Langbase
免费
Langbase 是面向开发者的 AI智能体 平台，官方定位为 Serverless AI developer platform，用于构建、部署和监控带 Memory、Tools、Workflow、Threads 与 MCP 能力的 AI agents。
核心参数与统计
Langbase 的官方定位是 “Serverless AI Developer Platform”。官网说明其面向开发者构建、协作和部署 AI agents、apps 与 AI features；文档页进一步将它描述为可用 memory、tools、RAG 和简单 AI primitives 构建 composable AI agents 的平台。因此，本条目归入 ai-agents，而不是单纯的 ai-model-training：它的核心价值在 Agent 应用编排、运行、记忆、工具调用和部署，而非训练基础模型。
| 参数 | 官方公开信息 | 说明 |
|---|---|---|
| 产品定位 | Serverless AI developer platform | 来源：官网首页与文档页 metadata |
| 核心对象 | Pipe Agents、Memory、Workflow、Threads、Tools、Parser、Chunker、Embed、MCP Servers | 来源：官方文档导航与 API reference |
| API 入口 | /v1/pipes/run、/v1/memory/retrieve、/v1/threads、/v1/tools/web-search 等 |
来源：官方文档 API reference |
| 定价档位 | Free、Individual、Growth、Custom | 来源：官方 Pricing 页面，价格以实时页面为准 |
| 公司主体 | Langbase, Inc. | 来源：官网页脚与文档 author metadata |
| 地区 | US | 来源：官网页脚公开的 San Francisco 地址 |
这些参数说明 Langbase 更像“AI Agent 后端平台 + 开发者体验层”：开发者可以把模型、提示词、记忆、工具、工作流和线程管理封装为可运行的 Agent 或 API，而不是只在本地拼接框架代码。
用户与市场认可
Langbase 当前公开展示的市场证据主要来自官网客户与开发者评价、官方文档生态以及持续 Changelog，而非经审计的用户数或收入数据。官网 Pricing 页面展示 Resend 创始人 Zeno Rocha 的评价，并在社区区块呈现开发者对 Memory Agents/RAG 可视化检索体验的反馈；这些是官方展示的采用信号，不等同于独立统计。
| 认可类型 | 官方公开证据 | 可用于判断的意义 |
|---|---|---|
| 开发者生态 | 官方文档提供 SDK、API Reference、Agent examples、MCP Servers、Integrations | 说明平台主要面向工程团队和开发者 |
| 产品迭代 | Changelog 从 2024-02 Pipe 到 2025-06 Remote MCP Server 连续记录功能更新 | 说明平台处于持续迭代状态 |
| 客户/社区信号 | 官网展示 Resend 等创始人/开发者评价 | 可作为口碑线索，但不代表客户规模 |
| 企业能力 | Custom 方案公开列出 SAML/SSO、RBAC、SOC 2、HIPAA、GDPR 等 | 说明其商业化目标包含企业部署与治理 |
未公开的信息包括付费客户数、活跃开发者数、收入、融资进展和 SLA 细则；采购或集成前仍应以官方销售材料、合同条款和实时状态页为准。
成本优势
Langbase 的成本优势不在“比某个模型更便宜”这一单点，而在把 Agent 后端常见组件整合成平台能力：统一的 LLM provider 接入、Memory/RAG、工具调用、Threads、Workflow、日志与企业治理可以减少团队自建 orchestration、向量检索、工具接口和观测链路的时间成本。
| 方案 | 官网公开价格 | 主要额度/能力 | 适合阶段 |
|---|---|---|---|
| Free | $0/月 | 500 Langbase Credits、5 Public Pipes、500 Agent Runs、5 MB Memory、2 Memory Files、Threads/Parser/tools | 个人试用与原型验证 |
| Individual | $100/月 | 20K Langbase Credits、Unlimited Public Pipes、10 Private Pipes、Unlimited Runs、20 MB Memory、20 Memory Files、1 Week Logs Retention、Unlimited Memory Retrieval | 独立开发者和小型项目 |
| Growth | $250/月 | 75K Langbase Credits、30 Private Pipes、50 MB Memory、50 Memory Files、5 Org Seats、1 Week Logs Retention | 初创团队和协作开发 |
| Custom | 联系销售 | Unlimited Pipes/Runs/RAG Memory、High-Performance RAG、Account Analytics/Evals、SAML/SSO、RBAC、Advanced rate limiting、合规能力 | 企业部署与高治理要求 |
