LangGraph 收費嗎:MIT 免費開源庫、自建部署與官方託管平台的計費邊界

搜「langgraph 收費 嗎」之所以看到相反答案,是因為大家把「開源庫」和「商業託管平台」混在了一起。LangGraph 核心 Python/TS 框架採用 MIT 協議完全免費可商用;只有使用官方 LangSmith 追蹤超額存儲或託管部署平台時才按套餐與用量收費。

NNathaniel bigo··原創首發·AI 輔助撰寫
10 分鐘讀完
資料核對於 2026-11-18 · 依據官方文檔與公開資料整理 免費帳號 帳號

結論先說

  1. LangGraph 框架本身完全免費,且允許商業閉源使用:核心 Python 包(langgraph)和 TypeScript 包(@langchain/langgraph)均採用寬鬆的 MIT 開源協議,不收任何授權費,也沒有調用次數上限。
  2. 自己包進 FastAPI / Docker 連自建 PostgreSQL 上線生產,不需要給 LangChain 交一分錢,也不需要註冊 LangSmith 帳號。
  3. 真正收費的是官方配套的商業雲服務,主要是兩塊:超出免費額度的 LangSmith 鏈路追蹤,以及省去後端運維的 LangSmith Deployment(原 LangGraph Platform)託管智能體伺服器。
  4. 別漏算大模型本身的 API 帳單:即使框架完全免費,圖節點裏每調一次雲端大模型仍要向對應模型廠商付費;只有接本機離線模型才能做到全鏈路零外部帳單。

開源庫自建與商業託管平台對比

圖:本站根據 LangChain 官方定價頁與開源倉庫許可說明 整理的示意圖

本文根據 LangChain 官方定價說明頁與 langchain-ai/langgraph 開源倉庫 LICENSE 整理,核對日期 2026-11-18。配圖為本站整理的示意圖,不是介面截圖。本站(bigolab.com)不是 LangChain 官方網站。

適用於誰

  • 搜「langgraph 收費 嗎」「langgraph 商用要給錢嗎」的技術負責人與獨立開發者;
  • 看到官網定價頁寫着按節點執行次數和運行時長計費,嚇得不敢在公司項目裏 pip install langgraph 的同學;
  • 想搞清「自己用 FastAPI 打包上線」和「買官方託管平台」各自到底差在哪塊功能的人。

一、把容易混淆的三筆帳徹底拆開

很多團隊評估預算時一頭霧水,是因為把下面三筆完全獨立的開銷混成了一團:

第一筆:編排框架軟件本身(MIT 開源,免費)

你在代碼裏寫的 StateGraph、條件邊、人工斷點 interrupt,以及官方發佈的持久化檢查點包(如 langgraph-checkpoint-sqlite 和 langgraph-checkpoint-postgres),全部在 GitHub 上以 MIT 協議開源(入門用法見 /guides/langgraph-quickstart-install-first-graph)。

這意味着你可以把它裝進公司自己的雲伺服器、內網機房甚至打包進商業軟件交付給客戶,既沒有開源傳染風險,也不會在後台悄悄連回官方計費網關。

第二筆:官方託管平台與企業級運維套件(商業收費)

既然開源庫免費,官網定價頁賣的到底是什麼?賣的是「專門為長週期智能體定製的後端基礎設施」(現統歸在 LangSmith Deployment 體系下,早期文檔常稱作 LangGraph Platform 或 LangGraph Cloud)。

如果你不想自己寫後端接口處理流式長連接斷線重連、並發隊列防重複點擊、後台定時喚醒(Cron)以及多租戶線程管理,官方託管平台提供了現成的服務端運行時。其商業收費通常按三檔劃分(具體檔位費率與免費額度變動頻繁,請直接核對官方定價頁):

  • 個人開發者檔(Developer):免費起步,包含基礎追蹤配額並支持本機運行 langgraph dev 連接 Studio 調試(配置見 /guides/langgraph-debug-visualize-studio-guide);
  • 團隊託管檔(Plus):按成員席位加實際資源消耗(例如圖節點執行次數、託管容器活躍時長與追蹤條數)階梯計費;
  • 企業定製檔(Enterprise):面向需要混合雲數據面(VPC 內留存數據)或將官方商業版控制面完整私有化部署到自有 Kubernetes 集群的大型機構,需商務詢價獲取許可。

第三筆:大模型推理費用(付給模型廠商)

