핵심 요점
- MIT 라이선스 — 관대한 라이선스, 셀프호스팅 가능, 멀티테넌트·로고 제한 없음
- 원래 Logspace가 개발; 2024년 4월 DataStax가 인수, 이후 IBM이 DataStax를 인수(2025년 5월 28일 완료)
- GitHub 스타 15만 개 이상, 활발한 커밋 기록 — 아카이브된 Flowise 저장소와 대조적
- Python으로 구축되어 Flowise의 Node.js/TypeScript 스택보다 순수 LangChain에 더 가까움
- Docker, pip/uv, 또는 Langflow Desktop 앱(Windows/macOS)으로 셀프호스팅 가능
- 호스팅 클라우드 등급인 DataStax Langflow는 IBM의 Astra DB 벡터 데이터베이스 위에서 실행
- 아카이브되어 더 이상 유지보수되지 않는 Flowise에서 이전하는 사용자에게 현실적인 대안
📍 한 문장으로
Langflow는 Python 기반 오픈소스(MIT 라이선스) 시각적 빌더로 LangChain/LangGraph 에이전트와 RAG 파이프라인을 구축하며, 2025년 IBM의 DataStax 인수 이후 IBM 소유가 되었고 여전히 활발히 개발되고 있다.
💬 쉽게 말하면
LangChain 코드를 직접 작성하는 대신, Langflow는 드래그 앤 드롭 캔버스로 LLM, 문서 로더, 벡터 데이터베이스를 연결할 수 있게 해주며, IBM이라는 대기업이 계속 유지보수 비용을 대고 있다.
📌Note: Langflow와 Flowise는 같은 프로젝트가 아니다. 둘 다 LangChain/LangGraph 구성을 시각적으로 생성하지만, 서로 다른 코드베이스이며 서로 다른 회사가 운영한다.
Langflow의 소유주는 누구이며, 여전히 유지보수되는가?
IBM은 Langflow를 소유하고 있으며, 프로젝트는 활발히 유지보수되고 있다. Langflow는 Logspace의 오픈소스 프로젝트로 시작했으며, DataStax는 2024년 4월 AI 애플리케이션 도구를 확장하기 위해 Logspace를 인수했다. 이후 IBM은 2025년 2월 25일 DataStax 인수를 발표했고 2025년 5월 28일 인수를 완료했다 — 이로써 Langflow는 DataStax의 벡터 데이터베이스인 Astra DB와 함께 IBM의 일부가 되었다.
이러한 소유권 구조는 Flowise와는 다른 방식으로 지속성에 중요한 의미를 갖는다. Flowise는 2026년 자체 사업을 종료한 소규모 독립 회사(FlowiseAI)가 유지보수했다. IBM은 Langflow를 watsonx.ai 포트폴리오에 통합해 IBM Granite 모델 등 다양한 제공사 위에서 에이전트를 구축하는 로우코드 레이어로 자리매김시켰으며, 이는 IBM이 개발 자금을 계속 지원할 상업적 이유가 된다.
Logspace → DataStax
- 날짜:
- 2024-04
- 의미:
- Langflow의 원 개발사가 인수되고 DataStax가 유지보수 회사가 됨
IBM-DataStax 거래 발표
- 날짜:
- 2025-02-25
- 의미:
- IBM이 Langflow를 포함한 DataStax 인수 의사를 발표
인수 완료
- 날짜:
- 2025-05-28
- 의미:
- DataStax와 Langflow가 공식적으로 IBM의 일부가 됨
watsonx.ai 통합
- 날짜:
- 진행 중
- 의미:
- IBM이 Langflow를 watsonx.ai 내 에이전트 구축용 미들웨어로 자리매김
📌Note: MIT 라이선스 핵심 프로젝트는 상표 소유자와 무관하게 완전히 오픈소스이며 셀프호스팅이 가능하다. IBM이나 DataStax의 호스팅 제품을 사용하든 안 하든 동일한 코드가 실행된다.
