AIを活用した社内アプリや自動化ツールを作ろうとしたとき、「LangChain」というAPIやデータベース、各種AIサービスなどをコンポーネントとして繋ぎ、AIエージェントやRAGアプリを自在にカスタマイズできるPython製の強力なライブラリを使うことがありますが、使いこなすためにはプログラミングの専門知識が求められます。「Langflow」はLangChainの主要コンポーネントをフロー図上で接続でき、プログラミングの専門知識がなくてもAI業務アプリやRAG機能付きツールを構築できます。

Langflow | Low-code AI builder for agentic and RAG applications

https://www.langflow.org/



langflow-ai/langflow: Langflow is a powerful tool for building and deploying AI-powered agents and workflows.

https://github.com/langflow-ai/langflow

◆Langflowの起動とモデルプロバイターの設定

今回はWindowsにDocker Desktopを用意した環境で構築します。作業フォルダで以下のDockerコマンドを実行します。


docker run -p 7860:7860 \
-v langflow-data:/app/langflow \
-e LANGFLOW_CONFIG_DIR=/app/langflow \
langflowai/langflow:latest


ブラウザで「http://localhost:7860/」にアクセスすると初期画面が表示されます。



初期設定として利用するAIサービスのAPIキーを設定するため、画面右上のユーザーアイコンをクリック。



表示されるメニューから「Settings」をクリック。



左のメニューから「Model Providers」をクリックすると利用可能なプロバイダーが表示されるので、「Anthropic」「Google Generative AI」「IBM watsonx」「Ollama」「OpenAI」の中から利用するプロバイダーを選択。



APIキーをフォームに入力し「Save」ボタンをクリック。



APIキーが登録されるとモデルの一覧が表示されるので、利用するモデルのトグルキーを「オン」にします。



戻るボタンをクリックして初期画面に戻ります。



◆Langflowをチャットエージェントとして利用する方法

初期画面で「Create first flow」をクリック。



ダイアログ「Simple Agent」テンプレートを選択。



「Simple Agent」のワークスペースが表示されます。



中心となる「Agent」コンポーネントに対してそれぞれの役割を示すコンポーネントが接続されています。

・URL：ウェブページのコンテンツを取得するツール

・Calculator：計算を行うツール

・Chat Input：ユーザーからの入力を受け取るコンポーネント

・Chat Output：エージェントからの返答をユーザーに返すコンポーネント



最低限のツールは組み上がっている状態なので、画面右上にある「Playground」をクリック。



「1足す4は？」と質問すると、計算ツールを利用して「5」と返答しました。計算コンポーネントを組み込まない場合は、モデルの推論だけで返答するため誤答することがあります。



次に「gigazine.netを取得してください」と質問するとURLコンポーネントを利用してウェブページのコンテンツを取得して内容が表示されました。



接続されているコンポーネントなども質問すると回答を得ることができます。



◆LangflowをAPIで呼び出す方法

LangflowにはAPIが用意されており、PythonやJavaScriptなどのプログラミング言語やHTTP経由でLangflowを呼び出せます。

Langflow APIキーを作成するため、画面右上にあるユーザーアイコンをクリック。



表示されるメニューから「Settings」をクリック。



左のメニューから「Langflow API Keys」をクリックしてから「Add New」をクリック。



「Description」に任意の名前を入力し「Generate API Key」をクリック。



APIキーが表示されるので、「コピー」アイコンをクリックしてメモ帳などに保存し、「Done」をクリックしてダイアログを閉じます。



先ほど作成した「Single Agent」のワークスペースを表示し、URLからFLOW_IDをメモしておきます。



コマンドプロンプトで以下のコマンドを実行します。FLOW_IDはワークスペースから取得したFLOW_ID、LANGFLOW_API_KEYはAPIキーに置き換えて実行してください。


curl --request POST ^
--url "http://localhost:7860/api/v1/run/FLOW_ID?stream=false" ^
--header "Content-Type: application/json" ^
--header "x-api-key: LANGFLOW_API_KEY" ^
--data "{\"output_type\": \"chat\", \"input_type\": \"chat\", \"input_value\": \"hello world!\"}"


結果はJSON形式で返されます。「hello world!」と質問したので「Hello world!何かお手伝いできることはありますか？」と返答がありました。



スクリプトから呼び出す際に「tweaks」キーを使うことでフローを上書きできます。例として「モデルのプロバイダーをAnthropicに変更」というケースでは以下のように記述します。


payload = {
"output_type": "chat",
"input_type": "chat",
"input_value": "hello world!",
"tweaks": {
"Agent-ZOknz": {
"agent_llm": "Anthropic",
"api_key": "ANTHROPIC_API_KEY",
"model_name": "claude-opus-4-5-20251101"
}
}
}


RAGチャットボットの構築やMCPサーバーとしての公開など、より実践的な活用方法については公式ドキュメントのチュートリアルで解説されています。まずはGoogle Geminiの無料枠で使って試してみるのがおすすめです。