AgentFlow · Agent Orchestrator

基于 Tauri v2 + React + Rust 的 Agent 工作流编排桌面应用。在画布上拖拽「开始 / LLM 调用 / 条件分支 / 工具调用 / 人工审批 / 结束」节点，连线组成工作流，一键运行；LLM 节点通过 OpenAI 兼容 API 流式调用，token 实时回流到节点与日志面板。支持多流程管理：每个流程可独立编辑、发布、导出、单独执行；已发布流程可通过 HTTP 按 flow_id 直调，或经 MCP 暴露给任意 AI agent。支持 Human-in-the-Loop：流程跑到「人工审批」节点会挂起，人在节点上给出决策（通过 / 驳回 / 改内容）后从断点续跑，跨进程重启不丢。

本工程已通过 tsc 类型检查、vite build 生产构建，以及 cargo test（13/13 单测）、langgraph-bridge 的 pytest（HITL 50/50）与 cargo build --release Rust 编译验证。直接 npm run tauri:dev 即可在 macOS 上启动；npm run tauri:build 已验证可产出 AgentFlow.app。

📖 文档分工

文档	读者	内容
README.md（本文）	人（首次接触）	是什么、怎么装、怎么跑、功能与结构
AGENTS.md	AI coding agent	改哪里、硬约束、事件/数据契约、已知坑、验证清单、未决风险
langgraph-bridge/README.md	人 + agent	LangGraph 桥接服务专题：AG-UI 协议、端点、MCP 接入、实测记录

构建产物与运行说明（重要）

本仓库在 x86_64 环境下 tauri:build 产出的 AgentFlow.app 为 x86_64 架构。若你的 Mac 是 Apple Silicon（arm64），请在本机重新执行 npm run tauri:build，会自动编出 arm64 原生包（或跨平台需加 --target aarch64-apple-darwin）。

默认构建为 未签名 应用。首次运行需解除 quarantine 并放行 Gatekeeper：

xattr -cr src-tauri/target/release/bundle/macos/AgentFlow.app
open src-tauri/target/release/bundle/macos/AgentFlow.app

tauri:build 的 DMG 打包步骤 依赖 hdiutil，在无显示器的 CI/沙箱中可能失败；这仅影响发行镜像（.dmg），不影响 .app 本身。本地有桌面环境的 Mac 上通常可正常生成 DMG。

功能特性

🎨 可视化编排：基于 @xyflow/react 的节点画布，拖拽、连线、缩放、小地图。
🗂 多流程管理：左侧流程列表，可新建 / 复制 / 删除 / 切换；每个流程是独立 DAG。
🚀 单独发布 / 导出：每个流程可独立发布（Draft ↔ Published，发布时版本自增），并可导出为 JSON。
▶ 单独执行：按 flow_id 执行当前流程；所有运行事件带 flowId 归属，多流程互不干扰。
🤖 LLM 节点：调用任意 OpenAI 兼容端点（OpenAI / DeepSeek / 通义 / 自建网关），流式输出，支持节点级 model 覆盖全局模型。
🔀 多节点类型：开始、LLM 调用、条件分支、工具调用、人工审批、结束。
🧩 LangGraph 外挂执行：tool 节点可把整图委托给仓库内的 langgraph-bridge（FastAPI + LangGraph）执行，结果以 AG-UI 标准协议回流，Rust 侧薄适配层翻译后前端零改动。
🔌 真实 MCP 接入：bridge 通过 langchain-mcp-adapters 连标准 MCP server（默认内置 stdio demo server），tool 节点声明 mcp_tool 即真实调用。
🔁 ReAct 工具循环：tool 节点填 tools 白名单后，模型在节点内部自主循环——决定调哪个工具、调几次、何时收工（max_iterations 显式限轮）。循环封在节点内，图的形状不变，Rust 引擎零改动。
◆ 模型分支路由：condition 节点填自然语言判据（expression），候选菜单就是它的出边，由模型选出走哪条（结构化输出 choose_branch + temperature=0）。判定在节点内完成、结果进 state 与执行轨迹，节点上直接回显「→ 分支名」。委托 bridge 执行时生效；Rust 原生执行器下会主动发 warn 提醒「不按判据选边、会走全部出边」。
✋ 人工审批（HITL）：human 节点让流程挂起等人。执行到该节点时 LangGraph 调 interrupt() 存下断点，前端节点变紫并弹出审批控件（通过 / 驳回 + 可直接编辑要放行的内容）；人提交后经 POST /flows/{id}/resume 用同一 thread_id 从断点续跑，已执行节点不重跑。断点落 SQLite checkpointer，实测杀掉服务进程重启后仍能用原 threadId 续跑。
⏱ 执行上限显式化：bridge 一律显式设置 recursion_limit（不再吃内部默认 10007），构图前做环检测，含环图自动收紧上限。实测含环流程 1.7 秒报错，而非挂死数小时。
🌐 HTTP 按 id 直调：POST /flows/{flow_id}/run —— 外部系统只需一个 flow_id，无需知道图结构。
🗨 发布即分享聊天页：点「发布」后自动生成链接 http://localhost:1420/chat.html?flowId=<id>&bridgeUrl=<bridge> —— 浏览器打开即是一个独立聊天页（聊天框 + 气泡），访客主动输入内容后页面以非流式 POST /flows/{flow_id}/run 拿结果回填。复用全部运行期能力（LLM / 工具 / 分支 / HITL），无额外后端状态；遇人工审批节点会显示「⏸ 等待人工审批」提示回编辑器处理。
🛰 MCP 入口：已发布流程经 stdio MCP server 暴露为工具（list_published_flows / run_flow），任意 MCP client 可触发。
💾 持久化（SQLite）：全部流程与配置存于 ~/.agent-flow/agent_flow.db（rusqlite，WAL 模式）。数据目录刻意不使用系统 app 数据目录（macOS ~/Library/Application Support 等），而是固定在用户主目录下的 .agent-flow/，一处可查、跨平台一致、可被 bridge / MCP server / sqlite3 直接读取。可用环境变量 AGENT_FLOW_HOME 覆盖整个目录。旧版 flows.json / workflow.json / config.json 在首次启动时自动迁移入 SQLite，原文件改名为 *.migrated 保留备查。
⚙ API 配置：Base URL / API Key / 模型 / 温度，持久化到 SQLite 的 kv 表。

