Langflow
可视化低代码智能体搭建工具——图形化 MCP 客户端，不用写代码。
Langflow 是一个可视化拖拽式的智能体/RAG 流程搭建工具——有真实的图形化 MCP 客户端支持，本地的启动命令方式和远程的 HTTP/SSE URL 方式都支持。已在真实环境里验证过。
本地版（stdio）
在 Langflow 里：Settings → MCP Servers → Add MCP Server（或者流程编辑器侧边栏的 MCP 图标），用启动命令这个选项：
- Name：随便起，比如 Spomory
- Command：uvx --from 'spomory[llm,embedding,mcp]' spomory-mcp——按需下载并运行 Spomory，不用自己装
- 环境变量：LLM_API_KEY、LLM_BASE_URL、LLM_MODEL
更想要固定、锁定版本的安装？可以装到 ~/Documents 之外的虚拟环境里（pip install 'spomory[llm,embedding,mcp]'），Command 直接填那个虚拟环境的 bin/memory-core-mcp。
这几个环境变量该填什么？
LLM_API_KEY 是你用来做抽取的那个 OpenAI 兼容服务商的 key——OpenAI、DeepSeek、通义千问等都可以。LLM_BASE_URL 和 LLM_MODEL 不填就默认走 OpenAI；换成 DeepSeek、通义千问或其他任意 OpenAI 兼容服务商，或者一个完全本地的 server（Ollama、vLLM、llama.cpp、MLX）都行：
export LLM_API_KEY=...
export LLM_BASE_URL=https://api.deepseek.com # 可选，默认 OpenAI
export LLM_MODEL=deepseek-v4-flash # 可选，默认 gpt-4o-mini
export EMBEDDING_MODEL=BAAI/bge-m3 # 可选，默认 bge-m3云端版（API Key）
同一个 Add MCP Server 弹窗，改用 HTTP/SSE URL 选项：
- Name：随便起，比如 Spomory Cloud
- Server URL：https://api.yliuai.com/mcp-apikey/
- Headers：x-api-key → <你的key>
已在真实 Langflow 环境里验证过，落到的是跟这页其他客户端同一个账号/同一份记忆图谱。
<你的key> 从哪来？
用 curl 立即拿一个——自己测试够用：
curl -X POST https://api.yliuai.com/users/register \
-H "Content-Type: application/json" \
-d '{"email": "you@example.com"}'
# 响应里的 api_key（mck_ 开头）只在这一次返回，记下来这种方式拿到的 Key 不需要证明邮箱归属——自己测试没问题，但正式使用建议走邮箱确认表单，那个真的会验证邮箱。
去「云端 / 跨 App」页面走邮箱验证拿 Key →让它真的被用起来
接上工具不代表客户端会主动去用它们——得告诉它在回答之前先调 search_memory，在你说了件值得记住的事之后调 add_memory。SKILL.md 就是干这个的一份简短指令文件。怎么让客户端读到它，每个客户端都不一样：有些会自动扫描 skills 目录（跟 Claude Code 一个路数），有些只有自定义指令/系统提示词这类字段。这个客户端已验证过：
Langflow 没有基于文件的 skills 机制——把 SKILL.md 的内容贴进流程编辑器里 Agent 组件的「Agent Instructions」字段就行。
GitHub 上的 SKILL.md →