langbot-app/LangBot · 上手攻略
- 仓库：langbot-app/LangBot
- 链接：https://github.com/langbot-app/LangBot
- 分类：ai
- 作者：Jay
- 更新：2026-07-09
是什么
LangBot 是一个生产级的开源 IM 机器人平台，专门用于将大语言模型（LLM）和 Agent 平台连接到主流即时通讯（IM）渠道。用一个统一的代码库，同时把 AI 对话机器人部署到 Discord、Telegram、Slack、QQ、微信、企业微信、飞书、钉钉、LINE、KOOK 等十余个平台，并通过 Web 管理面板进行配置、监控和扩展。
核心特点： - 多平台统一接入：一条流水线适配所有 IM，一次配置全平台生效 - 生产级架构：内置访问控制、限流、敏感词过滤、完整监控和异常处理 - Agent 友好：内置 MCP（Model Context Protocol）支持，Claude Code 等 AI 编程 Agent 可以直接通过 MCP 操作和扩展 LangBot - RAG 知识库：内置知识库功能，可对接 Dify、Coze、n8n、Langflow 等平台 - 插件生态：支持数百个插件，事件驱动架构，支持 MCP 协议扩展
Stars: 16,783，支持 Python 3.10~3.13，MIT 许可证。
解决什么问题
企业或开发者需要同时在多个 IM 平台部署 AI 机器人时，通常面临以下问题：
- 重复开发：每个平台写一套 Bot 代码，维护多套代码库
- 接入门槛高：各平台 API、认证方式、消息格式差异大
- 生产级能力缺失：限流、敏感词过滤、监控等企业级功能要从零实现
- Agent 无法操控 Bot：Claude Code 等 AI Agent 无法自动化管理自己的 Bot
LangBot 解决了上述全部问题：统一的 Web UI 管理多平台 Bot，支持 MCP 协议让 AI Agent 直接操控，实现了"AI 帮助构建 AI"的开发者体验。
快速安装
方式一：uvx 一键启动（最简，5 分钟）
# 需要先安装 uv：https://docs.astral.sh/uv/getting-started/installation/
uvx langbot
# 访问 http://localhost:5300 完成初始化（设置邮箱和密码）
方式二：Docker Compose（推荐生产环境）
# 1. Clone 仓库
git clone https://github.com/langbot-app/LangBot.git
cd LangBot/docker
# 2. 启动全部服务（含沙箱/stdio MCP/Skill 插件功能）
docker compose --profile all up -d
# 3. 访问 http://localhost:5300 完成初始化
⚠️
docker compose --profile all会启动langbot+langbot_plugin_runtime+langbot_box三个容器。若仅需基础功能，可运行docker compose up -d（不带 profile）。
方式三：云端一键部署（无需服务器）
# Zeabur 一键部署
# 点击：https://zeabur.com/en-US/templates/ZKTBDH
# Railway 一键部署
# 点击：https://railway.app/template/yRrAyL?referralCode=vogKPF
初始化后配置 Bot（以 Telegram 为例）
# 1. 在 https://t.me/BotFather 创建 Bot，获取 HTTP API Token
# 2. 在 LangBot Web UI（http://localhost:5300）中：
# Platforms → Telegram → 填入 Bot Token → Save
# 3. 在 Pipelines 中创建流水线，指定使用 Telegram 平台
# 配置对话模型（OpenAI / Claude / DeepSeek 等）
# 4. 给 Bot 发送消息，即可开始对话
核心用法
支持的平台与接入状态
| 平台 | 状态 | 说明 |
|---|---|---|
| Discord | ✅ 官方支持 | 完整功能 |
| Telegram | ✅ 官方支持 | 完整功能 |
| Slack | ✅ 官方支持 | 完整功能 |
| LINE | ✅ 官方支持 | 完整功能 |
| ✅ 个人 & 官方 API | Channel / DM / Group | |
| 微信 | ✅ 个人 & 公众号 | 个人号需 WeChat协议，公众号用Official API |
| 企业微信 | ✅ 外部客服 & AI Bot | |
| 飞书 | ✅ 官方支持 | |
| 钉钉 | ✅ 官方支持 | |
| KOOK | ✅ 官方支持 | |
| Satori | ✅ | 通用协议 |
| Email / Matrix | ✅ | 支持 Signal/WhatsApp/Messenger/iMessage 等桥接平台 |
支持的 LLM 与网关
| 提供商 | 类型 | 状态 |
|---|---|---|
| OpenAI | LLM | ✅ |
| Anthropic (Claude) | LLM | ✅ |
| DeepSeek | LLM | ✅ |
| Google Gemini | LLM | ✅ |
| xAI (Grok) | LLM | ✅ |
| Moonshot (Kimi) | LLM | ✅ |
| Zhipu AI (智谱) | LLM | ✅ |
| Ollama | 本地 LLM | ✅ |
| LM Studio | 本地 LLM | ✅ |
| Dify | LLMOps | ✅ |
| MCP | 协议 | ✅ |
| SiliconFlow | 网关 | ✅ |
| 阿里云百炼 | 网关 | ✅ |
| Volc Engine Ark | 网关 | ✅ |