环境要求（macOS）

Rust 工具链：rustup / cargo（≥ 1.70）
Node.js ≥ 18（推荐 20+）
Xcode Command Line Tools：xcode-select --install
macOS 10.15+（Tauri v2 要求）
（可选，仅在用 bridge 时）Python ≥ 3.11 + uv

快速开始

cd agent-flow
npm install            # 安装前端依赖 + Tauri CLI
npm run tauri:dev      # 启动开发模式（自动起 Vite + 编译 Rust + 打开窗口）

首次运行会自动打开 AgentFlow 窗口，并创建一个「默认流程」。点击右上角 ⚙ 设置 填入你的 API Base URL 与 Key（默认 https://api.openai.com/v1，模型 gpt-4o-mini），然后：

左侧流程面板管理流程（+ 新建 / 复制 / 删除 / 点击切换）；
从工具栏点击 + LLM 调用 等按钮添加节点，拖动节点圆点连线；
选中节点在右侧属性面板编辑 Prompt、System 等；
点击 ▶ 运行 执行当前流程，观察节点高亮与右下角日志（保存 / 发布 / 导出在工具栏）。

打包成独立 .app：

npm run tauri:build   # 产物在 src-tauri/target/release/bundle/

（可选）启动 LangGraph 桥接服务

cd langgraph-bridge
uv run uvicorn server:app --host 127.0.0.1 --port 8010   # 本机 8000 常被占用，建议换端口
curl -s localhost:8010/health

零 API key 即可跑通：LLM 走内置 MockChatModel，MCP 走本地真实 stdio demo server。详见 langgraph-bridge/README.md。