Langflow란 무엇인가?
Langflow(MIT 라이선스, github.com/langflow-ai/langflow)는 Python으로 구축된 시각적 노드 기반 인터페이스를 통해 AI 에이전트와 RAG 애플리케이션을 만들고 배포하는 오픈소스 로우코드 플랫폼이다. 사이트 태그라인은 "Drag. Drop. Deploy."이며, 저장소는 GitHub 스타 15만 개를 넘어섰다.
- 체인 로직을 직접 작성하지 않고 LangChain 및 LangGraph 플로우를 조립하는 시각적 캔버스
- 에이전트 지원: 에이전트는 캔버스의 다른 컴포넌트를 도구로 호출할 수 있으며, 멀티 에이전트 오케스트레이션과 대화 메모리를 지원
- Python 커스터마이징: 시각적 라이브러리로 다룰 수 없는 로직을 위해 각 노드를 순수 Python으로 편집하거나 확장 가능
- API 엔드포인트, 내보낸 JSON 플로우, 또는 MCP(Model Context Protocol) 서버로 배포 가능
- 배포 전 플로우를 단계별로 테스트할 수 있는 인터랙티브 플레이그라운드
- 에이전트 실행을 추적하는 LangSmith 및 LangFuse와의 옵저버빌리티 연동
Langflow는 Flowise와 어떻게 다른가?
Langflow와 Flowise는 LangChain/LangGraph 시각적 오케스트레이션이라는 같은 문제를 서로 다른 코드베이스와 언어로 해결하며, 현재는 유지보수 전망도 크게 다르다. Langflow는 Python 기반으로 순수 LangChain 시맨틱에 더 가깝다. Flowise는 Node.js/TypeScript 기반이었으며, 2026년 기준 아카이브되어 더 이상 유지보수되지 않는다.
Langflow는 RAG와 AI 에이전트를 지원하는가?
그렇다 — RAG와 에이전트 오케스트레이션은 Langflow의 부가 기능이 아니라 핵심 사용 사례다. 플랫폼은 두 가지 모두를 위한 전용 컴포넌트 카테고리를 제공하며, IBM의 모회사인 DataStax는 자체 벡터 데이터베이스(Astra DB)를 컴포넌트 라이브러리에 직접 내장했다.
- RAG: Vector Store RAG 템플릿은 수집과 쿼리를 두 개의 플로우로 분리한다. 하나는 파일을 로드해 청크로 나누고 임베딩해 인덱싱하며, 다른 하나는 사용자 쿼리를 임베딩해 가장 근접한 결과를 검색한다
- 벡터 데이터베이스: DataStax/IBM 자체 제품인 Astra DB 전용 컴포넌트와 함께 다른 일반적인 벡터 데이터베이스도 지원하여 RAG 파이프라인이 특정 백엔드에 종속되지 않는다
- 에이전트: 캔버스의 어떤 컴포넌트든 에이전트가 호출할 도구로 노출할 수 있으며, Langflow는 여러 턴에 걸쳐 유지되는 대화 메모리와 함께 멀티 에이전트 오케스트레이션을 지원한다
- 배포: 완성된 플로우는 호출 가능한 API, 내보낼 수 있는 JSON 파일, 또는 다른 AI 클라이언트가 연결할 수 있는 MCP 서버가 된다
Langflow를 셀프호스팅하는 방법은?
Langflow 셀프호스팅에는 IBM이나 DataStax 계정이 필요 없다 — 오픈소스 패키지는 전적으로 자체 하드웨어에서 실행된다. Docker가 가장 빠른 방법이며, pip/uv와 데스크톱 앱이 대안이다.
- 1기기가 최소 요구 사항(듀얼코어 CPU와 RAM 2GB, 실제 작업에는 멀티코어 CPU와 4GB 이상 권장)을 충족하는지 확인한다. 데스크톱 앱을 사용하지 않는다면 Chromium 기반 브라우저도 필요하다.
