Le conteneur de démarrage rapide prouve que Langflow fonctionne ; il ne constitue pas une architecture de production. La mise en service doit couvrir persistance, identité, secrets, code personnalisé et dépendances externes.
Épingler l’artefact
N’utilisez pas le tag latest pour un environnement stable. Choisissez une version testée et construisez une image qui contient vos flux, composants et dépendances. Conservez le Dockerfile et les exports dans Git.
Utiliser une base persistante
La configuration Docker Compose documentée associe Langflow à PostgreSQL. Placez la base sur un volume durable ou un service managé, chiffrez les connexions selon le réseau et automatisez les sauvegardes. Testez une restauration, pas seulement la présence d’un fichier de sauvegarde.
Les fichiers importés et éventuels artefacts nécessitent également une politique de stockage et de suppression.
Fermer l’accès
Désactivez toute connexion automatique, créez un mot de passe administrateur robuste et placez Langflow derrière HTTPS. Limitez l’accès à l’interface d’édition aux personnes autorisées ; l’API d’exécution peut être exposée séparément à travers un backend ou une passerelle.
Les clés Langflow et fournisseurs restent côté serveur. Séparez développement et production, utilisez des identités différentes et faites tourner les secrets.
Contrôler le Python personnalisé
Par défaut, les composants personnalisés peuvent autoriser l’exécution de Python. Sur une plateforme partagée, définissez LANGFLOW_ALLOW_CUSTOM_COMPONENTS=false ou réservez leur création aux superutilisateurs. Utilisez une liste de composants approuvés et un conteneur sans privilèges.
Les outils appelés par un agent doivent vérifier leurs propres autorisations. Le fait que l’utilisateur puisse lancer un flux ne signifie pas qu’il peut effectuer toutes les actions du flux.
Dimensionner et observer
La charge dépend surtout des services appelés, des fichiers et du nombre d’exécutions concurrentes. Fixez délais et limites aux appels de modèles, bases vectorielles et outils. Mesurez taux d’erreur, latence par composant, files d’attente, CPU, mémoire et coût des fournisseurs.
Filtrez les prompts et réponses dans les logs. La journalisation de débogage ne doit pas devenir une copie durable de données confidentielles.
Procédure de livraison
- exporter et versionner le flux ;
- exécuter les tests sur une instance de recette ;
- construire une image immuable ;
- appliquer les migrations et sauvegarder ;
- déployer progressivement ;
- vérifier une requête nominale et un cas d’erreur ;
- conserver une procédure de retour à la version précédente.
Checklist finale
- Image et dépendances épinglées.
- PostgreSQL sauvegardé et restaurable.
- HTTPS, authentification et clés séparées.
- Composants Python restreints.
- Conteneur non privilégié et réseau limité.
- Limites de débit, taille, durée et concurrence.
- Métriques et alertes sans fuite de contenu.
- Mise à jour testée sur une copie de production.
À retenir
Déployer Langflow revient à exploiter une application capable d’exécuter des graphes et parfois du Python. La priorité est de réduire cette capacité au strict nécessaire, puis de rendre chaque version reproductible et observable.