以上价格来自官方 Pricing 页面，AI 模型调用成本、超额用量、企业折扣和合同条款会变化，正式采购应以官方实时页面与合同为准。
主要功能
- Pipe Agents：把 prompt、instructions、personalization 和 engine 组合成可通过 API 使用的 AI agent；官方 Changelog 将 Pipe 描述为可使用 LLM、tools 与知识数据集的自定义 AI agent。
- Memory / RAG：支持创建 memory、上传文档、检索相似 chunks，并在文档中提供
/v1/memory/retrieve等 API。 - Workflow：作为 AI Primitive 出现在官方文档与 2025-05 Changelog 中，用于组织更复杂的自动化任务。
- Threads：提供会话线程的创建、消息追加、查询、删除等 API，适合保持多轮 Agent 状态。
- Tools 与 MCP：官方文档包含 web search、website crawler、MCP Servers；2025-06 发布 Remote MCP Server，使外部 MCP 客户端可操作 Pipes 与 Memory Agents。
- Parser / Chunker / Embed / Images：文档导航显示这些基础能力，用于文档解析、文本切块、向量嵌入与图像生成相关工作流。
- 多模型接入：官方 Changelog 显示 Langbase 持续加入 OpenAI、Anthropic、Google、Groq、Cohere、Azure OpenAI、xAI、Mistral 等 provider 或模型支持。
模型与版本演进
Langbase 本身不是基础模型厂商，因此不以模型权重版本作为主线，而以平台能力里程碑作为版本脉络。官方 Changelog 是最可靠的公开版本来源。
| 日期 | 里程碑 | 官方说明摘要 |
|---|---|---|
| 2024-02-01 | Prompt Instructions Personalization Engine (PIPE) | Pipe 作为可通过 API 调用的自定义 AI agent 发布 |
| 2024-05-13 | Langbase Docs | 官方文档上线，覆盖 Pipes、API、Integrations 等 |
| 2024-07-03 | Memory & Create Pipe API Endpoint | Memory 用于 RAG 数据存储与检索，Create Pipe API 支持动态创建 pipes |
| 2025-05-19 | Chai.new / Command.new | 面向将 AI Agents 推向生产的开发体验公开发布 |
| 2025-05-25 | Runtime Agents | Runtime Agents 作为 AI Primitive 进入 SDK 与 API |
| 2025-06-04 | Agent Apps on Command.new | Agent 可部署为带 Console 的应用并分享 |
| 2025-06-21 | Langbase Remote MCP Server | 支持从 IDE、Claude 与 MCP 兼容客户端操作 Pipes 与 Memory Agents |
需要注意的是，Langbase 同时会在 Changelog 中记录第三方模型接入，例如 Claude Sonnet 4/Opus 4、Gemini 2.5、Grok 3 等；这些是可用模型供应商更新，不应误写为 Langbase 自研模型版本。
技术优势
Langbase 的技术路线是把 Agent 工程拆成较稳定的云端 primitives：Pipe 负责 Agent 配置与运行，Memory 负责 RAG 数据和检索，Threads 负责会话状态，Tools/MCP 负责外部动作和互操作，Workflow 负责任务编排。对于开发团队，这比完全手写框架胶水代码更容易统一权限、日志、版本、检索与部署边界。
第二个优势是“框架轻量化”。官方文档强调 simple AI primitives 和 no bloated frameworks，适合不想被某个本地 Agent 框架深度绑定的团队。它提供 SDK 与 REST API，团队可以在现有后端、前端、IDE 或 MCP 客户端里渐进接入。
第三个优势是企业治理。Custom 方案公开列出 SAML/SSO、RBAC、Advanced rate limiting、SOC 2、HIPAA、GDPR 等能力方向。具体合规证书、审计报告可获得性、数据留存和区域部署仍需以官方销售材料与合同为准。
如何使用
| 使用入口 | 官方路径 | 典型步骤 | 适合用户 |
|---|---|---|---|
| Web Studio | https://studio.langbase.com |
注册/登录账号，创建 Pipe、Memory 或 Agent，配置模型与工具 | 产品原型、非纯代码配置 |
| Docs/API | https://langbase.com/docs |
阅读 API Reference，创建 API key，调用 /v1/pipes/run、Memory、Threads、Tools 等接口 |
后端与全栈开发者 |
| SDK | 官方 Docs 的 Langbase SDK 区域 | 安装 SDK，按 examples 接入 Agent、Memory、Tools、Threads | TypeScript/JavaScript 工程项目 |