無論你是免費自建還是買官方託管,智能體每轉一圈消耗的輸入輸出 Token,都是直接結算給 OpenAI、Anthropic 等上游模型提供方。多代理循環如果沒設好輪數上限,這筆費用往往遠大於平台託管費,控費細節見 /guides/multi-agent-token-cost-why-high-how-to-control;若改接本機 Ollama 則連這筆推理費也能省下(見 /guides/langgraph-local-model-ollama-guide)。

不同團隊規模怎麼選部署與計費方案

圖:本站根據 LangChain 官方文檔 整理的示意圖

二、怎麼搭一套「零平台費」的生產級自建架構

只要團隊裏有一名熟悉常規 Python Web 開發的後端工程師,完全可以用全套免費開源組件搭出穩健的生產環境:

  1. 接口層:用開源的 FastAPI 包一層標準 HTTP 與 SSE 流式接口,對外暴露聊天與人工審批迴調路由;
  2. 狀態持久化層:安裝 MIT 開源的 langgraph-checkpoint-postgres,連接你們自己雲上的 PostgreSQL 實例,把每個會話 thread_id 的歷史狀態穩穩存進數據庫;
  3. 可觀測追蹤層:不要在環境變量裏開啟收費雲追蹤,直接部署或連接同樣支持 MIT 開源自託管的觀測面板(比如下一篇講的 Langfuse),實現零軟件授權費的全鏈路監控。

平時研發成員在個人電腦上藉助 ChatGPT 或 Claude 輔助編寫 FastAPI 封裝代碼與排查異步連接池問題時,如需核對個人官方訂閱渠道,也可參考 /chongzhi/chatgpt-plus 的整理說明。

常見問題

Q:那「自建 Docker 跑 LangGraph」到底免費還是收費?為什麼網上有人說自託管要買企業版?

這是最經典的命名誤會:你自己寫一個 Dockerfile 把 pip install langgraph 和 FastAPI 打成鏡像部署到自己的伺服器,100% 免費;只有當你使用 langgraph build 打包官方商業閉源的 LangGraph Server 底座鏡像並試圖在生產集群長期獨立商用運行時,才受官方商業平台許可約束。分清「自己寫 Web 殼調開源庫」和「部署官方商業 Server 鏡像」,就不會踩坑。

Q:我不小心配過 LANGCHAIN_TRACING_V2=true,關掉會影響圖正常運行嗎?

完全不影響。把 LANGCHAIN_TRACING_V2 刪掉或設為 false 後,LangGraph 只在你的進程和自有數據庫裏運行,不會向外部追蹤平台上報任何數據,也不會產生超額追蹤帳單。

相關教學

參考資料

  • LangChain & LangSmith 官方定價頁 — https://www.langchain.com/pricing
  • langchain-ai/langgraph 官方開源倉庫(MIT License) — https://github.com/langchain-ai/langgraph
  • LangChain 官方文檔 — https://docs.langchain.com/

Nathaniel 的更多內容

  1. 01

    LangGraph 流式輸出(Streaming)詳解:逐字 Token 流、節點進度與自定義事件寫法

    多步智能體如果等全部節點跑完才返回,網頁前端就會白屏乾等十幾秒。本文按 LangGraph 官方文檔講清 updates、messages、custom 與 values 四種 stream_mode 的區別,以及組合訂閱逐字打字機輸出加工具內部實時進度的完整代碼。

    其他 AI 工具0
  2. 02

    LangGraph 持久化與長期記憶怎麼配:Checkpointer、Store 與 PostgreSQL 實戰

    在生產環境跑 LangGraph,單靠 InMemorySaver 一重啟就會丟失全部對話。本文按官方文檔講清線程內短期檢查點(Checkpointer)與跨線程長期記憶(Store)的分工,以及用 langgraph-checkpoint-postgres 對接 PostgreSQL 的完整步驟。

    其他 AI 工具0
  3. 03

    LangGraph 多智能體怎麼寫:Supervisor 主管包與 Subgraph 隔離子圖實戰

    在 LangGraph 裏把單個圖擴展成多智能體協作有兩條官方路線:快速原型用預置包 langgraph-supervisor,大型生產系統用原生子圖(Subgraph)嵌套。本文講清兩種寫法的完整代碼、私有狀態隔離防 Token 膨脹技巧以及檢查點傳播規則。

