Langflow - منشئ وكيل ذكاء اصطناعي وRAG البصري

Langflow - منشئ وكيل ذكاء اصطناعي وRAG البصري

Langflow هو منشئ بصري مفتوح المصدر قائم على Python لتطبيقات LLM. تجمع الوكلاء والسلاسل وخطوط أنابيب RAG بسحب وربط المكونات على لوحة رسم وتختبرها في ملعب مباشر ثم تعرض أي تدفق كنقطة نهاية API أو MCP. إنه غير متحيز نحو النموذج (OpenAI و Anthropic والنماذج المحلية عبر Ollama وغيرها) ويبني على نظام بيئة LangChain.

التثبيت

الطريقة	الأمر
uv (موصى به)	uv pip install langflow
pip	pip install langflow
التشغيل بعد التثبيت	langflow run (أو python -m langflow run)
uvx (بدون تثبيت)	uvx langflow run
Docker	docker run -it --rm -p 7860:7860 langflowai/langflow:latest
تطبيق سطح المكتب	التحميل من الموقع الرسمي (macOS/Windows)

يتطلب Python 3.10–3.13. بعد langflow run، افتح http://localhost:7860.

تشغيل الخادم

الأمر	الوصف
langflow run	بدء واجهة المستخدم + API على 127.0.0.1:7860
langflow run --host 0.0.0.0 --port 7860	الربط بجميع الواجهات / المنفذ المخصص
langflow run --env-file .env	تحميل متغيرات البيئة من ملف
langflow run --dev	وضع المطور/إعادة التحميل الساخن
langflow --help	مرجع CLI الكامل
langflow api-key	إنشاء مفتاح API للوصول البرمجي
langflow migration	تشغيل ترحيلات قاعدة البيانات

المفاهيم الأساسية

المصطلح	المعنى
التدفق	رسم بياني للمكونات المتصلة = تطبيق واحد/خط أنابيب
المكون	عقدة (نموذج، موجه، مسترجع، أداة، وكيل، I/O)
المنفذ / الحافة	اتصال الإدخال/الإخراج المكتوب بين المكونات
الملعب	لوحة اختبار الدردشة/التشغيل المدمجة لاختبار التدفق بشكل تفاعلي
المشروع	مساحة عمل تجميع تدفقات متعددة
المتغيرات العامة	الأسرار المخزنة (مفاتيح API) قابلة لإعادة الاستخدام عبر التدفقات

كتل البناء

الفئة	الأمثلة
الإدخالات/الإخراجات	Chat Input, Chat Output, Text Input
النماذج	OpenAI, Anthropic, Google, Ollama, Groq, HuggingFace
الموجهات	Prompt template, system message
البيانات / RAG	File loader, URL, Split Text, Vector Store (Chroma, Qdrant, Astra, pgvector), Embeddings
الوكلاء	Agent component with tool calling
الأدوات	Web search, Python REPL, API request, MCP tools
المنطق	Conditional router, loop, pass-through

تدفق RAG النموذجي

File / URL  →  Split Text  →  Embeddings  →  Vector Store (ingest)
Chat Input  →  Vector Store (search)  →  Prompt  →  Model  →  Chat Output

بناء على اللوحة الرسم، افتح الملعب، اطرح سؤالاً، وقم بتشغيل Langflow للرسم البياني من البداية إلى النهاية.

استخدام التدفقات من الكود

كل تدفق يحصل على API مُنشأة تلقائياً. من واجهة المستخدم، انقر فوق API (أو Share → API access) لنسخ مقتطف:

import requests

url = "http://localhost:7860/api/v1/run/<FLOW_ID>"
payload = {"input_value": "What is in my docs?", "output_type": "chat", "input_type": "chat"}
headers = {"x-api-key": "<YOUR_API_KEY>", "Content-Type": "application/json"}

resp = requests.post(url, json=payload, headers=headers)
print(resp.json())

# نفس الاستدعاء مع curl
curl -X POST "http://localhost:7860/api/v1/run/<FLOW_ID>" \
  -H "x-api-key: <YOUR_API_KEY>" -H "Content-Type: application/json" \
  -d '{"input_value":"hello","output_type":"chat","input_type":"chat"}'

تكامل MCP

القدرة	الطريقة
عرض التدفقات كأدوات MCP	كل Project يأتي مع خادم MCP؛ وجه عميل MCP (Claude Desktop, Cursor) إليه
استهلاك أدوات MCP الخارجية	أضف مكون MCP Tools واتصل بعنوان URL الخادم/الأمر

البيئة والإعداد

المتغير	الغرض
LANGFLOW_HOST / LANGFLOW_PORT	عنوان الربط والمنفذ
LANGFLOW_DATABASE_URL	استخدم Postgres بدلاً من SQLite الافتراضي
LANGFLOW_AUTO_LOGIN=false	تتطلب تسجيل دخول (متعدد المستخدمين)
LANGFLOW_SUPERUSER / LANGFLOW_SUPERUSER_PASSWORD	بذر حساب المسؤول
LANGFLOW_SECRET_KEY	مفتاح التشفير للبيانات المخزنة
OPENAI_API_KEY, ANTHROPIC_API_KEY, …	مفاتيح مزود (أو تعيين كمتغيرات عامة)

الاستيراد / التصدير

الإجراء	الطريقة
تصدير تدفق	قائمة التدفق → Export → .json
استيراد تدفق	New → Import .json
التحكم في الإصدار	التزام JSON التدفق المُصدّر إلى الريبو

سير العمل الشائع

# إعداد فريق على خادم مع Postgres + auth
LANGFLOW_DATABASE_URL=postgresql://user:pass@db:5432/langflow \
LANGFLOW_AUTO_LOGIN=false \
langflow run --host 0.0.0.0 --port 7860

# محاكمة محلية سريعة الزوال، بدون تثبيت
uvx langflow run

Langflow مقابل Dify مقابل n8n

الجانب	Langflow	Dify	n8n
التركيز	تدفقات والوكلاء على نمط LangChain	منصة تشغيل LLM (RAG، الموجهات)	الأتمتة العامة + عقد الذكاء الاصطناعي
الأسلوب	لوحة رسم بصرية	تطبيق + استوديو سير العمل	أتمتة سير العمل
نقاط النهاية	API + MCP	API + تطبيقات الدردشة	الخطافات/الأتمتة
الأفضل لـ	النماذج الأولية لرسوم البيانات الوكيل/RAG	شحن تطبيقات LLM مع العمليات	الغراء عبر 500+ خدمة

الموارد

• مستودع GitHub
• التوثيق الرسمي
• مرجع المكون