Langflow

LangChain ベースの AI ワークフロー・パイプラインを構築するローコードビジュアルビルダー

はじめに

Langflow は LangChain ベースのビジュアルローコードパイプラインビルダーです。OpenAI コンポーネントにはカスタム OpenAI API Base URL が設定でき、TokenMix に向けることでパイプラインのロジックを変更せずに Claude・GPT-5・DeepSeek など TokenMix のモデルを利用できます。

前提条件

Docker で Langflow をセルフホストします：

docker run -p 7860:7860 langflowai/langflow:latest

http://localhost:7860 にアクセスします。

永続ストレージが必要な場合はボリュームを追加します：

docker run -p 7860:7860 \
  -v langflow_data:/app/langflow \
  langflowai/langflow:latest

TokenMix の API キーも必要です。tokenmix.ai → コンソール → API Keys で作成してください。

セットアップ手順

ステップ 1 — フローを開く

Langflow で既存のフローを開くか、New Flow で新規作成します。

ステップ 2 — OpenAI コンポーネントを追加または選択

OpenAI（または OpenAI Embeddings）コンポーネントをキャンバスにドラッグするか、既存のものをクリックします。

ステップ 3 — API base とキーを設定

右側の設定パネルで入力します：

フィールド	値
OpenAI API Key	TokenMix キー（`sk-tm-…`）
OpenAI API Base	`https://api.tokenmix.ai/v1`
Model Name	例：`gpt-5.4` または `claude-sonnet-4.6`

パネルを閉じると自動保存されます。

代替手段：環境変数による設定（最も確実）

コンテナ起動時に環境変数を渡すと、インスタンス内のすべての OpenAI コンポーネントがデフォルトで TokenMix を使用します：

docker run -p 7860:7860 \
  -e OPENAI_API_BASE=https://api.tokenmix.ai/v1 \
  -e OPENAI_API_KEY=sk-tm-your-key \
  langflowai/langflow:latest

この方法では OpenAI API Base フィールドが事前入力され、モデル名を選ぶだけで使用できます。

ステップ 4 — Embedding サポートの追加（RAG フロー用）

OpenAI Embeddings コンポーネントをキャンバスにドラッグし、同じ OpenAI API Base とキーを設定して Model Name に TokenMix 対応の Embedding モデル（例：text-embedding-3-large）を入力し、ベクターストアコンポーネントに接続します。

動作確認

Run または Playground ボタンでフローを実行し、結果パネルに正常な出力が表示されれば TokenMix の接続成功です。

TokenMix コンソール → 利用履歴 でリクエストが記録されているか確認できます。

よくある質問

Q: API Base を設定後にすべてのコンポーネントがエラーになる。 A: URL が /v1 で終わっているか（末尾スラッシュなし）、API キーが sk-tm- で始まりスペースがないか確認してください。

Q: 使える Embedding モデルは？ A: tokenmix.ai → モデル で Embedding タイプでフィルタリングし、short_id（例：text-embedding-3-large）をコンポーネントの Model Name フィールドに入力します。

Q: 同じフロー内のコンポーネントごとに異なるモデルを使えますか？ A: はい。各 OpenAI コンポーネントは独立した Model Name フィールドを持ちます。API Base とキーを共有しながら、モデル名はコンポーネントごとに設定できます。