项目结构

agent-flow/
├── README.md                  # 本文
├── AGENTS.md                  # 面向 AI coding agent 的工作指引（硬约束 / 契约 / 坑）
├── index.html
├── package.json
├── vite.config.ts
├── tsconfig.json
├── src/                       # React 前端
│   ├── main.tsx
│   ├── App.tsx                # 画布 / 多流程生命周期 / 运行编排
│   ├── styles.css
│   ├── types.ts               # 节点 / 配置 / 流程（Flow）类型
│   ├── store.ts               # zustand 全局状态（配置 / 日志 / running）
│   ├── lib/tauri.ts           # Tauri invoke / 事件封装（含多流程 API）
│   └── components/
│       ├── FlowList.tsx       # 多流程列表（新建 / 复制 / 删除 / 发布）
│       ├── Toolbar.tsx        # 节点面板 + 运行 / 保存 / 发布 / 导出 / 设置
│       ├── nodes.tsx          # 6 类节点渲染（含 human 内联审批控件）
│       ├── Inspector.tsx      # 选中节点属性编辑
│       ├── Console.tsx        # 运行日志
│       └── Settings.tsx       # API 配置弹窗
├── src-tauri/                 # Rust 后端
│   ├── Cargo.toml
│   ├── build.rs
│   ├── tauri.conf.json
│   ├── capabilities/default.json
│   ├── icons/                 # 应用图标（已生成）
│   └── src/
│       ├── main.rs
│       ├── lib.rs             # Tauri 命令入口 + SQLite 存储层 + 多流程（Flow CRUD / 发布 / 执行 / 导出 / resume_flow）
│       ├── llm.rs             # OpenAI 兼容流式调用（SSE 解析）
│       ├── workflow.rs        # 拓扑排序 + 节点执行 + 事件发射（带 flowId，含环路拦截 / human 节点委托）
│       └── bridge.rs          # LangGraph 桥：AG-UI → wf:event 薄适配层（run / resume 共用）
└── langgraph-bridge/          # Python 子项目：LangGraph 外挂执行 + MCP 入口
    ├── server.py              # FastAPI：/run、/flows*、/flows/{id}/resume、/mcp/tools、/health；AG-UI server
    ├── flow_store.py          # Python 侧 SQLite 只读访问层（server 与 mcp_servers 共用）
    ├── tests/test_hitl.py     # HITL 覆盖：挂起 / 续跑 / 人工编辑 / thread 隔离 / 落盘（50 用例）
    ├── pyproject.toml
    ├── uv.lock
    ├── README.md              # bridge 专题文档
    └── mcp_servers/
        ├── flows_server.py    # stdio MCP：把【已发布】流程暴露为工具
        └── demo_server.py     # 内置 demo MCP server（add / get_time / echo）

工作原理

前端把画布序列化写回对应流程，调用 Rust 命令 run_flow(flow_id) 单独执行该流程（旧接口 run_workflow 仍保留做兼容）。所有 wf:event 都会附 flowId，前端按流程归属过滤。
workflow.rs 用 Kahn 算法做拓扑排序（有环直接报错退出），按依赖顺序执行每个节点：
- start：输出初始输入文本；
- llm：调用 llm.rs 的流式接口，token 通过 app.emit("wf:event", …) 实时推回前端；
- condition：Rust 侧为直通（会执行全部出边）；委托 bridge 时由模型按 expression 判据在出边中选一条，选中结果随事件回流并在节点上显示。出边 ≥ 2 时 Rust 侧会发一条 warn，避免误以为判据在这条路径上生效；
- tool：若配置了 data.tool = "langgraph" / data.bridge = true / 非空 data.tools（ReAct 白名单）/ 非空 data.mcp_tool（direct 单工具），就把整张图委托给 langgraph-bridge 执行（AG-UI 协议回流）；否则为占位实现，亦可在 workflow.rs 直接 HTTP 调 MCP / 业务服务；
- human：Rust 原生执行器不做审批（静默跳过审批等于安全事故）。构图前若发现图中含 human 节点，会发一条 warn 并把整张图委托给 bridge —— 由 LangGraph 在节点内部 interrupt() 挂起、等人决策后续跑；
- end：汇聚上游输出作为最终结果。
前端通过 listen("wf:event") 接收 node:start / token / tool:start / tool:args / tool:result / node:awaiting / node:done / workflow:done 事件，更新节点状态、流式填充输出、写入日志。工具调用细节会落在 Console，形如 → 调用工具 add / ← add「计算 3 加 5」返回: 3 + 5 = 8。
委托 bridge 时协议边界是 AG-UI 标准事件：后端发出 RUN_STARTED / STEP_STARTED / TEXT_MESSAGE_* / TOOL_CALL_* / STEP_FINISHED / RUN_FINISHED / RUN_ERROR，以及 HITL 用的自定义扩展 RUN_PAUSED；bridge.rs 的 translate_agui() 翻译成内部 wf:event 后 emit（RUN_PAUSED → node:awaiting）—— 前端不感知 AG-UI，未来换任意 AG-UI 前端只需替换这一层适配器。
暂停不是结束：RUN_PAUSED 之后 bridge 会补发一条 RUN_FINISHED 且带 paused: true，表示「本次 run 结束，但流程没结束」——这个第三态是 HITL 的关键，缺少它前端无法区分「跑完了」与「在等人」。

