排平台：拖拽搭建并调试流程，组件可用 Python 定制，支持多智能体、主流 LLM/向量库与可观测，并能一键部署为 API 或 MCP server 集成进任意技术栈，安装方式多样、MIT 开源、社区庞大，对快速构建 LLM 应用与 Agent 的团队很实用。要清楚可视化对复杂逻辑仍可能需回到代码、企业级特性需按规模验证、流程复杂时有维护成本、能力受所接生态影响。作为低代码 AI 编排方向的旗舰开源项目，覆盖广、上手快、可扩展强。
来源：综合 README.md 的定位、可视化+源码能力、部署与生态