LangDB 是面向 AI智能体 与 LLM 应用团队的 AI Gateway，提供 OpenAI-Compatible API、250+ 模型统一访问、实时 tracing、成本控制、guardrails、SSO/SAML 与企业私有部署选项。

LangDB - 深度工具分析

LangDB 的核心参数与统计

参数	当前公开信息
产品定位	企业级 AI Gateway 与 AI Agent 可观测平台
核心入口	Web 控制台、OpenAI-Compatible API、文档示例中的 https://api.langdb.ai
主要能力	250+ LLM 模型统一访问、实时 tracing/debugging、LLM analytics、成本控制、guardrails、SSO/SAML、私有部署
技术路线	官网明确强调 AI Gateway fully built in Rust，面向性能和规模化治理
集成方式	OpenAI SDK base_url 替换、Project ID header、LangChain、Google ADK、OpenAI 等框架可观测接入
开源形态	官网显示 observability stack 已开源为 vLLora；官方公开代码组织提供 AI Gateway、samples、Python SDK 等项目
公司公开信息	LinkedIn 公司页显示总部 Singapore、公司规模 11-50 人、成立时间 2022
资本背书	官网 About 与首页展示 Sequoia Capital、Gradient Ventures、January Capital

定位判断：LangDB 更适合归入 ai-agents，而不是 ai-model-training。它并不以训练基础模型或微调平台为主入口，而是为 Agent、LLM 应用和多模型调用链提供网关、观测、治理与成本控制。对本项目用户来说，它解决的是“多个模型和 Agent 工作流上线后如何路由、追踪、调试、控费和治理”的问题。

边界说明：LangDB 可以连接和治理多模型流量，但不等同于模型厂商，也不替代业务侧 Agent 编排框架。若团队只需要单个聊天机器人或简单调用一个模型 API，LangDB 的治理价值会低于其接入和运维成本。

LangDB 的用户与市场认可

企业级信号：官网把产品标题定位为 “The Fastest Enterprise AI Gateway”，价格页将套餐分成 Free、Professional、Business、Enterprise 四级，并在 Business 与 Enterprise 档中提供 SSO/SAML、private Slack channels、white glove onboarding、Private VPC deployment、Enterprise Support 与 Uptime SLA，说明其目标客户并非只停留在个人开发者，而是覆盖成长型团队与大型企业。

生态认可：官方公开代码组织显示 LangDB AI Gateway 提供 OpenAI API 格式的统一 LLM 接口，并强调可与 LangChain、Vercel AI SDK、CrewAI 等框架集成。AI SDK 社区 provider 页也把 LangDB 描述为高性能 enterprise AI gateway，支持用少量改动接入多个 LLM、tracing、cost optimization 与 dynamic routing。

公司可信度：LinkedIn 公司页显示 LangDB 总部位于 Singapore，行业为 Technology, Information and Internet，规模为 11-50 人；官网展示的投资方包括 Sequoia Capital、Gradient Ventures 和 January Capital。这些信息不能直接证明产品成熟度，但能说明 LangDB 并非匿名工具站，而是有公开公司身份和资本背书的企业级产品。

LangDB 的成本优势

层级	公开价格与额度	成本含义
C端/个人	Free：$0/month，1 Project，2k logs/month，7-day data retention，tracing/debugging，Google Workspace	适合验证接入方式、观测链路和模型路由，不适合长期保存大规模 trace
开发者/API	Professional：$49/month，年付 -20%，2 Projects，20k logs/month，BYO LLM keys，project level cost control，basic guardrails，30-day data retention，10 Virtual Models，CSV export	把成本控制和日志保留扩展到个人开发者或小团队，重点价值在“带自己的模型 key + 项目级控费”
企业/私有化	Business：$199/month，年付 -20%，200k logs/month，SSO/SAML，dynamic cost control，90-day retention；Enterprise：Custom，Private VPC deployment，Private ClickHouse cloud，OpenTelemetry Endpoint，Unlimited retention	企业档把成本从单次模型调用扩展到身份、审计、数据保留、私有网络和 SLA，实际合同以官方实时页面为准

成本结构：LangDB 的显性费用来自平台套餐和模型 credit；隐性成本来自接入 SDK、配置 provider key、建立项目与 guardrail、将 tracing 数据接入团队现有监控流程。它的成本优势不在“替代所有模型账单”，而在把不同模型、项目、团队和 trace 统一到一个治理平面，减少多供应商账单和调试链路分散造成的管理损耗。

适用前提：当团队已经在多个 provider 间切换模型、需要追踪 Agent 调用链、或希望为项目设置预算和路由策略时，LangDB 的 Professional/Business 档更容易体现价值。若只做低频原型调用，Free 档足够验证，付费档收益有限。