- 2Docker의 경우:
docker run -p 7860:7860 langflowai/langflow:latest를 실행하고 컨테이너가 시작되면 http://localhost:7860 을 연다. - 3pip/uv의 경우: Python 3.10–3.14를 설치한 뒤
uv pip install langflow -U를 실행하고 이어서uv run langflow run으로 로컬 서버를 시작한다. - 4또는 Langflow Desktop(Windows 또는 macOS 13 이상)을 설치해 의존성을 자체 관리하는 패키지형 앱을 사용할 수 있다. 단 브라우저 버전에 있는 공유 가능한 플레이그라운드와 음성 모드는 제공되지 않는다.
- 5LLM 노드, 프롬프트, 그리고 RAG의 경우 문서 로더, 임베딩 모델, 벡터 데이터베이스 컴포넌트를 캔버스에 드래그해 서로 연결하여 플로우를 구성한다.
- 6완성된 플로우를 API 엔드포인트로 배포하거나, 버전 관리를 위해 JSON으로 내보내거나, 다른 AI 도구가 호출할 수 있는 MCP 서버로 노출한다.
Langflow를 셀프호스팅하려면 DataStax나 IBM 계정이 필요한가?
필요 없다. GitHub와 PyPI의 오픈소스 langflow 패키지는 DataStax나 IBM의 클라우드 계정과 무관하게 동작한다. 계정이 필요한 경우는 호스팅 제품인 DataStax Langflow를 사용하거나 Astra DB를 관리형 벡터 데이터베이스로 사용할 때뿐이다.
Langflow의 최소 하드웨어 요구 사항은 무엇인가?
문서화된 최소 요구 사항은 듀얼코어 CPU와 RAM 2GB이며, 실제 작업 부하에는 멀티코어 CPU와 최소 4GB RAM이 권장된다. pip/uv 설치 경로에는 Python 3.10~3.14가 필요하다.
Langflow는 누구에게 적합한가?
Langflow는 Python을 포기하지 않으면서 LangChain 위에 시각적 레이어를 원하는 개발자에게 적합하며, Flowise를 떠나는 사람들에게도 믿을 만한 선택지다. 처음부터 강력한 멀티테넌트 SaaS 호스팅이 필요한 팀에는 상대적으로 덜 적합하다.
Langflow 대 대안
Langflow는 LangChain 스타일의 에이전트와 RAG 파이프라인을 구축하는 다른 시각적·코드 우선 도구들과 경쟁한다. 유지보수 상태는 특히 Flowise와 비교했을 때 가장 뚜렷한 차이점이다.
| 도구 | 인터페이스 | 라이선스 | 지원 주체 | 유지보수 |
|---|---|---|---|---|
| Langflow | 시각적, Python 기반 | MIT | IBM(DataStax 경유) | 활발 |
| Flowise | 시각적, 드래그 앤 드롭 | Apache 2.0 | 독립(FlowiseAI) | 아카이브됨/없음 |
| Dify | 시각적 + 백엔드 | Apache 2.0 + 제한 | 독립(LangGenius) | 활발 |
| LlamaIndex | Python/TS 코드 | MIT | 독립(LlamaIndex Inc.) | 활발 |
| n8n | 시각적, 드래그 앤 드롭 | Fair-code/Sustainable Use | 독립(n8n GmbH) | 활발 |
Langflow를 평가할 때 흔한 오해
이런 오해는 Langflow와 Flowise를 혼동하거나, 기업 소유가 항상 더 나쁜 오픈소스 조건을 의미한다고 가정하는 데서 비롯된다.
자주 묻는 질문
Langflow의 소유주는 누구인가?
IBM이 Langflow를 소유하고 있다. 원래 Logspace가 개발했고 2024년 4월 DataStax가 인수했으며, 이후 DataStax는 2025년 5월 28일 완료된 거래를 통해 IBM에 인수되었다.
