Conclusiones clave
- Licencia MIT — permisiva, autoalojable, sin restricciones multiinquilino ni de logotipo
- Creado originalmente por Logspace; adquirido por DataStax en abril de 2024, y luego IBM adquirió DataStax (cerrado el 28 de mayo de 2025)
- Más de 150.000 estrellas en GitHub e historial de commits activo, a diferencia del repositorio archivado de Flowise
- Desarrollado en Python — más cercano a LangChain puro que la pila Node.js/TypeScript de Flowise
- Se autoaloja mediante Docker, pip/uv o la app Langflow Desktop (Windows/macOS)
- Un nivel de nube alojada, DataStax Langflow, funciona sobre la base de datos vectorial Astra DB de IBM
- Un destino realista para usuarios de Flowise que migran desde una herramienta archivada y sin mantenimiento
📍 En una frase
Langflow es un constructor visual de código abierto con licencia MIT, basado en Python, para agentes LangChain/LangGraph y pipelines RAG, propiedad de IBM desde su adquisición de DataStax en 2025 y aún en desarrollo activo.
💬 En términos simples
En lugar de escribir código de LangChain a mano, Langflow ofrece un lienzo de arrastrar y soltar para conectar un LLM, un cargador de documentos y una base de datos vectorial — y una corporación (IBM) sigue pagando para mantenerlo.
📌Note: Langflow y Flowise no son el mismo proyecto. Ambos generan construcciones LangChain/LangGraph de forma visual, pero son bases de código separadas con empresas distintas detrás.
¿A quién pertenece Langflow, y sigue manteniéndose?
IBM es propietaria de Langflow, y el proyecto se mantiene activamente. Langflow comenzó como un proyecto de código abierto de Logspace, adquirido por DataStax en abril de 2024 para ampliar sus herramientas de aplicaciones de IA. IBM anunció luego la adquisición de DataStax el 25 de febrero de 2025, cerrada el 28 de mayo de 2025 — con lo que Langflow, junto con la base de datos vectorial Astra DB de DataStax, pasó a formar parte de IBM.
Esta cadena de propiedad importa para la continuidad del proyecto de una forma que no aplicaba a Flowise, mantenido por una pequeña empresa independiente (FlowiseAI) que cerró sus operaciones en 2026. IBM ha incorporado Langflow a su cartera watsonx.ai como capa low-code para construir agentes sobre sus modelos Granite y otros proveedores, lo que le da un motivo comercial para seguir financiando el desarrollo.
Logspace → DataStax
- Fecha:
- 2024-04
- Significado:
- El creador original de Langflow es adquirido; DataStax pasa a ser la empresa responsable del mantenimiento
Acuerdo IBM-DataStax anunciado
- Fecha:
- 2025-02-25
- Significado:
- IBM anuncia su intención de adquirir DataStax, incluyendo Langflow
Adquisición cerrada
- Fecha:
- 2025-05-28
- Significado:
- DataStax, y Langflow con ella, pasa formalmente a ser parte de IBM
Integración con watsonx.ai
- Fecha:
- en curso
- Significado:
- IBM posiciona Langflow como middleware para construir agentes dentro de watsonx.ai
📌Note: El proyecto central con licencia MIT sigue siendo completamente de código abierto y autoalojable, sin importar quién posea la marca — el mismo código funciona uses o no algún producto alojado de IBM o DataStax.
¿Qué es Langflow?
Langflow es una plataforma low-code de código abierto (licencia MIT, github.com/langflow-ai/langflow) para construir y desplegar agentes de IA y aplicaciones RAG mediante una interfaz visual, basada en nodos y desarrollada en Python. Su lema es "Drag. Drop. Deploy." (arrastra, suelta, despliega), y el repositorio ha superado las 150.000 estrellas en GitHub.
- Lienzo visual para ensamblar flujos de LangChain y LangGraph sin escribir la lógica de la cadena a mano
- Soporte de agentes: los agentes pueden llamar a otros componentes del lienzo como herramientas, con orquestación multiagente y memoria de conversación
- Personalización en Python: cualquier nodo puede editarse o extenderse con Python puro para lógica que la biblioteca visual no cubre
- Despliegue como punto de acceso API, flujo exportado en JSON, o servidor MCP (Model Context Protocol)
- Playground interactivo para probar un flujo paso a paso antes de desplegarlo
- Integraciones de observabilidad con LangSmith y LangFuse para rastrear la ejecución de agentes
¿En qué se diferencia Langflow de Flowise?