LangDB 的主要功能

• 统一模型访问：官网显示 LangDB 可访问并治理 250+ LLM models，通过统一 API 让团队在同一入口下管理不同 provider 的请求、成本和性能。
• Agent tracing 与 debugging：产品页强调 real-time monitoring、tracing、analysis 与 optimization，可用于观察 Agent 工作流中的多步调用、异常节点和延迟来源。
• LLM analytics：官网的 Advanced LLM Analytics 模块用于查看 LLM performance、usage 与 effectiveness，适合把模型选择从直觉切换为延迟、成本和质量的可观察数据。
• 成本与预算控制：价格页显示 Professional 提供 Project level Cost Control，Business 提供 Dynamic Cost Control，适合按项目、workspace 或团队配置预算和告警。
• Guardrails 与治理：Professional 包含 Basic Guardrails，Business 扩展到 LLM + Partner Guardrails，Enterprise 还提供企业支持和私有部署选项，适合对敏感场景增加安全和合规边界。
• 企业身份与数据保留：Business 提供 Role based access、SSO + SAML 与 90-day data retention，Enterprise 提供 Private VPC、Private ClickHouse cloud、Unlimited data retention 与 OpenTelemetry Endpoint，面向需要审计和自有监控集成的组织。

验收关注点：功能验收不宜只看“能否调通模型”，还应验证 trace 是否覆盖关键 Agent 步骤、项目级预算是否能限制异常调用、模型路由是否保留可解释记录，以及日志保留周期是否满足团队审计要求。

LangDB 的模型与版本演进

节点	公开形态	主要变化
open-source-ai-gateway	官方公开代码组织展示的开源 Enterprise AI Gateway	以 Rust 构建，提供 OpenAI API 格式统一接口、routing、load balancing、failover、analytics、cost tracking 与 self-hosted 选项
vllora-open-source-observability	官网首页展示的开源 observability stack	将 tracing、analysis、optimization 能力开放为可本地运行的观测栈，面向 LangChain、Google ADK、OpenAI 等框架
managed-ai-gateway-2026-q2	官网与价格页展示的托管平台	形成 Free/Professional/Business/Enterprise 套餐，覆盖 250+ models、logs quota、retention、guardrails、SSO/SAML、Private VPC 与 OpenTelemetry Endpoint

版本脉络：LangDB 的演进不是传统桌面软件式的版本号升级，而是从开源 AI Gateway、开源 observability stack，到托管企业平台的能力叠加。对采购和落地而言，关键不是记住某个版本号，而是区分“自托管网关能力”“托管控制台能力”和“企业治理能力”分别覆盖到什么程度。

当前限制：官网没有公开完整 changelog、精确发布日期和所有云端功能的逐项上线时间。文档中的版本字段因此采用公开里程碑方式记录，并保留“暂无官方精确发布日期”的说明。

LangDB 的技术优势

Rust 网关机制：官网强调 LangDB 是 fully built in Rust 的 AI gateway。机制上，Rust 更适合构建高并发、低开销的网络服务；效果上，模型请求经过统一网关时更容易保持稳定延迟和可靠转发；适用场景是企业多模型调用、Agent 批量请求和需要统一故障转移的生产环境。

OpenAI-Compatible API：文档示例使用 OpenAI SDK，并通过替换 base_url 为 https://api.langdb.ai、增加 x-project-id header 来调用 LangDB。机制上，这降低了从直接调用模型厂商到通过网关治理的迁移成本；效果上，团队可以在不大改业务代码的情况下接入 tracing、成本和路由能力；适用场景是已有 OpenAI SDK 调用链的应用。

统一观测与控费：LangDB 把 provider、模型、项目、日志和成本放进同一控制面。机制上，请求先进入网关再到模型 provider，日志和成本数据在网关层归集；效果上，团队能按项目查看消耗和延迟；适用场景是多团队共享模型额度、需要排查 Agent 异常调用或防止单个项目超支。

LangDB 的如何使用

入口路径：轻量试用从官网进入 Free 计划即可；开发者接入可按文档示例使用 OpenAI SDK，把 API base URL 指向 LangDB，并传入 LangDB token 与 Project ID；企业接入则通常需要先确认 provider key、SSO/SAML、数据保留、私有部署和 OpenTelemetry 对接边界。

典型步骤：第一步创建项目并配置模型 provider 或统一 credits；第二步把现有 OpenAI SDK 调用指向 LangDB API；第三步在控制台查看 Chat、Debug、Documentation 和 Top Models 等入口；第四步按项目设置成本控制、guardrails 和数据保留；第五步把真实 Agent 工作流接入 tracing，观察每个调用节点的延迟、成本和错误。

落地节奏：试点阶段建议先选一个已有 Agent 或 RAG 应用，记录直接调用 provider 与通过 LangDB 的延迟、成本、trace 完整度差异；通过后再把多模型路由和预算控制扩展到更多项目。

LangDB 的产品定价

套餐结构：价格页显示 Free、Professional、Business、Enterprise 四级。Free 免费且包含 250+ models、1 Project、2k logs/month 和 7-day retention；Professional 为 $49/month，年付 -20%，包含 2 Projects、20k logs/month、BYO LLM keys、project level cost control 和 basic guardrails；Business 为 $199/month，年付 -20%，包含 Unlimited Projects、200k logs/month、SSO/SAML、dynamic cost control 和 90-day retention；Enterprise 为 Custom，包含 Private VPC deployment、Private ClickHouse cloud、Unlimited retention、custom models and fine-tuning、OpenTelemetry Endpoint、Enterprise Support 和 Uptime SLA。