完整的「事件 / 数据 / 端点」契约表见 AGENTS.md § 4。

多流程 / 发布 / 导出 / MCP 入口

多流程模型：一个 Flow = { id, name, version, graph, status, updated_at }，存于 SQLite 表 flows（<data_dir>/agent_flow.db，默认 ~/.agent-flow/agent_flow.db）。Rust 命令：list_flows / get_active_flow / create_flow / save_flow / delete_flow / set_active_flow。
存储层：SQLite（rusqlite，bundled — 无系统依赖）。表 flows 存流程、kv 存 active_id / API 配置 / 兼容旧接口的单流程 graph。CRUD 为行级原子写（UPSERT），不再全量重写文件；桌面 app 与 MCP server 是两个进程并发访问，靠 WAL + busy_timeout=5000 保证「读不阻塞写、写自动等锁」。
单独发布：publish_flow(id, published) 翻转 draft ↔ published（发布时 version 自增）。发布是一个状态，代表该流程进入「可被独立触发」集合。
单独执行：run_flow(id) 取出该流程的 graph，复用同一套引擎执行；执行事件带 flowId，天然支持多流程互不串联。
导出：export_flow(id) 把流程以 JSON 落盘到 <data_dir>/exports/<name>-<id>.json（默认 ~/.agent-flow/exports/）。
MCP 入口：子项目 langgraph-bridge/mcp_servers/flows_server.py 把【已发布】流程暴露为标准 MCP 工具（list_published_flows / run_flow），任意 MCP client（Claude Desktop / 任意 MCP 网关 / 自研 agent）均可单独触发某个已发布流程。即：发布 = 进入 MCP 可见集；单独执行 = 外部调 run_flow。
HTTP 直调（不经 MCP）：bridge 另提供 GET /flows 与 POST /flows/{id}/run——外部系统（CI / 业务服务 / curl）只要传一个 flow_id 就能执行该已发布流程，无需知道图结构：bridge 自己从 SQLite 取图，并在请求未带 config 时自动使用 app 里配好的 LLM 配置。默认返回流式 AG-UI SSE，stream:false 返回 JSON。也就是说 MCP 不是执行流程的必要条件，它只是给 AI agent 用的可选「发现入口」（且它内部同样调这个 HTTP 端点）。详见 langgraph-bridge/README.md。

数据与配置

数据目录

固定在 ~/.agent-flow/（刻意不用系统 app 数据目录，便于外部工具直接读取）：

~/.agent-flow/
├── agent_flow.db        # SQLite：flows + kv（WAL 模式）
├── agent_flow.db-wal    # WAL 边车文件（运行时出现）
├── agent_flow.db-shm
├── checkpoints.db       # LangGraph checkpointer：HITL 的挂起点存档（bridge 侧写）
├── checkpoints.db-wal   # 同上边车（运行时出现）
├── checkpoints.db-shm
└── exports/             # export_flow 导出的流程 JSON

checkpoints.db 与 agent_flow.db 是两回事：前者是运行期状态（谁的图停在哪一步、state 快照），后者是设计期数据（图画什么、是否发布）。分开存的好处是「删流程」不会连累别人正在等待的审批；代价是孤儿断点需要另行清理。

旧版 JSON 存储（flows.json / workflow.json / config.json）位于旧的系统配置目录（macOS ~/Library/Application Support/com.agentflow.app/）。首次启动读入 SQLite 后，这些文件在原目录被改名为 *.migrated 保留备查 —— 也就是说 .migrated 文件不在 ~/.agent-flow/ 下。若旧目录里已有 agent_flow.db，会被整体复制过来（含 -wal / -shm 边车文件）。

SQLite 表

flows(id PK, name, version, graph /* JSON 文本 */, status /* draft|published */, updated_at)
kv(key PK, value)          -- active_id | config | legacy_workflow

HITL 的挂起点不在这两张表里，而在同目录的 checkpoints.db（由 LangGraph 的 AsyncSqliteSaver 管理，表结构由 langgraph-checkpoint 定义）。