Langflow y Flowise resuelven el mismo problema — la orquestación visual de LangChain/LangGraph — con bases de código distintas, lenguajes distintos y, ahora, perspectivas de mantenimiento muy distintas. Langflow está basado en Python y se mantiene cerca de la semántica pura de LangChain; Flowise estaba basado en Node.js/TypeScript y, en 2026, está archivado y sin mantenimiento.
¿Langflow es compatible con RAG y agentes de IA?
Sí — RAG y la orquestación de agentes son los casos de uso principales de Langflow, no funciones añadidas. La plataforma ofrece categorías de componentes dedicadas a ambos, y la empresa matriz de IBM, DataStax, integra su propia base de datos vectorial (Astra DB) directamente en la biblioteca de componentes.
- RAG: una plantilla Vector Store RAG divide la ingesta y la consulta en dos flujos — uno carga y fragmenta un archivo, lo convierte en embeddings y lo indexa; el otro convierte en embedding la consulta del usuario y recupera las coincidencias más cercanas
- Bases de datos vectoriales: componentes dedicados para Astra DB (producto propio de DataStax/IBM) además de otras bases de datos vectoriales comunes, para que los pipelines RAG no queden atados a un solo backend
- Agentes: cualquier componente del lienzo puede exponerse como herramienta que un agente llama, y Langflow admite orquestación multiagente con memoria de conversación persistente entre turnos
- Despliegue: un flujo terminado se convierte en una API invocable, un archivo JSON exportable, o un servidor MCP al que pueden conectarse otros clientes de IA
¿Cómo se autoaloja Langflow?
Autoalojar Langflow no requiere ninguna cuenta de IBM ni DataStax — el paquete de código abierto funciona por completo en tu propio hardware. Docker es la vía más rápida; pip/uv y la app de escritorio son las alternativas.
- 1Confirma que tu equipo cumple los requisitos mínimos: CPU de doble núcleo y 2 GB de RAM (se recomienda 4 GB o más y CPU multinúcleo), además de un navegador basado en Chromium si no usas la app de escritorio.
- 2Para Docker: ejecuta
docker run -p 7860:7860 langflowai/langflow:latesty abre http://localhost:7860 una vez que arranque el contenedor. - 3Para pip/uv: instala Python 3.10–3.14, luego ejecuta
uv pip install langflow -Useguido deuv run langflow runpara iniciar el servidor local. - 4Como alternativa, instala Langflow Desktop (Windows, o macOS 13+) para una app empaquetada que gestiona sus propias dependencias — ten en cuenta que prescinde del Shareable Playground y el modo de voz disponibles en la versión de navegador.
- 5Construye un flujo arrastrando componentes al lienzo: un nodo LLM, un prompt y, para RAG, un cargador de documentos, un modelo de embeddings y un componente de base de datos vectorial, todos conectados entre sí.
- 6Despliega el flujo terminado como punto de acceso API, expórtalo como JSON para control de versiones, o expónlo como servidor MCP para que otras herramientas de IA lo llamen.
¿Necesito una cuenta de DataStax o IBM para autoalojar Langflow?
No. El paquete de código abierto langflow en GitHub y PyPI funciona de forma independiente de cualquier cuenta en la nube de DataStax o IBM. Solo se necesita una cuenta para el producto alojado DataStax Langflow o para usar Astra DB como base de datos vectorial gestionada.
¿Cuáles son los requisitos mínimos de hardware de Langflow?
El mínimo documentado es una CPU de doble núcleo y 2 GB de RAM, con una CPU multinúcleo y al menos 4 GB de RAM recomendados para cargas de trabajo reales. La vía de instalación pip/uv requiere Python 3.10 a 3.14.
¿Quién debería usar Langflow?
Langflow encaja con desarrolladores que quieren una capa visual sobre LangChain sin renunciar a Python, y es una opción creíble para quien deja Flowise. Encaja peor con equipos que necesitan alojamiento SaaS multiinquilino robusto desde el primer momento.