模型 credits：价格页还提供 Unified Model Credits 的说明，即用一个余额覆盖支持的 provider，并在团队和项目维度追踪 usage、cost 与 latency。实际模型调用成本会受到所选 provider、模型、输入输出 token、缓存和路由策略影响，最终以官方实时页面和账户账单为准。

采购边界：Professional 更像个人开发者和小团队的治理入口；Business 开始覆盖组织身份、权限、保留周期和动态控费；Enterprise 的价值主要在私有网络、私有 ClickHouse、无限数据保留、SLA 和企业支持。

LangDB 的应用场景

• 多模型网关治理：团队同时使用 OpenAI、Anthropic、Google、开源托管模型或 niche provider 时，可通过 LangDB 统一入口管理模型选择、成本、延迟和 provider key。
• AI Agent 调试：多步 Agent 工作流出现工具调用失败、循环调用或成本异常时，LangDB 的 tracing/debugging 可以帮助定位是哪一步、哪个模型或哪个 provider 造成问题。
• LLM 成本控制：按项目、workspace 或团队建立预算、告警和动态路由，适合研发团队把“模型调用成本”从月末账单提前到运行期治理。
• 企业可观测集成：Enterprise 的 OpenTelemetry Endpoint、Private ClickHouse cloud 与 Private VPC 适合把 AI 请求日志接入现有监控、审计和数据平台。

不适配场景：单人低频 demo、完全离线模型训练、只需要一个固定模型且没有追踪/控费诉求的应用，不一定需要引入 LangDB 这样的网关层。

LangDB 的适用人群

• AI 应用开发者：已有 OpenAI SDK 调用链，希望用较小改动获得模型路由、trace 和成本视图。
• Agent 平台团队：需要观察 LangChain、Google ADK、OpenAI 等框架下的多步 Agent 执行过程，并对错误、延迟和成本做统一分析。
• 工程管理与平台工程团队：需要把不同项目、团队和 provider 的 AI 使用统一治理，并通过 SSO/SAML、RBAC、保留周期和预算策略降低运维风险。
• 企业安全与合规团队：关注私有部署、数据保留、OpenTelemetry、审计和 SLA 的组织，更适合评估 Business 或 Enterprise 档。

前置条件：团队至少需要有稳定的 LLM 应用或 Agent 工作流、可管理的 provider key，以及愿意把模型调用统一接入网关的工程条件。若当前应用仍处于 prompt 草稿阶段，先用 Free 档或直接 provider 调用完成原型会更轻。

LangDB 的总结与展望

核心价值：LangDB 的优势在于把 LLM 调用从“分散 API 请求”提升为“可观测、可控费、可治理的 AI 流量层”。250+ 模型统一访问、Rust 网关、OpenAI-Compatible API、Agent tracing、guardrails 与企业私有部署选项，构成了它面向生产级 AI 应用的主要竞争力。

当前限制与不确定项：官网未公开完整公司注册主体、创始人、所有产品节点精确发布日期、各模型 credits 的逐项价格、以及 Enterprise 合同条款细节；部分功能如 custom models and fine-tuning、Private VPC、OpenTelemetry Endpoint 需要与商务或企业支持确认可用范围。公开资料中的模型数量也存在 250+、150+、350+ 等不同页面口径，本文以官网首页和文档当前显示的 250+ 为主。

落地建议：试点时宜选择一个已有真实流量的 Agent 或多模型应用，以 2-4 周为周期对比直连 provider 与接入 LangDB 后的 trace 完整率、平均延迟、失败定位时间、项目成本和预算告警效果；扩展到 Business 或 Enterprise 前，应核验 SSO/SAML、数据保留、私有部署、OpenTelemetry、SLA 与模型 credit 计费条款。

版本信息

• Managed AI Gateway and Agent Observability ：LangDB 官网与价格页当前展示的托管 AI Gateway 形态，包含 250+ 模型统一访问、AI Agent tracing/debugging、项目级成本控制、guardrails、SSO/SAML、私有 VPC 与 OpenTelemetry Endpoint；暂无官方精确发布日期。 （~2026-06）
• vLLora Open-source Observability Stack ：官网首页显示 LangDB 已开源 observability stack as vLLora，用于本地运行 tracing、analysis 与 optimization 能力，并面向 LangChain、Google ADK、OpenAI 等框架；暂无官方精确发布日期。 （~2026-06）
• Open-source Enterprise AI Gateway ：官方组织页介绍 LangDB AI Gateway 是以 Rust 构建的开源企业 AI Gateway，提供 OpenAI API 格式的统一 LLM 接口、analytics、cost tracking、rate limiting、routing、failover 与 self-hosted 选项；暂无官方精确发布日期。 （~2026-01）