OpenXFlow

让 AI 工作流构建更简单、更开放、更智能

面向开发者的开源 AI 工作流平台。

简体中文 · English

快速开始 · 桌面端 · 核心能力 · 开发文档 · 参与贡献 · GitHub Issues

产品介绍

OpenXFlow 是一个面向开发者的开源 AI 工作流平台。通过可视化画布，开发者可以连接大语言模型、Agent、知识库、数据源、API 和外部工具，快速构建、调试、运行和集成 AI 应用。

平台融合可视化工作流、Agent 编排、MCP 工具协议、Skills 能力组织和 RAG 知识检索，让复杂 AI 应用能够以模块化、可复用、可扩展的方式构建。

OpenXFlow 同时支持浏览器运行与 Windows、macOS 桌面端。

让每一个 AI 能力，都能够被连接、编排和复用。

✨ 产品亮点

能力	说明
可视化工作流	通过节点画布连接模型、Prompt、工具、知识库与业务逻辑
AI Agent	构建能够理解任务、选择工具并完成多步骤工作的智能体
Skills 扩展	通过可复用流程、提示词、规则、工具与组件沉淀领域能力
MCP 生态	作为 MCP Client 连接外部工具，并将项目中的工作流作为 MCP 工具提供
RAG 与知识库	组合文档处理、Embedding、向量检索与上下文增强能力
多模型支持	连接主流云端模型、本地模型与兼容 API 的模型服务
自定义组件	使用 Python 扩展节点、工具、数据处理和业务集成
API 服务	通过 REST API、Webhook 与 MCP 将工作流接入现有系统
桌面应用	基于 Electron 支持 Windows x64、macOS Apple Silicon 与 Intel
开源部署	支持本地运行、桌面运行、容器构建、私有化部署与定制集成

🧩 核心能力

可视化 AI 工作流

使用节点画布拖拽、连接和配置工作流
组合模型、Prompt、数据、工具与流程控制组件
在节点间传递文本、消息、数据和结构化结果
通过 Playground 交互测试并查看流程执行结果
以 JSON 导入、导出和复用工作流
通过 REST API、Webhook 或 MCP 运行工作流

AI Agent

在可视化流程中构建 Agent，配置模型、指令和上下文
将内置组件、其他 Agent 与 MCP Server 作为可调用工具
根据任务选择工具并执行多步骤处理
接入会话记忆、知识检索和结构化输出组件
在 Playground 或 API 调用中调试 Agent 行为

Skills

Skills 是 OpenXFlow 组织可复用 AI 能力的方式。领域知识、任务步骤、提示词、规则、工具与资源可以通过工作流和自定义组件组合封装，形成清晰、可组合的能力入口，并在不同 AI 应用中复用。

MCP

通过 MCP Tools 组件连接外部 MCP Server
支持 STDIO、Streamable HTTP 和兼容 SSE 的连接方式
在设置页或画布侧边栏配置和使用 MCP Server
将项目中的工作流作为 MCP 工具提供给外部客户端
支持 Cursor、Windsurf、Claude Desktop 等 MCP 客户端连接

RAG 与知识库

上传和处理文档，进行文本提取、切分与元数据管理
使用 Embedding 模型生成向量表示
通过知识库和向量存储完成语义检索
将检索结果注入模型上下文，构建知识问答流程
通过组件连接文件、数据库、网页和第三方数据源

模型与组件生态

集成多种大语言模型、Embedding 模型和本地模型服务
提供向量数据库、数据处理、输入输出和工具组件
使用 Python 编写自定义组件并加入可视化画布
通过 API Request、Webhook 和第三方集成连接业务系统
基于 LFX 执行引擎扩展和运行工作流

🔄 工作方式

flowchart LR
    User[用户需求] --> Canvas[可视化工作流]
    Canvas --> Agent[AI Agent]
    Canvas --> Skills[Skills 能力组合]
    Canvas --> MCP[MCP Tools]
    Canvas --> RAG[RAG 与知识库]

    Agent --> Models[大语言模型]
    Skills --> Components[流程与自定义组件]
    MCP --> Services[外部服务]
    RAG --> Data[(文档与向量数据)]

