langflow mcp服务器

](https://www.npmjs.com/package/langflow-mcp-server) ](https://www.npmjs.com/package/langflow-mcp-server) ](https://github.com/nobrainer-tech/langflow-mcp/releases) ![License: MIT](https://opensource.org/licenses/MIT) ![Tests](https://github.com/nobrainer-tech/langflow-mcp) ](https://lobehub.com/mcp/nobrainer-tech-langflow-mcp)

模型上下文协议（MCP）服务器，为AI助手提供对Langflow工作流自动化平台的全面访问。

概述

langflow mcp服务器是langflow工作流自动化平台和人工智能模型之间的桥梁，使它们能够有效地理解和使用langflow流程。

API兼容性：此服务器基于 API文件并支持Langflow API版本 1.7.2.

v3.0.0-合并工具模式

3.0.0版本引入 整合工具模式 -一种新的架构，将93个单独的工具组合在一起 15个基于行动的工具这大大减少了令牌的使用，并改善了AI助手的上下文管理。

模式	工具	最适合
标准	93种工具	全粒度控制
整合	15个工具	减少令牌使用，改善上下文

要启用合并模式，请执行以下操作：

LANGFLOW_CONSOLIDATED_TOOLS=true

整合工具：

flow -所有流程操作（列表、获取、创建、更新、删除、下载、上传等）
flow_execution -运行流（运行、Run_advanced、Run_session、webhook、进程、预测）
build -构建操作（开始、状态、取消、顶点）
folder -文件夹管理（列表、获取、创建、更新、删除、下载、上传）
project -项目管理（列表、获取、创建、更新、删除、下载、上传）
variable -变量操作（列表、创建、更新、删除）
knowledge_base -知识库管理（列表、获取、删除、批量删除、上传）
file -文件操作（列表、上传、下载、删除、获取图像）
monitor -监控（构建、消息、会话、事务）
user -用户管理（列表、获取、get_current、更新、重置密码）
auth -身份验证（登录、自动登录、注销、刷新、api密钥）
store -组件存储（列表、获取、标签、点赞）
registration -用户注册（获取、注册）
validation -代码/提示验证（代码、提示）
system -系统信息（运行状况、版本、日志、图片、声音）

它提供结构化访问：

流量管理 -创建、读取、更新、删除和执行Langflow流
流程执行 -使用输入运行流并触发webhooks
构建操作 -编译、验证和监控流构建
导入/导出 -上传和下载流程和项目
组织 -管理文件夹和项目
配置 -管理全局变量
知识库 -管理RAG文件收集
组件发现 -列出所有可用的Langflow组件

快速开始

先决条件

系统上已安装Node.js
一个正在运行的Langflow实例
Langflow API密钥

安装

# Install from npm
npm install -g langflow-mcp-server

# OR clone the repository
git clone https://github.com/nobrainer-tech/langflow-mcp.git
cd langflow-mcp

# Install dependencies
npm install

# Build the project
npm run build

# Configure environment
cp .env.example .env
# Edit .env with your Langflow instance URL and API key

配置

编辑 .env 文件：

LANGFLOW_BASE_URL=http://localhost:7860
LANGFLOW_API_KEY=your-api-key-here
MCP_MODE=stdio
LOG_LEVEL=info

Claude桌面设置

添加到您的Claude Desktop配置文件中：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json 视窗: %APPDATA%\Claude\claude_desktop_config.json Linux: ~/.config/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "langflow": {
      "command": "npx",
      "args": ["-y", "langflow-mcp-server"],
      "env": {
        "LANGFLOW_BASE_URL": "http://localhost:7860",
        "LANGFLOW_API_KEY": "your-api-key-here",
        "LANGFLOW_CONSOLIDATED_TOOLS": "true",
        "MCP_MODE": "stdio",
        "LOG_LEVEL": "error"
      }
    }
  }
}

替代方案（本地安装）：

{
  "mcpServers": {
    "langflow": {
      "command": "node",
      "args": ["/absolute/path/to/langflow-mcp/dist/mcp/index.js"],
      "env": {
        "LANGFLOW_BASE_URL": "http://localhost:7860",
        "LANGFLOW_API_KEY": "your-api-key-here",
        "MCP_MODE": "stdio",
        "LOG_LEVEL": "error"
      }
    }
  }
}

更新配置后重新启动Claude Desktop。

Docker部署

MCP服务器可以在Docker容器中运行，以便于部署和隔离。

Docker快速入门

# Clone the repository
git clone https://github.com/nobrainer-tech/langflow-mcp.git
cd langflow-mcp

# Create .env file with your configuration
cp .env.example .env
# Edit .env with your Langflow instance URL and API key

# Build and run with docker-compose
docker-compose up -d

# View logs
docker-compose logs -f

# Stop the server
docker-compose down

构建Docker镜像

# Build the image
docker build -t langflow-mcp-server:latest .

# Run in stdio mode (for Claude Desktop)
docker run -it --rm \
  -e LANGFLOW_BASE_URL=http://localhost:7860 \
  -e LANGFLOW_API_KEY=your-api-key \
  langflow-mcp-server:latest