Langflow vs. alternativas
Langflow compite con otras herramientas visuales y basadas en código para construir agentes al estilo LangChain y pipelines RAG. El estado de mantenimiento es la diferencia más marcada frente a Flowise en particular.
| Herramienta | Interfaz | Licencia | Respaldo | Mantenimiento |
|---|---|---|---|---|
| Langflow | Visual, basada en Python | MIT | IBM (vía DataStax) | Activo |
| Flowise | Visual, arrastrar y soltar | Apache 2.0 | Independiente (FlowiseAI) | Archivado / ninguno |
| Dify | Visual + backend | Apache 2.0 + restricciones | Independiente (LangGenius) | Activo |
| LlamaIndex | Código Python / TS | MIT | Independiente (LlamaIndex Inc.) | Activo |
| n8n | Visual, arrastrar y soltar | Fair-code / Sustainable Use | Independiente (n8n GmbH) | Activo |
Errores comunes al evaluar Langflow
Estos errores surgen de confundir Langflow con Flowise, o de asumir que ser propiedad de una corporación siempre implica una peor propuesta de código abierto.
Preguntas frecuentes
¿A quién pertenece Langflow?
IBM es propietaria de Langflow. Fue creado originalmente por Logspace, adquirido por DataStax en abril de 2024, y DataStax fue luego adquirida por IBM en un acuerdo cerrado el 28 de mayo de 2025.
¿Langflow es de código abierto?
Sí. Langflow se publica bajo la licencia permisiva MIT en GitHub (langflow-ai/langflow), sin restricciones multiinquilino ni de logotipo de las que sí tienen algunas herramientas competidoras.
¿Langflow sigue manteniéndose activamente?
Sí. A diferencia de Flowise, que FlowiseAI cerró en 2026, Langflow tiene un historial de commits activo y IBM lo posiciona como middleware para construir agentes en su plataforma watsonx.ai.
¿En qué se diferencia Langflow de Flowise?
Langflow está basado en Python y lo desarrolla un equipo ahora respaldado por IBM; Flowise estaba basado en Node.js/TypeScript, desarrollado por la empresa independiente FlowiseAI, y ahora está archivado y sin mantenimiento. Ambos generan visualmente construcciones al estilo LangChain/LangGraph, pero son bases de código separadas.
¿Puedo autoalojar Langflow sin cuenta de IBM o DataStax?
Sí. El paquete de código abierto langflow se instala mediante Docker, pip/uv o la app Langflow Desktop y funciona por completo en tu propio hardware. Solo se necesita una cuenta de IBM o DataStax para el producto alojado DataStax Langflow o Astra DB gestionada.
¿Langflow admite generación aumentada por recuperación (RAG)?
Sí. Una plantilla Vector Store RAG divide la ingesta (cargar, fragmentar, convertir en embeddings e indexar un documento) y la consulta (convertir en embedding una pregunta, recuperar las coincidencias más cercanas) en dos flujos, con componentes de base de datos vectorial intercambiables, incluida Astra DB.
¿Langflow admite sistemas multiagente?
Sí. Cualquier componente del lienzo puede exponerse como herramienta que un agente llama, y Langflow admite orquestación multiagente con memoria de conversación persistente entre turnos.
¿Cuáles son los requisitos mínimos del sistema para Langflow?
Como mínimo, una CPU de doble núcleo y 2 GB de RAM, con una CPU multinúcleo y al menos 4 GB de RAM recomendados para cargas de trabajo reales. La instalación vía pip/uv requiere Python 3.10 a 3.14.
¿Qué es DataStax Langflow, y se diferencia de Langflow de código abierto?
DataStax Langflow es la versión en la nube alojada por IBM/DataStax del mismo proyecto de código abierto, integrada con la base de datos vectorial Astra DB. Ejecuta exactamente el mismo software central que la versión autoalojada — la diferencia es que IBM gestiona el alojamiento y la conecta por defecto a Astra DB.
¿Es Langflow una buena alternativa para quienes dejan Flowise?
Sí, con una salvedad: los conceptos subyacentes (flujos visuales de LangChain/LangGraph, componentes RAG, herramientas de agentes) se corresponden lo suficiente como para hacer de Langflow un destino de migración razonable, pero no hay importación automatizada — cuenta con reconstruir los flujos manualmente.
¿Puede Langflow desplegarse como servidor MCP?
Sí. Un flujo de Langflow terminado puede exponerse como servidor Model Context Protocol (MCP), permitiendo que otros clientes de IA compatibles con MCP lo llamen como herramienta, además de desplegarlo como un simple punto de acceso API o exportarlo como JSON.