环境变量

变量	作用	默认	读取方
`AGENT_FLOW_HOME`	数据目录	`~/.agent-flow`	Rust + Python
`AGENT_FLOW_DB`	直接指定 `.db` 文件（支持 `~`）	`<data_dir>/agent_flow.db`	Python
`AGENT_FLOW_CHECKPOINT_DB`	HITL 断点库路径（测试必改，否则会往真实目录写）	`<data_dir>/checkpoints.db`	Python
`LANGGRAPH_BRIDGE_URL`	bridge 地址（`.../run` 或裸 base 均可）	`http://127.0.0.1:8000`	Rust + Python

外部调用速查

# 1. 看有哪些已发布流程（?all=true 含草稿）
curl -s http://127.0.0.1:8010/flows

# 2. 传 flow_id 直接执行 —— 流式（AG-UI SSE）
curl -N -X POST http://127.0.0.1:8010/flows/<flow_id>/run \
     -H 'Content-Type: application/json' -d '{"input":"计算 3 加 5"}'

# 3. 传 flow_id 直接执行 —— 非流式（脚本 / CI 友好）
curl -s -X POST http://127.0.0.1:8010/flows/<flow_id>/run \
     -H 'Content-Type: application/json' -d '{"input":"计算 3 加 5","stream":false}'
# → {"ok":true,"flowId":"...","steps":4,"result":"...","usedStoredConfig":true}
# 若图里含 human 节点，会在这里停下并多返回：
# → {"ok":true,...,"paused":true,"awaiting":{"nodeId":"h1","prompt":"...","actions":["approve","reject"]},
#    "resumeUrl":"http://127.0.0.1:8010/flows/<flow_id>/resume"}

# 4. 【HITL】从断点续跑 —— 必须带挂起时返回的 threadId
curl -s -X POST http://127.0.0.1:8010/flows/<flow_id>/resume \
     -H 'Content-Type: application/json' \
     -d '{"threadId":"<挂起时返回的 threadId>","decision":{"decision":"approve"}}'
# 人工改内容后放行（value 会覆盖该节点向下游传递的文本）：
#   -d '{"threadId":"...","decision":{"decision":"approve","value":"发票已核验，金额 1280 元"}}'
# 驳回（可带理由）：
#   -d '{"threadId":"...","decision":{"decision":"reject","note":"发票缺失，请补充后重提"}}'

# 6. 【发布即分享】打开聊天页（浏览器访问，访客可主动输入内容运行流程）
open "http://localhost:1420/chat.html?flowId=<flow_id>&bridgeUrl=http%3A%2F%2F127.0.0.1%3A8010&name=<流程名>"
#   聊天页是前端 public/chat.html，由 Vite 静态资源服务提供；
#   页面从 URL 读取 flowId/bridgeUrl/name，以非流式 POST 到 bridge 的 /flows/{id}/run，
#   对 ok / paused(人工审批) / error 三态都有处理；无需额外后端状态。

# 5. 直接查库（不启动 app 也能看流程）
sqlite3 ~/.agent-flow/agent_flow.db "SELECT id,name,version,status FROM flows"

错误语义：流程不存在 404 / 未发布 409 / 图为空 422 / 执行失败 500；resume 另加 缺 threadId 或 decision → 422、该 thread 上没有等待中的挂起点 → 可读错误（不是静默重跑，也不是默认放行）。

自定义与扩展

面向 AI agent 的完整改造 recipe（新增节点类型要动哪 6 处、新增 Tauri 命令三件套等）见 AGENTS.md § 5。

新增节点类型

src/components/nodes.tsx：新增渲染组件并加入 nodeTypes 映射；
src/components/Toolbar.tsx 的 PALETTE 增加一项；
src/App.tsx 的 DEFAULT_DATA 增加默认 data；
src/types.ts 的 NodeType 增加联合类型成员；
src-tauri/src/workflow.rs 的 match ntype 分支补充该类型的执行逻辑；
（若 bridge 也要支持）langgraph-bridge/server.py 的 make_node 内 if/elif ntype 链。

这 6 处是必改的；human 是个例外样本——它额外牵动 checkpointer、RUN_PAUSED 事件、resume 端点与前端等待态，因为它的本质是「执行期要停下」，而不只是「多画一个框」。

接入人工审批（HITL）

最小可用配置：往画布加一个 人工审批 节点，把上游连进来、下游连出去，然后确保图能走 bridge（任一 tool 节点配置非空 tools 白名单 / mcp_tool / tool = "langgraph"，或干脆按下面的「整图委托」方式跑）。节点属性面板可配三件事：