# Run in HTTP mode (for remote access)
docker run -d \
  -p 3000:3000 \
  -e MCP_MODE=http \
  -e PORT=3000 \
  -e AUTH_TOKEN=your-secure-token \
  -e LANGFLOW_BASE_URL=http://langflow:7860 \
  -e LANGFLOW_API_KEY=your-api-key \
  langflow-mcp-server:latest

Docker编写配置

包括 docker-compose.yml 支持stdio和HTTP模式：

# STDIO mode (default)
environment:
  - MCP_MODE=stdio
  - LANGFLOW_BASE_URL=http://localhost:7860
  - LANGFLOW_API_KEY=your-key

# HTTP mode
environment:
  - MCP_MODE=http
  - PORT=3000
  - AUTH_TOKEN=your-secure-token

弃用的工具

⚠️ 重要：此服务器包含4个不推荐使用的工具，这些工具与Langflow API 1.6.4中不推荐的终结点相匹配：

build_vertices -使用 build_flow 相反
get_vertex -使用 build_flow 或 get_flow 相反
stream_vertex_build -使用 get_build_status 改为流媒体
get_task_status -使用 get_build_status 相反

这些工具是 默认启用 但标有⚠️ 警告。要禁用它们，请设置：

ENABLE_DEPRECATED_TOOLS=false

可用的MCP工具

连接后，Claude可以使用：

标准模式：93个单独的工具（97个启用了已弃用的工具）
合并模式：15个基于行动的工具（建议减少代币使用）

标准模式工具（93个工具）

流量管理（6个工具）

create_flow -创建新的Langflow流程
list_flows -列出所有带有分页和过滤功能的流
get_flow -按ID获取特定流的详细信息
update_flow -更新现有流
delete_flow -删除单个流
delete_flows -一次删除多个流

流执行（2个工具）

run_flow -使用输入配置执行流（支持流式传输）
trigger_webhook -通过webhook端点触发流

导入/导出（3个工具）

upload_flow -从JSON数据上传流
download_flows -下载多个流作为JSON导出
get_basic_examples -获取预构建的示例流

文件夹管理（5个工具）

list_folders -列出所有带分页的文件夹
create_folder -创建新文件夹
get_folder -按ID获取文件夹详细信息
update_folder -更新文件夹名称、描述或父文件夹
delete_folder -删除文件夹

项目管理（7个工具）

list_projects -列出所有分页项目
create_project -创建新项目
get_project -按ID获取项目详细信息
update_project -更新项目名称或描述
delete_project -删除项目
upload_project -从JSON数据上传项目
download_project -将项目下载为JSON导出

变量管理（4个工具）

list_variables -列出所有全局变量
create_variable -创建新变量
update_variable -更新变量属性
delete_variable -删除变量

构建操作（3个工具）

build_flow -构建/编译一个流并返回job_id以进行异步执行
get_build_status -轮询特定作业的构建状态和事件
cancel_build -取消正在运行的生成作业

知识库管理（4个工具）

list_knowledge_bases -列出所有可用的知识库
get_knowledge_base -获取特定知识库的详细信息
delete_knowledge_base -删除特定知识库
bulk_delete_knowledge_bases -一次删除多个知识库

组件发现（1个工具）

list_components -列出所有可用的Langflow组件

文件管理（5个工具）

upload_file -将文件上传到特定流
download_file -从流中下载文件
list_files -列出流中的所有文件
delete_file -从流中删除文件
get_file_image -从流中获取图像文件

监控和分析（9个工具）

get_monitor_builds -获取流的构建执行历史记录
get_monitor_messages -通过过滤查询聊天/消息历史记录
get_monitor_message -获取特定消息的详细信息
get_monitor_sessions -列出所有聊天会话ID
get_monitor_session_messages -获取会话的所有消息
migrate_monitor_session -在会话之间迁移消息
get_monitor_transactions -列出流的事务日志
delete_monitor_builds -删除流的生成历史记录
delete_monitor_messages -按ID删除多条消息

顶点操作⚠️ 已弃用（3个工具）

build_vertices ⚠️ *已弃用* -获取流的顶点构建顺序（使用 build_flow 相反）
get_vertex ⚠️ *已弃用* -获取特定顶点/组件的详细信息（使用 build_flow 或 get_flow 相反）
stream_vertex_build ⚠️ *已弃用* -流式传输顶点的实时构建事件（使用 get_build_status 用流媒体代替）

用户管理（5个工具）

list_users -列出所有用户（仅限管理员）
get_current_user -获取当前经过身份验证的用户信息
get_user -获取特定用户的详细信息
update_user -更新用户配置文件信息
reset_user_password -重置用户密码（仅限管理员）