    其他 AI 工具0
  4. 04

    LangGraph 人工介入審批怎麼寫:interrupt 暫停圖運行與 Command 恢復實戰

    企業之所以選 LangGraph,很大程度看中它能安全掛起等待人工審批(Human-in-the-Loop)。本文按官方最新規範講清 interrupt() 動態暫停、Checkpointer 必備條件、Command(resume=...) 恢復執行,以及防止副作用重複運行的重入規則。

    其他 AI 工具0
  5. 05

    多 Agent 協作平台怎麼選:Dify、釦子(Coze)、n8n 與 LangGraph 多智能體機制對比

    搜「多agent協作平台」時,Dify、釦子、n8n 和 LangGraph 都宣稱支持多智能體,但底層的調度方式完全不同。本文跳過基礎安裝,專門從多 Agent 角色跳轉、子代理工具調用、上下文隔離與私有化部署四個維度幫你一次選準。

    其他 AI 工具0
  6. 06

    企業微信有官方 MCP 和 CLI 嗎:@wecom/cli 安裝初始化、長連接機器人與接入教學

    搜「企業 微信 有 mcp 嗎」不用再東拼西湊民間群機器人腳本了:企業微信官方已推出 @wecom/cli 命令行工具並內置 stdio 模式的 MCP Server。本文按官方開發者文檔講清安裝、智能機器人長連接初始化、業務命令與接入 Claude Code 步驟。

    Claude其他 AI 工具0

同產品的其他教學

  1. 01

    MCP 收費嗎:開源協議免費邊界、第三方 API 帳單與隱形 Token 開銷說明

    搜「mcp 收費 嗎」的人常擔心裝多了插件會被扣費。MCP(模型上下文協議)本身和官方 SDK 採用 MIT 協議完全免費;實際使用中可能產生費用的只有兩處:掛載過多工具佔用的大模型上下文 Token,以及部分外部商業數據源自帶的 API 套餐。

    Claude其他 AI 工具0
  2. 02

    MCP 協議最新版本更新了什麼:無狀態架構、OAuth 2.1、結構化輸出與異步 Tasks 詳解

    搜「mcp 重大 更新」「mcp 協議 更新」想補齊規範演進脈絡?本文對照 modelcontextprotocol.io 官方規範更新日誌,梳理從 Streamable HTTP 到無狀態優先架構、OAuth 2.1 資源伺服器、Elicitation 交互補參與異步 Tasks 擴展的核心變化。

    Claude其他 AI 工具0
  3. 03

    A2A 和 MCP 有什麼區別:工具連接協議與智能體通信協議的邊界和配合

    很多人問「有了 MCP 為什麼還要出 A2A,兩者是不是二選一的競爭關係」。兩份官方規範都明確寫明它們是上下互補關係:MCP 負責給單個智能體掛載工具與數據源,A2A 負責讓多個獨立黑盒智能體跨團隊、跨框架互相派單協作。

    Claude其他 AI 工具0
  4. 04

    A2A 協議是什麼、怎麼用:Agent2Agent 智能體互聯規範、名片發現與 Python 接入流程

    A2A(Agent2Agent)是由 Google 發起並移交 Linux 基金會託管的開放智能體通信協議,用來讓不同團隊、不同框架開發的獨立智能體跨網絡互相派單協作。本文按官方規範講清 Agent Card、Task 狀態機與 Python SDK 接入步驟。

    Gemini其他 AI 工具0
  5. 05

    AutoGen 現在怎麼樣了?微軟官方演進路線與 Microsoft Agent Framework 入門

    搜 AutoGen 新教學常被 0.2、0.4、社區分支和 Semantic Kernel 繞暈。按微軟官方文檔,微軟已將 AutoGen 與 Semantic Kernel 兩支團隊合併推出統一的開源框架 Microsoft Agent Framework。本文講清現狀與 Python 快速上手。

    ChatGPT其他 AI 工具0
  6. 06

    CrewAI 多輪對話與記憶怎麼配:memory=True 三層記憶、人工介入與 Flows 狀態持久化

    剛用上 CrewAI 的人常疑惑 kickoff 跑完就結束,怎麼做多輪連續對話與跨次記憶。本文按官方文檔拆解 memory=True 的短期/長期/實體三層記憶、嵌入模型配置,以及用 Flows 狀態流和 @persist 搭建多輪會話的實戰寫法。

    其他 AI 工具0

0 條評論

登入 後參與評論

還沒有評論,來搶沙發~