配置项	`data` 键	说明
审批提示语	`hitlPrompt`	给审核人看的问句，如「本次报销金额 1280 元，是否放行？」
候选动作	`actions`	默认 `["approve","reject"]`；也可加 `edit` 等自定义动作
允许修改内容	`allow_edit`	默认 `true`；关掉则审核人只能原样通过 / 驳回

运行到该节点时：节点变紫、弹出审批控件（可直接编辑要放行的文本），Console 打印挂起信息。点「通过」→ 走 resume_flow 从断点续跑，前面的节点不会重跑；点「驳回」→ 向下游传递 [已驳回] <理由>。审核人手动改过的内容会成为 value，替代原输入传给下游。

接入真实工具 / MCP

tool 节点在 Rust 侧有两条路径：

路径 A（已落地，推荐先试）：tool 节点配置非空 data.tools（ReAct 白名单）/ data.mcp_tool（direct 单工具）/ data.tool = "langgraph" / data.bridge = true，即把整张图 POST 给子项目 langgraph-bridge，由 LangGraph 编译执行。该服务已接真实 MCP——tool 节点 data.mcp_tool（如 demo__add）即触发对标准 MCP server（默认 demo，stdio）的真实调用，结果以 AG-UI 协议流式回流，Rust 薄适配层翻译为 wf:event 推前端，前端零改动。
路径 B（Rust 原生）：在 workflow.rs 的 tool 分支直接 HTTP 调你的 MCP / 业务服务（任意标准 MCP server、内部网关或 REST 服务均可），将结果写入 output 并沿边传递。

走路径 A 时，tool 节点有两种模式，由 data 里有没有 tools 白名单决定：

模式	配置	行为
`direct`	`data.mcp_tool = "demo__add"`	单工具直调：上游文本 → 调这一个工具 → 返回
`react`	`data.tools = ["demo__add","demo__get_time"]`（或 `["*"]`）	模型在节点内部自主循环：决定调哪个、几次、何时收工

ReAct 模式要点：max_iterations 显式限轮（默认 6）；留空 tools 即回到 direct，旧配置完全兼容；循环封在节点内 → 对外只有一次 STEP_STARTED / STEP_FINISHED，图的形状不变，Rust 侧拓扑排序与环检测零改动（cargo test 13/13 通过，含新增的暂停事件映射与 URL 归一化用例）。

condition 节点的分支路由（走路径 A 时生效）：data.expression 填自然语言判据（如「上游内容是否在询问天气」），模型在出边中选一条；出边顺序即候选编号，第 0 条为「命中」默认分支。用便宜快的小模型即可（data.model / cfg.router_model 覆盖）。详见 langgraph-bridge/README.md。

Release 构建的权限说明

本工程 capabilities/default.json 仅含 core:default。Debug（tauri:dev）下自定义命令自动放开，可直接运行。若要做 Release（tauri:build），需在 src-tauri/permissions/ 下定义显式权限集（授予 allow-run-flow 等），再在 capability 中引用，否则自定义命令会被 ACL 拦截。

已知占位 / 后续路线

🔴 高优先级（安全性）

~~环路保护的路径不对称~~ → 已在 S2 修复。bridge 构图前做 DFS 环检测（服务端日志 + RUN_STARTED.hasCycle），并一律显式设置 recursion_limit（优先级 wf.recursion_limit > AGENT_FLOW_RECURSION_LIMIT 环境变量 > 按图规模推算，有环时收紧到 max(12, n*2)），超限转成可读的 RUN_ERROR。实测含环流程 1.68 秒返回错误，而非一路跑到 10007 步（旧行为外推：真实 LLM 数小时挂死 + 等额计费）。同时修正 workflow.rs 中「存在环或孤立节点」的错误文案（Kahn 下失败的只可能是环——孤立节点 in-degree 为 0，照样会被排出）。遗留：前端 onConnect 仍无环校验（画环本身是合法需求，真正该拒绝的是 Rust 原生执行器，它已拦截）。详见 AGENTS.md § 7。
正式环境化：三处 127.0.0.1 落差（bridge 地址、MCP 挂载、鉴权）——当前所有调用入口均无鉴权，仅适合本机。HITL 让这条从「不方便」升级为「危险」：/flows/{id}/resume 没有审批人身份校验，任何能访问端口的人都能替你「通过」一次审批。上生产前必须先补鉴权。