API密钥管理（3个工具）

list_api_keys -列出用户的所有API密钥
create_api_key -创建新的API密钥
delete_api_key -删除API密钥

自定义组件（2个工具）

list_custom_components -列出所有自定义组件
create_custom_component -创建新的自定义组件

身份验证（4个工具）

login -使用用户名和密码进行身份验证
auto_login -使用存储的凭据自动登录
refresh_token -刷新身份验证令牌
logout -注销并使会话无效

商店和市场（6个工具）

check_store -检查组件存储是否已启用
check_store_api_key -验证存储API密钥
list_store_components -浏览商店中的可用组件
get_store_component -获取商店组件的详细信息
list_store_tags -列出商店中的所有组件标签
get_user_likes -获取用户喜欢的组件

验证工具（2个工具）

validate_code -验证自定义组件的Python代码
validate_prompt -验证提示模板语法

高级执行（3个工具）

run_flow_advanced -具有完全控制的高级流执行
process_flow -流的遗留流程端点
predict_flow -流的传统预测端点

批处理和公共操作（3个工具）

get_public_flow -无需身份验证即可获取公共流
batch_create_flows -在一个操作中创建多个流
get_task_status ⚠️ *已弃用* -获取异步任务的状态（使用 get_build_status 相反）

文件夹操作（2个工具）

download_folder -将整个文件夹下载为存档
upload_folder -从存档上载文件夹

初学者和模板（2个工具）

list_starter_projects -列出可用的初学者模板
upload_knowledge_base -上传文件以创建/更新知识库

简介和媒体（2个工具）

list_profile_pictures -列出可用的个人资料图片
get_profile_picture -获取特定的个人资料图片

集成工具（1个工具）

list_elevenlabs_voices -列出ElevenLabs的文本转语音

系统与健康（3个工具）

get_version -获取Langflow API版本信息
health_check -检查Langflow实例运行状况
get_logs -检索系统日志（支持流式传输）

示例用法

// Create a new flow
create_flow({
  name: "My Automation Flow",
  description: "A flow that processes data"
})

// List all flows
list_flows({
  page: 1,
  size: 50
})

// Get flow details
get_flow({
  flow_id: "flow-uuid-here"
})

// Update a flow
update_flow({
  flow_id: "flow-uuid-here",
  name: "Updated Flow Name"
})

// Execute a flow
run_flow({
  flow_id_or_name: "my-flow-name",
  input_request: {
    input_value: "Hello World",
    output_type: "chat",
    input_type: "chat"
  },
  stream: false
})

// Trigger via webhook
trigger_webhook({
  flow_id_or_name: "my-flow",
  input_request: {
    input_value: "Process this data"
  }
})

// Build a flow (compile/validate)
build_flow({
  flow_id: "flow-uuid-here",
  log_builds: true,
  event_delivery: "polling"
})

// Check build status
get_build_status({
  job_id: "job-uuid-from-build",
  event_delivery: "polling"
})

// List knowledge bases (RAG)
list_knowledge_bases()

// Get knowledge base details
get_knowledge_base({
  kb_name: "my-documents"
})

// Create a folder
create_folder({
  name: "My Flows",
  description: "Organized flows"
})

// Create a project
create_project({
  name: "My Project",
  description: "Project description"
})

// Manage variables
create_variable({
  name: "API_KEY",
  value: "secret-key",
  type: "string"
})

// Get basic examples
get_basic_examples()

// List all components
list_components()

发展

# Build
npm run build

# Run in development mode
npm run dev

# Run tests
npm test

# Type checking
npm run typecheck

项目结构

langflow-mcp/
├── src/
│   ├── mcp/
│   │   ├── index.ts       # MCP server entry point
│   │   ├── server.ts      # MCP server implementation
│   │   └── tools.ts       # Tool definitions
│   ├── services/
│   │   └── langflow-client.ts  # Langflow API client
│   ├── types/
│   │   └── index.ts       # TypeScript types
│   └── utils/
│       └── logger.ts      # Logging utility
├── .env.example           # Example configuration
├── package.json
├── tsconfig.json
└── README.md

归因

该项目的灵感来自并遵循以下结构 n8n mcp 罗穆阿尔德·楚隆科夫斯基。特别感谢n8n mcp项目提供了出色的mcp服务器架构和实现模式。

许可证

MIT许可证-有关详细信息，请参阅许可证。

贡献

欢迎投稿！拜托：

克隆该仓库
创建要素分支
运行测试(npm test)
提交拉取请求

致谢

郎福工作流自动化平台团队
Anthropic 对于模型上下文协议
会员/n8n-mcp 灵感与建筑

______________________________________________________________________

内置于❤️ 为Langflow社区

Langflow MCP

快速接入

详细介绍