    Models --> Result[AI 应用与 API]
    Components --> Result
    Services --> Result
    Data --> Result

从需求出发，在画布中组合 Agent、可复用能力、MCP 工具与知识检索；工作流可以在 Web 或桌面界面中运行，也可以通过 API、Webhook 或 MCP 集成到业务系统。

🎯 应用场景

场景	说明
企业知识库	连接企业文档、数据源与模型，构建带知识检索能力的智能问答系统
AI 客服	组合 Agent、知识库、工具调用和业务 API，构建可控的客服工作流
数据分析 Agent	让 Agent 连接数据库、API 和分析工具，完成查询、分析与结果生成
内容生成	编排模型、Prompt、数据处理与输出组件，构建可复用的内容生产流程
开发者工具	通过 MCP 和可复用能力连接代码工具、编辑器与开发流程
业务流程自动化	连接企业系统、外部 API 和 AI 模型，自动处理多步骤业务任务

🏗️ 技术架构

flowchart TB
    subgraph Experience[交互层]
        Web[React 可视化画布]
        Desktop[Electron 桌面应用]
        Playground[Playground]
        Clients[API 与 MCP 客户端]
    end

    subgraph Application[应用服务层]
        FastAPI[FastAPI REST API]
        MCPAPI[MCP Server]
        Services[认证、项目、文件与知识库服务]
    end

    subgraph Runtime[编排与执行层]
        Graph[工作流图执行引擎]
        LFX[LFX 运行时]
        Agents[Agent 与工具调用]
        Components[内置与自定义组件]
    end

    subgraph Integrations[集成层]
        Models[模型与 Embedding 服务]
        MCPTools[外部 MCP Server]
        APIs[外部 API 与数据源]
        Vectors[向量存储]
    end

    Storage[(应用数据库与文件存储)]

    Web --> FastAPI
    Desktop --> FastAPI
    Playground --> FastAPI
    Clients --> FastAPI
    Clients --> MCPAPI
    FastAPI --> Services
    FastAPI --> Graph
    MCPAPI --> Graph
    Graph --> LFX
    Graph --> Agents
    Graph --> Components
    Agents --> Models
    Agents --> MCPTools
    Components --> APIs
    Components --> Vectors
    Services --> Storage

交互层：提供 Web 可视化画布、Electron 桌面应用、Playground，以及 API 和 MCP 客户端入口。
应用服务层：FastAPI 承载工作流、项目、文件、知识库、认证与 MCP 接口。
编排与执行层：工作流图和 LFX 运行时负责节点调度、数据传递、Agent 与组件执行。
集成层：连接模型服务、MCP Server、业务 API、数据源与向量存储。

技术栈

领域	技术
前端	React 19、TypeScript、Vite、Tailwind CSS、Zustand、XYFlow
后端	Python 3.10–3.14、FastAPI、SQLModel / SQLAlchemy、Alembic
桌面端	Electron、electron-builder、Windows NSIS、macOS DMG
工作流	Langflow 图执行引擎、LFX
Agent	LangChain 生态、工具调用、结构化输出
协议	REST API、Webhook、MCP
数据存储	SQLite、可选 PostgreSQL、文件存储
向量检索	Chroma、Qdrant、Weaviate、Pinecone、Milvus、FAISS 等组件
部署	Web 本地运行、Windows/macOS 桌面端、Docker / Podman、Docker Compose、Dev Container

🚀 快速开始

环境要求

Python >=3.10,<3.15（feature/channel-gateway 开发推荐 Python 3.12）
Node.js >=20.19.0（推荐 v22.12 LTS）与 npm v10.9+
uv >=0.4
传统 Makefile 开发方式需要 GNU Make；跨平台一键脚本不要求 Make