Langflow는 오픈소스인가?
그렇다. Langflow는 GitHub(langflow-ai/langflow)에서 관대한 MIT 라이선스로 공개되며, 일부 경쟁 도구에 있는 멀티테넌트 제한이나 로고 제한이 없다.
Langflow는 지금도 활발히 유지보수되는가?
그렇다. 2026년 FlowiseAI가 서비스를 종료한 Flowise와 달리, Langflow는 활발한 커밋 기록을 가지고 있으며 IBM은 이를 watsonx.ai 플랫폼용 에이전트 구축 미들웨어로 자리매김시키고 있다.
Langflow는 Flowise와 어떻게 다른가?
Langflow는 Python 기반이며 현재 IBM이 지원하는 팀이 개발한다. Flowise는 Node.js/TypeScript 기반으로 독립 회사 FlowiseAI가 개발했으나 지금은 아카이브되어 더 이상 유지보수되지 않는다. 둘 다 LangChain/LangGraph 스타일 구성을 시각적으로 생성하지만 코드베이스는 서로 다르다.
IBM이나 DataStax 계정 없이 Langflow를 셀프호스팅할 수 있는가?
가능하다. 오픈소스 패키지 langflow는 Docker, pip/uv, 또는 Langflow Desktop 앱으로 설치할 수 있으며 전적으로 자체 하드웨어에서 실행된다. IBM이나 DataStax 계정은 호스팅 제품인 DataStax Langflow나 관리형 Astra DB를 사용할 때만 필요하다.
Langflow는 검색 증강 생성(RAG)을 지원하는가?
그렇다. Vector Store RAG 템플릿은 수집(문서 로드, 청크 분할, 임베딩, 인덱싱)과 쿼리(질문 임베딩, 가장 근접한 결과 검색)를 두 개의 플로우로 분리하며, Astra DB를 포함한 교체 가능한 벡터 데이터베이스 컴포넌트를 사용한다.
Langflow는 멀티 에이전트 시스템을 지원하는가?
그렇다. 캔버스의 어떤 컴포넌트든 에이전트가 호출할 도구로 노출할 수 있으며, Langflow는 여러 턴에 걸쳐 유지되는 대화 메모리와 함께 멀티 에이전트 오케스트레이션을 지원한다.
Langflow의 최소 시스템 요구 사항은 무엇인가?
최소 듀얼코어 CPU와 RAM 2GB가 필요하며, 실제 작업 부하에는 멀티코어 CPU와 최소 4GB RAM이 권장된다. pip/uv를 통한 설치에는 Python 3.10~3.14가 필요하다.
DataStax Langflow는 무엇이며 오픈소스 Langflow와 다른가?
DataStax Langflow는 동일한 오픈소스 프로젝트를 IBM/DataStax가 호스팅하는 클라우드 버전으로, 벡터 데이터베이스 Astra DB와 통합되어 있다. 셀프호스팅 버전과 완전히 동일한 핵심 소프트웨어를 실행하며, 차이는 IBM이 호스팅을 관리하고 기본적으로 Astra DB에 연결한다는 점뿐이다.
Flowise를 떠나는 사람들에게 Langflow는 좋은 대안인가?
그렇다. 다만 한 가지 유의점이 있다. 기본 개념(시각적 LangChain/LangGraph 플로우, RAG 컴포넌트, 에이전트 도구)이 충분히 비슷해 Langflow는 합리적인 이전 대상이 되지만, 자동 임포트 기능은 없으므로 플로우를 수동으로 재구성할 시간을 확보해야 한다.
Langflow를 MCP 서버로 배포할 수 있는가?
가능하다. 완성된 Langflow 플로우는 Model Context Protocol(MCP) 서버로 노출할 수 있어 다른 MCP 호환 AI 클라이언트가 이를 도구로 호출할 수 있다. 이 외에도 일반 API 엔드포인트로 배포하거나 JSON으로 내보낼 수 있다.