| ModelScope | 网关 | ✅ |
| 302.AI | 网关 | ✅ |
Web UI 配置流水线（Pipeline）
# Pipeline 是 LangBot 的核心概念
# 一个 Pipeline = 一个对话场景（如：客服机器人 / 内容审核助手）
# 可以创建多个 Pipeline，每个 Pipeline 绑定不同平台和不同模型
# 典型 Pipeline 配置流程：
# 1. Web UI → Pipelines → New Pipeline
# 2. 绑定平台（可多选）：Telegram + Discord + Slack
# 3. 选择模型：Claude 3.5 Sonnet
# 4. 启用 Skill（可选）：开启 RAG、代码执行、网页搜索等
# 5. 开启 MCP Server（如需外部 Agent 控制）
# 6. Save & Activate
MCP Server 使用（让 AI Agent 控制 Bot）
LangBot 内置 MCP Server，可被 Claude Code 等 AI Agent 直接调用来管理 Bot：
# 1. 在 Web UI → API & MCP 中开启 MCP Server
# 默认路径：/mcp，认证使用全局 API Key
# 2. 在 config.yaml 中设置全局 API Key：
# api_key: "your-global-api-key"
# 3. AI Agent 通过 MCP 调用示例（伪代码）：
# MCP Client → POST /mcp
# Body: {
# "method": "bots.create",
# "params": { "platform": "telegram", "token": "xxx" }
# }
# 4. 可用 MCP 工具：管理 bots、pipelines、plugins、models
Docker 环境下的 Box 沙箱配置
# langbot_box 容器需要访问宿主机的 Docker socket
# 确保 Box 根路径在宿主机和容器内一致
# 设置自定义 Box 根目录：
LANGBOT_BOX_ROOT=/var/lib/langbot/box docker compose --profile all up -d
# 验证沙箱可用：
# 在 LangBot Web UI → Sandbox 中查看状态
# 应显示：✅ Docker backend ready
典型适用场景
- 企业智能客服：一条流水线，同时接入微信/钉钉/飞书/企业微信，用 RAG 知识库回答产品问题
- 多平台社群运营：Discord + Telegram + QQ 同时部署 AI 助手，统一管理内容审核和 Q&A
- AI 编程助手：Claude Code 通过 MCP 控制 LangBot，在 IM 里直接答疑或生成代码
- 内部工具集成：将 n8n/Dify/Coze 的工作流通过 LangBot 接入企业 IM，实现对话式操作
- 跨平台内容发布：一个消息，自动同步到 Discord/Slack/Telegram 等多个群组
- Agent 平台串联：Dify Agent + LangBot 多平台 = 一个 Agent 全平台对话
坑与注意
-
⚠️ 微信/QQ 个人号有封号风险：使用个人微信号/QQ 号接入 Bot 时，平台官方可能会以"使用外挂协议"为由封号。企业应用建议使用微信公众号/企业微信/钉钉等官方支持的方式。
-
Python 版本要求：LangBot 支持 Python 3.10~3.13，但不支持 Python 3.9 及以下，不支持 Python 3.14 及以上（数据截至 2026 年，请确认你的 Python 版本）。
-
Docker Socket 权限：
langbot_box需要访问/var/run/docker.sock，确保当前用户有 Docker 权限：bash sudo usermod -aG docker $USER newgrp docker docker info # 验证权限 -
API Key 安全：生产环境务必通过环境变量或 Web UI 设置 API Key，不要将密钥硬编码在配置文件中。
-
平台 API 变更：各 IM 平台会不定期更新 API，导致某些节点功能失效。发现后可在 GitHub Issues 反馈，也可能是等待官方更新的问题。
-
模型成本：使用 OpenAI/Anthropic 等商业模型时，对话会产生 Token 费用，建议开启用量监控和限流。
-
Satori 协议限制：通过 Satori 接入的平台（如部分自建 IM）需要平台方支持 Satori 协议，不是所有 IM 都支持。
与同类对比
| 产品 | 多平台支持 | Agent 友好度 | 部署难度 | 许可证 |
|---|---|---|---|---|
| LangBot | 10+ 平台 | ⭐⭐⭐ MCP 原生支持 | 简单（uvx/Docker） | MIT 开源 |
| Botpress | Webchat 为主 | 一般 | 中等 | 闭源+开源 |
| Coze/Cozflow | Discord/Telegram/Slack 等 | 一般 | 简单（云端） | 闭源 |
| Chatbot.com | 多平台 | 一般 | 简单（云端） | 闭源 |
| 自建（python-telegram-bot + discord.py） | 单平台 | 无 | 高 | 自定义 |
LangBot 的核心优势：开源 + 多平台 + Agent 友好三合一，这在开源 IM Bot 领域是罕见组合。自建方案多平台支持难度极高，闭源 SaaS 缺少 Agent 集成能力，LangBot 恰好填补了这个空白。
一句话推荐结论
想在多个 IM 平台同时跑 AI 机器人、用 Agent 自动操控 Bot、或者把 Dify/n8n 工作流接入微信/钉钉/Discord？LangBot 是目前最省心的开源方案——一条命令跑起来，一个界面管所有平台，MCP 加持让 AI 帮你管 Bot。