| MCP | https://mcp.langbase.com 与官方 MCP 文档 |
在 IDE、Claude 或 MCP-compatible client 中接入 Remote MCP Server | 使用 MCP 工作流的开发者 |
| Command.new | https://command.new |
通过自然语言和配置构建、调试、部署 Agent Apps | 快速构建 Agent 应用的团队 |
最小落地路径通常是：先在官网注册账号，创建 API key；再创建一个 Pipe Agent；如果需要 RAG，则创建 Memory 并上传文档；最后通过 API 或 SDK 调用 run 接口，在应用中接入返回结果、日志和错误处理。
产品定价
Langbase 采用云服务订阅和用量额度组合的定价模式。公开 Pricing 页面显示 Free、Individual、Growth 和 Custom 四类方案，额度围绕 Langbase Credits、Public/Private Pipes、Agent Runs、Memory 容量、Memory Files、日志保留、组织席位和企业治理能力展开。
对于个人开发者，Free 方案足够验证 Pipe、Memory、Threads、Parser 和 Tools 的基本工作流；Individual 方案更适合需要私有 Pipe 和更高 Credits 的独立开发者；Growth 面向有组织协作和更多私有项目的小团队；Custom 面向需要 unlimited RAG memory、专属工程支持、SSO/RBAC、合规和高级速率限制的企业。
官方未公开模型供应商底层 token 价格如何映射为 Langbase Credits 的完整明细，也未公开企业方案最低合同金额；这些字段应写作“以官方实时页面为准”。
应用场景
- 文档问答与内部知识 Agent：使用 Memory 上传产品文档、API 文档或运营手册，通过 Pipe Agent 结合 RAG 返回可追溯答案。
- 开发者工具与 IDE Agent：通过 Remote MCP Server 在 IDE 或 MCP 客户端中操作 Pipes 与 Memory Agents，把 Agent 能力嵌入开发工作流。
- 客户支持与自动化助手：用 Threads 保持对话状态，用 Tools 接入搜索、爬取或业务 API，再用 Workflow 编排多步骤处理。
- Agent App 原型到生产：使用 Command.new / Agent Apps 从 prompt 和配置生成可分享、可调试、可部署的 Agent 应用。
- 多模型路由和评估试验：基于官方支持的多个 provider，在同一平台里测试不同模型、RAG 配置和工具调用效果。
适用人群
Langbase 适合希望快速构建 AI Agent 后端的开发者、初创团队和企业创新团队。它尤其适合已经有应用场景，但不想从零维护向量检索、工具调用、线程状态、模型 provider 接入和 MCP 互操作的团队。
对纯内容创作者或只需要聊天界面的用户，Langbase 可能偏工程化；对需要完全自托管、强定制模型训练或本地部署的团队，也需要进一步确认 Langbase 是否支持相应部署、数据隔离和合规要求。若目标是训练/微调基础模型，应优先评估专门的训练平台，而不是把 Langbase 当作模型训练工具。
总结与展望
Langbase 的核心竞争力在于把 AI Agent 工程的后端组件产品化：Pipe Agents、Memory/RAG、Threads、Workflow、Tools、MCP 和多模型接入形成一套面向开发者的 Serverless AI 平台。它的定位清晰，适合从 Agent 原型、RAG 问答到企业级 Agent 应用部署的连续路径。
当前需要保守看待的部分包括：公开用户规模和收入未披露；企业合规与 SLA 需要合同确认；Credits 与底层模型调用成本的换算应以官方实时页面为准。后续值得观察 Remote MCP Server、Command.new Agent Apps、Workflow 和企业治理能力是否继续成熟，以及 Langbase 是否会公开更完整的运行可观测、评估和成本控制指标。
版本信息
- Langbase Remote MCP Server ：官方 Changelog 发布 Langbase Remote MCP Server，可从 IDE、Claude 与 MCP 兼容客户端操作 Pipes 与 Memory Agents，包括创建/更新/运行 pipe agents、创建 memory、上传文档与检索 chunks 等。
- Agent Apps on Command.new ：官方 Changelog 发布 Agent Apps，支持将 AI agent 构建为可部署、可调试、可分享的应用，并提供 Console 记录 API 调用和响应。
- Runtime Agents / Threads / Workflow AI Primitives ：官方 Changelog 在 2025-05 公开 Runtime Agents、Threads、Workflow、Parser、Chunker、Embed、Tools 等 AI primitives 陆续进入 SDK 与 API。
- Prompt Instructions Personalization Engine (PIPE) ：官方 Changelog 发布 Pipe，描述其为可通过 API 使用的自定义 AI agent，可结合 LLM、tools 与知识数据集。
用户评价