Windows 可直接使用原生 PowerShell 开发，也可以继续使用 WSL 或仓库内置的 Dev Container。

克隆仓库

使用 SSH：

git clone git@github.com:lien0219/openxflow.git
cd openxflow

或使用 HTTPS：

git clone https://github.com/lien0219/openxflow.git
cd openxflow

Web 本地运行

安装依赖、构建前端并启动应用：

make run_cli

访问 http://localhost:7860。如需清理前端构建缓存后重新启动，可运行：

make run_clic

桌面端运行

支持 Windows x64、macOS Apple Silicon arm64 和 macOS Intel x64。

首次安装桌面工程依赖并一键初始化启动：

npm --prefix desktop install
npm --prefix desktop run dev:setup

初始化完成后，日常启动：

npm --prefix desktop run dev

安装包构建、平台环境和常见问题请查看桌面端指南。

开发模式

Windows 一键安装并启动

在仓库根目录执行：

.\dev.ps1

也可以直接双击 dev.cmd。默认会安装后端和前端依赖，并分别启动：

后端：http://localhost:7860
前端：http://localhost:3000

常用子命令：

.\dev.ps1 install   # 只安装依赖
.\dev.ps1 start     # 只启动前后端
.\dev.ps1 all       # 安装依赖并启动
.\dev.ps1 help      # 查看参数

macOS/Linux 一键安装并启动

bash ./dev.sh

常用子命令：

bash ./dev.sh install   # 只安装依赖
bash ./dev.sh start     # 只启动前后端
bash ./dev.sh all       # 安装依赖并启动
bash ./dev.sh help      # 查看参数

保留的传统方式

原有 Makefile 命令全部保留：

make init

分别在两个终端启动后端和前端：

make backend

make frontend

更多端口、局域网访问、Windows/WSL 环境切换和故障排查说明请查看完整开发指南。

容器构建与运行

仓库提供容器构建目标，可使用 Docker 构建当前源码：

make docker_build DOCKER=docker
docker run --rm -p 7860:7860 langflow:1.10.2

项目结构

openxflow/
├── .github/                 # GitHub 工作流与仓库配置
├── deploy/                  # 部署与可观测性配置
├── desktop/                 # Electron 桌面端、原生运行时与打包脚本
├── docker/                  # 容器构建与开发配置
├── docker_example/          # Docker Compose 示例
├── docs/                    # Docusaurus 文档
├── scripts/                 # 构建、测试和维护脚本
├── dev.ps1                  # Windows 安装依赖与前后端一键启动
├── dev.cmd                  # Windows 双击启动入口
├── dev.sh                   # macOS/Linux 安装依赖与前后端一键启动
├── src/
│   ├── backend/             # FastAPI API 与应用服务
│   ├── frontend/            # React / TypeScript Web 应用
│   ├── lfx/                 # 轻量工作流执行器
│   ├── langflow-stepflow/   # 工作流步骤执行支持
│   ├── sdk/                 # Python SDK
│   └── bundles/             # 可选组件扩展包
├── DESKTOP.md               # Windows 与 macOS 桌面端指南
├── README.md                # 简体中文产品介绍
├── README_EN.md             # English product overview
├── DEVELOPMENT.md           # 开发环境指南
└── CONTRIBUTING.md          # 参与贡献指南

📚 文档

文档	说明
DESKTOP.md	Windows/macOS 桌面端安装、启动、测试与打包
DEVELOPMENT.md	Windows/macOS/Linux 本地开发、一键脚本、Dev Container 与环境配置
CUSTOMIZATION.md	项目维护与定制开发指南
CONTRIBUTING.md	参与贡献指南
SECURITY.md	安全策略与漏洞报告方式
CODE_OF_CONDUCT.md	社区行为准则
LICENSE	MIT License 与版权声明

🤝 参与贡献

欢迎社区开发者参与 OpenXFlow。你可以提交 Bug、提出功能建议、改进文档、开发组件、修复问题或提交 Pull Request。

🙏 致谢

OpenXFlow 基于优秀的开源项目 Langflow 构建。

特别感谢 Langflow 团队及所有社区贡献者，为可视化 AI 工作流和 Agent 开发生态作出的贡献。

同时感谢 LangChain、FastAPI、React、Electron 及相关开源项目和贡献者。

📄 License

本项目基于 MIT License 开源。

openxflow

Links

README