🟡 功能缺口

condition 的跨引擎语义对齐：bridge 侧已是模型判定（S2），Rust 原生执行器侧仍是直通 + warn。若要让 Rust 侧也支持，需在同步执行器里引入模型调用，或把判定拆成独立节点；
Loop Engineering 四件套仍不齐：有「模型选边」（condition）与「节点内 ReAct 循环」（tool），但缺迭代计数器、可配的继续/退出判据（无法表达「迭代到满意为止」）、跨节点迭代状态（累积器 / 上一轮结果）；
HITL 的边界（已实现，但仍是 1.0 版）：
- 审批只能在节点上做（human 节点），还不能在「任意节点执行前/后」插钩子；
- 挂起态无 TTL、无超时自动决策、无待办列表 —— 挂起的 run 只能靠人回来手动续，服务重启后需要旧 threadId 才能找回（前端节点上会存着，但换个客户端就断了）；
- 无审批人身份与鉴权：谁都能调 /resume，谁都能点「通过」。生产必须补 Authorization + 审批人白名单（这是当前最大的安全缺口）；
- 一个 thread 同时只能有一个挂起点（串联多审批可以，并行分支同时等人不行）；
- human 节点在 Rust 原生执行器下不生效（会被整图委托给 bridge，见上）；
tool 节点 Rust 原生接 MCP 的便捷封装（当前 MCP 接入由 langgraph-bridge 子项目承担）；
ReAct 循环的跨节点迭代状态（累积器 / 上一轮结果）尚不可配；循环内部的中间态随 checkpointer 落盘，但尚无清理策略（checkpoints.db 会随运行次数增长）；
bridge 侧 tool(langgraph) 会把整图（含前驱节点）再跑一遍，属演示性「接管」；生产应改为只委托该节点之后的子图；
流程导入（从导出的 JSON 反向导入）、节点参数校验；
流程重命名 UI、流程分组 / 搜索；
多 LLM 供应商切换与失败重试；
bridge 进程管理：原型手动起，生产可改 Tauri sidecar 内嵌 Python（代价是包体膨胀 + 跨平台打包）。

Docs

File	What it is
README.md	你在这里 —— 功能总览 + 快速开始 + 运行语义
AGENTS.md	AI coding agent 的权威工作指引（硬约束、文件职责表、改造 recipe、验证清单）
CHANGELOG.md	版本日志（Keep a Changelog 格式）
SECURITY.md	安全模型现状（无鉴权边界）+ 漏洞私报流程
langgraph-bridge/README.md	bridge 子项目专题：HITL / MCP / AG-UI 协议细节

Navigation Menu

Repository navigation

About

Repository files navigation

AgentFlow · Agent Orchestrator

📖 文档分工

构建产物与运行说明（重要）

功能特性

环境要求（macOS）

快速开始

（可选）启动 LangGraph 桥接服务

项目结构

工作原理

多流程 / 发布 / 导出 / MCP 入口

数据与配置

数据目录

SQLite 表

环境变量

外部调用速查

自定义与扩展

新增节点类型

接入人工审批（HITL）

接入真实工具 / MCP

Release 构建的权限说明

已知占位 / 后续路线

Docs

License

About

Releases

Packages

Contributors

Languages

Name		Name	Last commit message	Last commit date
.github/workflows		.github/workflows
langgraph-bridge		langgraph-bridge
public		public
scripts		scripts
src-tauri		src-tauri
src		src
.gitignore		.gitignore
AGENTS.md		AGENTS.md
CHANGELOG.md		CHANGELOG.md
CLAUDE.md		CLAUDE.md
LICENSE		LICENSE
README.md		README.md
SECURITY.md		SECURITY.md
index.html		index.html
package-lock.json		package-lock.json
package.json		package.json
tsconfig.json		tsconfig.json
tsconfig.node.json		tsconfig.node.json
vite.config.ts		vite.config.ts

Latest commit

History

Folders and files

Repository files navigation

AgentFlow · Agent Orchestrator

📖 文档分工

构建产物与运行说明（重要）

功能特性

环境要求（macOS）

快速开始

（可选）启动 LangGraph 桥接服务

项目结构

工作原理

多流程 / 发布 / 导出 / MCP 入口

数据与配置

数据目录

SQLite 表

环境变量

外部调用速查

自定义与扩展

新增节点类型

接入人工审批（HITL）

接入真实工具 / MCP

Release 构建的权限说明

已知占位 / 后续路线

Docs

License

About

Resources

Security policy

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages