多模态生成工作流 tong-io/tongflow

TongFlow：开源、模态优先的 GenAI 平台

https://github.com/user-attachments/assets/946592d3-2e48-4948-aaa4-4b6ab3156209

English · 简体中文 · 日本語

不同模态，一个工作流。

文本、图像、音频、视频和 3D 都是你的素材。先决定它们怎么变换、怎么组合，再为每一步挑选背后的模型。每个结果都是素材，可以再次使用。

开源核心 · 用你自己的模型 · 可自托管 · tongflow.com · 打开画布

赞助商

MiniMax H3 视频生成 API — Metaso（秘塔科技） Metaso 提供 MiniMax H3 视频生成，768P 每秒 ¥0.09，2K 每秒 ¥0.15。原生 2K，音画同步，兼容 OpenAI 的 API，支持 ComfyUI —— 不用自己部署 GPU。🎁 通过 TongFlow 链接注册，可领取赠送额度与合作伙伴折扣。

一块画布，一个密钥搞定 —— Infistar（无限星河AI） 一个兼容 OpenAI 的网关：一个密钥、一份余额，覆盖画布上的文本、图像、视频和转写节点 —— GPT-6、Claude Opus 5、Gemini 3 Pro、Grok 和 DeepSeek，还有最全的中文模型阵容（Qwen、GLM、Doubao、MiniMax、Kimi、StepFun），图像用 GPT Image 2.5、Seedream 5 和 Qwen-Image，视频用 Wan / Seedance。图像低至每张 ¥0.06。 通过 tongflow-router-infistar 插件接入。🎁 通过 TongFlow 链接 注册，送 $5 试用额度。

演示示例

| 工作流 | 结果 |
| 基础 —— 输入文字（Add），生成图像（Transform），再把它们合成一张（Combine）。 | |
| 进阶 ——（添加主题 → 写脚本 → 生成语音）+（角色描述 → 生成图像）→ 唇形同步视频 = 数字人主播。 | |
| 高级 —— 生成歌词 + 歌曲 + 角色 + 场景 + 分镜 → 产出音乐视频。 | |

每个输出都留在画布上，成为素材：从生成的图像分叉，把转写文本喂给下一步，或者换掉某个节点背后的模型，工作流其余部分照常运行。

如何开始

TongFlow 有三种用法，共用同一套开源核心：TongFlow Cloud（桌面应用，或浏览器打开 app.tongflow.com）、自托管（从源码运行 或 用 Docker），或者用智能体构建（tongflow npm 包，或在 Claude Code、任意 MCP 客户端或 dsh 里使用 TongFlow，见在智能体里使用）。

TongFlow 桌面应用是一个轻量外壳（约 10 MB），包住 app.tongflow.com 上的云端工作室 —— 安装、登录，就能开始创作。云端工作室在任何现代浏览器里也能用。

第 1 步 —— 安装桌面应用

下载对应平台的安装包，安装后打开。

- macOS（Universal —— Apple Silicon 与 Intel）： TongFlow-mac-universal.dmg
- Windows： TongFlow-win-x64.msi

所有构建都在 Releases 页面。

macOS： 构建尚未通过 Apple 公证，所以 Gatekeeper 会拦截首次启动（提示「TongFlow is damaged and can't be opened」）。把应用移到 Applications 后，清除一次隔离标记，之后就能正常打开：

xattr -cr /Applications/TongFlow.app

请直接从本页下载——经过聊天软件（如微信）转发的安装包可能被改名或重新打上标记。

第 2 步 — 登录并开始创作

用 Google 或微信登录，直接开始创作——云端工作室替你管理插件和执行。

想要完全本地、无需账号的 TongFlow？ 这正是自托管要解决的问题——参见从源码运行或用 Docker 运行，然后按自托管配置操作。（v0.1.13 及之前的桌面应用内置了这套本地运行时；那些安装包仍保留在 Releases 页面。）

模态优先

模态是信息的一种形态：文本、图像、音频、视频、3D、文档、URL。TongFlow 把它们变成工作流的积木。先决定想拿它们做什么，再为这件事挑模型。每一步都拆成三个独立决策：

| | 问题 | 示例 |
| 素材 | 你手上有什么？ | 一份文档、一张照片、一段录音、一个想法。 |
| 能力 | 它能变成什么？ | 理解、生成、转换、合并或拆分。 |
| 实现 | 该由什么来执行？ | 一个兼容插件，以及它提供的模型。 |

- 每个结果都是新的起点。 素材有各自的节点。上传的图片和生成的图片都能喂给下一个兼容操作。从结果往外分支，不必从头再来。
- 先选能力，再选模型。 工作流记录每一步做什么，与执行它的插件分开。换掉兼容实现，周边结构保持不变。
- 四种操作。 添加、转换、合并、拆分与批处理。理解、生成和处理都归入同一套体系；生成只是操作的一种。
- 人与智能体共用一套结构。 画布、导出器和智能体工具使用同一份节点注册表。你可以可视化搭建，也可以通过 tongflow 包搭建；在 Claude Code、MCP 客户端或 dsh 里，智能体创建的工作流你可以打开、编辑、再次运行。
- 开放生态。 ABI 定义每种能力的输入/输出契约，与由谁实现无关。任何平台都能以同样方式发布插件，下面的官方插件几乎覆盖矩阵里的每个节点。

延伸阅读：TongFlow 为什么从模态出发。

能力

ABI 里的每个节点都是一项能力，按四种操作分组。素材（文本、图像、音频、视频、3D、文档、URL）是连接这些节点的节点。

✅ = 官方插件开箱即用 · ⬜ = 画布里有节点，但还没有官方插件（计划中）。

添加

- ✅ 文本输入：输入文字，添加文本节点。
- ✅ 添加图像：选本地文件，添加图像节点。
- ✅ 添加照片：用设备相机拍摄，添加图像节点。
- ✅ 添加手绘：在画布上绘制，添加图像节点。
- ✅ 添加音频：选本地音频文件，添加音频节点。
- ✅ 录制音频：用麦克风录制，添加音频节点。
- ✅ 添加视频：选本地视频文件，添加视频节点。
- ✅ 录制视频：用相机录制，添加视频节点。
- ✅ 添加文档：选本地文件，添加文档节点。
- ✅ 添加 URL：从链接抓取页面，添加文本、图像、音频或视频节点。
- ✅ 添加 3D 模型：选本地模型文件，添加 3D 模型节点。

转换

文本

- ✅ 生成 / 改写：按提示词创作或编辑文案。

图像

- ✅ 图像生成：用文本生成图像。
- ✅ 图像编辑：按指令修补、编辑或重绘。
- ✅ 图像理解：为图像生成说明、问答或描述。
- ✅ 图像放大：放大图像，细节更清晰。
- ✅ 姿态检测：308 关键点全身骨架叠加（身体、手、脸）。
- ✅ 身体部位分割：29 类人体解析叠加。
- ✅ 表面法线：逐像素法线图——以人物为中心，或覆盖整个场景。
- ✅ 抠图：把人物或显著前景抠出来，输出透明 PNG。

视频

- ✅ 视频生成：用文本生成视频。
- ✅ 图生视频：让静态图动起来。
- ✅ 首尾帧视频：两张关键图插值出一段视频。
- ✅ 多图 → 视频：多图参考融合——几张参考图加文本，生成新视频。
- ✅ 全参考视频：把图像、视频、音频参考（外加文本）混合成一段视频，自带立体声音频。
- ✅ 视频理解：为视频生成摘要或描述。
- ✅ 视频放大：输出更高分辨率。
- ✅ 提取首帧 / 尾帧：抓取一帧作为图像。
- ✅ 视频编辑：按文本指令编辑视频。
- ✅ 去字幕：清除视频里的字幕。
- ✅ 去水印：移除视频里的水印。

音频

- ✅ 音乐生成：用文本生成音乐，可选参考音频作为条件。
- ✅ 音频生成：一条提示词 → 语音、音效和环境声，一次生成，可选参考人声。
- ✅ 音频理解：用文本描述一段音频（音乐、语音或环境声）。
- ✅ 音乐重绘：重新生成歌曲中选定的时间段。
- ✅ 音乐翻唱：用描述和/或参考曲目给歌曲换风格。
- ✅ 添加轨道 / 补全编曲：在混音上生成一条新分轨，或补齐缺失的轨道。
- ✅ 音乐简报：一句话想法 → 歌词、风格标签、BPM、调性和时长。
- ✅ 语音合成：文本转语音 —— 预设风格、声音克隆（参考音频）或指令驱动。
- ✅ 语音识别：从音频或视频中转写语音。
- ✅ 降噪：对音频降噪。
- ✅ 说话人分离：按说话人拆分音频。
- ✅ 音色替换：用参考片段的音色重新配音语音或歌声。
- ✅ 多轨 / 人声伴奏分离：分离人声、鼓、贝斯、吉他，以及另外 8 种分轨。
- ✅ 开放词表声音分离：用文字描述任意声音（如「狗叫」），把音频拆成该声音和其余部分。

3D、文档与链接

- ✅ 图像 → 3D：从单视图图像生成 3D 模型。
- ✅ 视频 → 动作捕捉：单目视频转骨骼动画（身体 + 手指 + 面部通道，GLB）。
- ✅ 文档 → 文本：从文档中提取纯文本。
- ✅ 链接 → 文本：把页面内容转成文本。

组合

- ✅ 图像融合：把多张参考图混合或编辑成一张图。
- ✅ 唇形同步：音频 + 视频 → 视频（唇形同步）；另有音频 + 图像 → 视频、音频 + 文本 → 视频两种变体。
- ✅ 情感语音：文本 + 声音参考 → 用该音色说话，并可控制情感。
- ✅ 角色替换：视频 + 参考（场景混合 / 角色替换）。
- ✅ 动作迁移：角色图像 + 驱动视频，端到端完成（无需提取姿态）。
- ✅ 合并文本：把多个文本节点合并成一个。
- ✅ 拼接片段：把多个视频首尾相接。
- ✅ 封装音频 + 视频：合并成一个文件。

拆分与批处理

- ✅ 按镜头拆分：按场景把长视频切成片段。
- ✅ 拆分视频与音频：把视频解复用为独立的视频轨和音频轨。
- ✅ 提取音轨：把音频抽成独立素材。
- ✅ 拆分长文本：把长段落切成块。
- ✅ 合并 / 整理文本块：合并片段（使用自动合并选项）。
- ✅ 过滤或丢弃片段：按规则或选择丢弃不需要的片段。
- ✅ 编排与批量分组：把文本 / 片段批次分组编排，供下游处理。

官方插件

官方 GPU/CPU 插件目前运行在 Modal 上 —— 每月最多 $30 的免费 GPU 算力（H100/A100 等）。MODAL_TOKEN_ 的配置见自托管设置。其他任何平台都可以用同样的方式发布自己的插件。

API 插件

第一方服务商（实验室自家的模型）：

- tongflow-api-gemini —— Google Gemini，带按节点选择的模型选择器：文本、视觉、图像（Nano Banana / Imagen 4）、Veo 视频、TTS 和转写
- tongflow-api-openai — OpenAI，带按节点选择的模型选择器：gen_text、图像生成/编辑/融合（gpt-image-2）、视觉、文档 OCR、Whisper 转写和 TTS
- tongflow-api-deepseek — DeepSeek，带按节点选择的模型选择器（V4.1 Flash / V4 Pro，流式思考气泡）：gen_text / 文本工具，Flash 上还支持图像理解
- tongflow-api-bytedance — 字节跳动火山引擎方舟，带按节点选择的模型选择器：豆包文本与视觉、Seedream 图像生成/编辑/融合、Seedance 文本/图像/音频 → 视频
- tongflow-api-xai — xAI Grok，带按节点选择的模型选择器：gen_text（Grok 4.x）、图像理解，以及 Grok Imagine 文生图
- tongflow-api-runway — Runway Dev 统一 API，带按节点选择的模型选择器：视频（Gen-4.5、Gen-4 Turbo、Aleph 编辑、Act-Two、Seedance、Veo）、图像（GPT Image 2、Seedream 5、Gemini image 3）和 ElevenLabs TTS
- tongflow-api-metaso — 由 Metaso 托管的 MiniMax H3 视频生成：文本 / 图像 → 视频，768P 每秒 ¥0.09，2K 每秒 ¥0.15，走 OpenAI 兼容的 Videos API
- tongflow-api-qwen-audio — Model Studio 上的阿里 Qwen-Audio-3.1：TTS-Next 一次渲染语音 + 音效 + 环境音（还支持声音克隆、按描述生成声音和情感语音），TTS-Flash 预设音色，ASR-Flash 转写带时间戳和说话人标签

路由插件

聚合器 —— 一个密钥，接入多家实验室的第三方模型：

- tongflow-router-openrouter — OpenRouter，带按节点选择的模型选择器：gen_text（默认免费，另有 GPT-5.5 / Claude / Gemini / Grok / DeepSeek）、视觉 / 音频理解、图像生成/编辑和转写
- tongflow-router-cometapi — CometAPI 网关，带按节点选择的模型选择器，还会列出 CometAPI 的实时目录：gen_text / 文本工具（GPT-5.5、Claude、Gemini、DeepSeek、Grok、Qwen、Kimi）、图像 / 视频 / 音频理解、图像生成/编辑/融合（GPT Image 2、Seedream）、文本 / 图像 → 视频（Sora 2、Veo 3.1、Seedance、Wan、MiniMax、HappyHorse、Vidu）、视频编辑（Omni）、TTS 和 Whisper 转写
- tongflow-router-toapis — ToAPIs 网关，每个节点带 模型选择器：gen_text / 文本工具（GPT-5.6、Claude、Gemini、DeepSeek、Qwen、GLM、Kimi、MiniMax）、图像理解、图像生成/编辑/融合（GPT Image 2、Seedream 5、Gemini Image、Flux 2、Grok）、文本 / 图像 / 首尾帧 / 多模态参考 → 视频（Sora 2、Veo 3.1、Seedance 2、Kling、MiniMax H3、Wan、HappyHorse、Vidu）、视频编辑（HappyHorse）；选择器还会列出 按 key 实时拉取的模型列表
- tongflow-router-apimart — APIMart 网关，每个节点带 模型选择器：图像生成/编辑（Z-Image、Seedream、Nano Banana、GPT-Image）、文本/图像 → 视频（Kling、VEO3、Sora2、Seedance）、gen_text（GPT-5、Claude、Gemini）、Whisper 转写和 TTS
- tongflow-router-replicate — Replicate，每个节点带 模型选择器，覆盖整个目录：文本、视觉、图像生成/编辑/融合/放大/抠图、文本/图像 → 视频、转写、TTS / 声音克隆、音乐、图像 → 3D（FLUX、Seedream、Veo、Kling、Whisper、Hunyuan3D……）
- tongflow-router-fal — fal.ai，每个节点带 模型选择器：图像（生成/编辑/融合/放大/抠图/姿态/法线/分割）、视频（文本/图像 → 视频、首尾帧、数字人、唇形同步、放大）、音频（转写、TTS、声音克隆、音乐、音源分离）和图像 → 3D
- tongflow-router-infistar — Infistar（无限星河AI）网关，每个节点带 模型选择器，还会列出 key 自己的模型列表：gen_text / 文本工具（GPT-5.6、Claude、Gemini、Qwen、DeepSeek、GLM、Kimi、Doubao、MiniMax、Grok）、图像理解、图像生成/编辑/融合（GPT Image 2、Qwen-Image、Seedream、Wan）、文本 / 图像 → 视频（Wan 3.0、Seedance、MiniMax H3）和转写

GPU/CPU 插件

- tongflow-modal-ffmpeg — 转码、封装、媒体流水线
- tongflow-modal-pyscenedetect — 镜头边界检测，用来切分片段
- tongflow-modal-z-image — Z-Image 文生图
- tongflow-modal-ernie-image — ERNIE Image 文生图（备选）
- tongflow-modal-krea2 — Krea 2 Turbo 文生图（开放权重 12B，8 步，最高 2K）
- tongflow-modal-moss-image — MOSS-Image（OpenMOSS）5B 文生图：中英文密集文本，提示词最长 4K token，JSON 布局提示词可按框放置文字和物体（备选）
- tongflow-modal-flux2-klein9b — FLUX.2 Klein 9B 多参考融合 / 图像编辑
- tongflow-modal-qwen-image-edit — Qwen-Image 2.1：文生图、指令编辑、多图融合（最多 10 张参考图）和透明背景移除（无头 ComfyUI，int8；权重采用 Qwen Research Licence，非商用）
- tongflow-modal-boogu — Boogu-Image-0.1（fp8）文生图（密集双语文字）与单参考图图像编辑
- tongflow-modal-infinitetalk — InfiniteTalk 音频驱动口型同步（音频 + 图像 / 视频 → 说话人头像视频）
- tongflow-modal-longcat-avatar — LongCat-Video-Avatar 1.5（美团）音频驱动说话视频：人像 + 语音 → 口型同步视频，Whisper 音频编码器，8 步蒸馏，最长 60 秒（备选）
- tongflow-modal-wan-animate — Wan-Animate-2 端到端角色动画（角色图 + 驱动视频，无需提取姿态）
- tongflow-modal-scail2 — SCAIL-2 受控角色动画（图像 + 驱动视频），以及角色替换
- tongflow-modal-minimax-h3 — MiniMax-H3 33B 视频生成，原生立体声音频（文本 / 首尾帧 / 多图 / 全参考）
- tongflow-modal-bernini — Bernini-R 1.3B 统一视频渲染器（文本/图像 → 图像/视频、视频编辑、字幕 / 水印移除）
- tongflow-modal-sam3 — SAM 3 / SAM 3.1 文本引导抠图：把图像中符合描述概念的每个实例抠出来（透明 PNG），或在视频中跟踪它（绿幕遮罩）
- tongflow-modal-triposplat — TripoSplat 单图 → 3D 高斯泼溅
- tongflow-modal-sam-3d-objects — SAM 3D Objects 单图 → 前景物体的 3D 高斯泼溅（自动遮罩，对遮挡/杂乱场景稳健；备选）
- tongflow-modal-sam-3d-body — SAM 3D Body 单图 → 全身 3D 人体网格 GLB（多人、MHR 骨架；备选），以及视频动作捕捉（逐帧 MHR 回归 → 动画角色 GLB；备选）
- tongflow-modal-sapiens2 — Sapiens2（Meta）人体套件：姿态检测、身体部位分割、表面法线、人体抠图、图像 → 3D 点云，以及视频动作捕捉（几何引擎：关键点 + 点图 → 动画 MHR 角色 GLB）
- tongflow-modal-sensenova-vision — SenseNova-Vision（商汤）统一视觉模型：图像理解 / 视觉问答、检测与 OCR 结构化文本、全场景表面法线、显著目标抠图、人体姿态叠加（备选）
- tongflow-modal-seedvr2 — SeedVR2 图像 / 视频超分辨率
- tongflow-modal-gemma4 — Gemma-4 多模态文本（图像 / 视频理解）
- tongflow-modal-qwen38 — Qwen3.8-27B 多模态文本（文本生成、图像 / 视频理解；备选）
- tongflow-modal-qwen3asr — Qwen3 语音识别
- tongflow-modal-qwen3tts — Qwen3 文本转语音
- tongflow-modal-indextts2 — IndexTTS-2.5 情感文本转语音：零样本声音克隆（备选），以及基于声音参考的情感可控语音
- tongflow-modal-seed-vc — Seed-VC 零样本声音转换：用一小段参考音频的音色，为语音或歌声重新配音（GPL-3.0）
- tongflow-modal-whisper — Whisper 语音识别，带时间戳（备选）
- tongflow-modal-moss-transcribe-diarize — MOSS-Transcribe-Diarize 0.9B：一次处理长音频多人转写，输出时间戳和说话人标签，并生成每位说话人的独立音轨（支持 50+ 种语言，最长约 90 分钟）
- tongflow-modal-ace-step — ACE-Step 1.5 音乐套件：文本生成音乐（可选 sft / base / turbo）、重绘、翻唱、分轨提取、加轨、编曲补全、音乐简报、音乐理解
- tongflow-modal-levo — LeVo 2 / SongGeneration 文本生成音乐（多语言，商业级）
- tongflow-modal-minimax-music3 — MiniMax-Music3 11B 歌曲生成：歌词 + 描述 → 带人声的完整歌曲（最长约 5 分钟，32 kHz 立体声）
- tongflow-modal-yue2 — YuE2 歌曲生成：风格 + 歌词 → 可编辑曲谱 → 带人声的完整歌曲（48 kHz 立体声），还可通过 SheetSage2 转写生成伴奏和翻唱（权重 CC BY-NC 4.0；个人创作者可将输出用于变现，企业需商业授权）
- tongflow-modal-sam-audio — SAM-Audio 文本提示声音分离：降噪、人声分离，以及用自由文本提取分轨（如「背景里的钢琴」）
- tongflow-modal-docling — Docling 文档 → 文本
- tongflow-modal-paddle — PaddleOCR 文档 → 文本
- tongflow-modal-unlimited-ocr — Unlimited OCR 2 无限长文档 / 百页 PDF → 文本
- tongflow-modal-crawl4ai — Crawl4AI URL / 链接 → 文本
- tongflow-modal-scrapling — Scrapling 隐身浏览器 URL / 链接 → 文本

从源码运行

pnpm install
pnpm plugins:install # clone official plugins into plugins/
pnpm start:prod # builds once, then serves at http://localhost:3000

需要 Node（带 pnpm），并且 PATH 里有 Python 3.10+ 解释器（可用 PYTHON 指向某个具体解释器）。插件以本地 Python 进程运行；TongFlow 会自动为它们准备独立的 venv，首次使用时安装各插件的 requirements.txt —— 不用手动配 Python。

打开 http://localhost:3000，画布就能用了。服务器只监听 localhost；想从另一台机器访问，先设置 TONGFLOW_AUTH_TOKEN，用 -H 0.0.0.0 启动，再打开一次 http://<host>:3000/?token=<token>。然后按自托管配置操作（凭据填在应用内的 Settings 对话框，或项目 .env 里）。

用 Docker 运行

自托管镜像已发布到 GHCR —— 不用装 Node/Python/pnpm：

docker run -d -p 127.0.0.1:3000:3000 \
-v tongflow-data:/data -v tongflow-plugins:/plugins \
ghcr.io/tong-io/tongflow:latest

容器会把登录链接（http://localhost:3000/?token=…）打到日志里 —— 打开一次即可（docker logs <container>）；token 生成在数据卷里，也可以用 -e TONGFLOW_AUTH_TOKEN=… 自己设。或者用 Compose（会克隆本仓库的 docker-compose.yml）：

docker compose up -d

想自己构建镜像而不是拉取：docker build -t tongflow .

数据与凭据。 所有可写内容都在 /data 卷里（SQLite 数据库、上传文件、设置）。API key 可选 —— 在应用内 Settings 对话框里设置，或启动时传入（-e OPENROUTER_API_KEY=…）；支持的 key 有：OPENROUTER_API_KEY、GEMINI_API_KEY、OPENAI_API_KEY、MODAL_TOKEN_ID / MODAL_TOKEN_SECRET。

插件。 镜像不带插件 —— 从应用内的插件管理器安装（首次安装需要能访问 GitHub）。首次运行时，插件会在 /data/.tongflow/plugin-venv 下准备共享的 Python venv（从 PyPI 安装 SDK 和插件的 requirements.txt），所以首次运行较慢，且需要联网。依赖 Modal 的插件还需要 Modal token。

自托管配置（插件与凭据）

自托管部署的 TongFlow 不预装任何插件，画布上预置了一个示例工作流。三步就能跑起来：

1 — 安装插件

打开插件管理器（右上角的方块图标），安装你需要的插件。新装的插件立刻可用，不用重启。

要运行预置的示例工作流（文本 → 图像 → 融合 → 视频），请安装这三个插件：

- tongflow-modal-z-image — 文生图
- tongflow-modal-qwen-image-edit — 图像融合 / 混合
- tongflow-modal-minimax-h3 — 图生视频

这些插件跑在 Modal 上（每月最多 $30 的免费 GPU 算力）。在设置里填 MODAL_TOKEN_ID / MODAL_TOKEN_SECRET；到 modal.com/settings/tokens 创建 token。其他平台也能用同样的方式发布自己的插件。

在插件管理器里可以浏览完整目录——官方 API 插件（OpenAI / Gemini / OpenRouter）以及其他 GPU/CPU 插件。

2 — 配置凭据

打开设置（右上角的齿轮图标），添加插件需要的环境变量——比如 API 插件要填 OPENAI_API_KEY，GPU/CPU 插件则填各自要求的凭据。

Plugin credentials live in Settings. TongFlow is platform-agnostic and hardcodes no provider: the Settings dialog is a generic key/value editor for environment variables passed to plugins. Each plugin's README documents the keys it needs. Values are stored locally and take effect without a restart.

3 — Run the example workflow

Run the preloaded example node by node, or switch to Execute Mode and hit the run button to run the whole thing in one click.

Use it inside an agent

TongFlow also runs inside your own agent — no desktop app, no server of your own.

The split is the point: the agent designs the project and writes the plan, briefs and prompts as ordinary files; TongFlow generates, and every generated asset comes from a saved .tongflow.json workflow sitting next to its outputs — so you can open it on the canvas, change it and run it again. There is no "generate an image" tool and no project template.

Claude Code

/plugin marketplace add tong-io/tongflow
/plugin install tongflow@tongflow

Then ask for what you want to make. The plugin gives Claude TongFlow's tools and its working method. Say "open the studio" and Claude hands you a local web page with the project's folder tree, previews, the canvas, the runs and your plugin keys. Claude asks you before any run that costs money.

Any MCP client

{ "mcpServers": { "tongflow": { "command": "npx", "args": ["-y", "tongflow-studio", "mcp"] } } }

The same tools and the same Studio page, for any agent that speaks MCP.

DeepSeek Harness (dsh)

npx @deepseek-ai/dsh@next plugin --profile web add dsh-tongflow
npx @deepseek-ai/dsh@next web

Then start a session whose first message begins with @tongflow. That session turns into the Studio — chat, the project's folder tree, preview / editor / the canvas, and a runs drawer — and the agent gets TongFlow's tools. Any other session stays plain dsh.

Each of them provisions its own Python venv and clones the official plugins on first use, so the canvas offers the same catalog as the hosted app. Requirements and configuration: packages/tongflow-studio/README.md (Claude Code, MCP) and packages/dsh-tongflow/README.md (dsh).

Custom plugins

Every runnable node is a capability backed by a contract — the ABI (packages/tongflow/abi/tongflow.abi.json) — that defines what capabilities exist* and what each one's input/output looks like, independent of who implements it. A plugin is the implementation: a small Python package that picks one or more ABI slots and supplies the how, annotated against the ABI-generated types via the tongflow Python SDK. Swapping the plugin behind a node leaves the workflow around it unchanged.

The full development flow — the ABI, the @node_slot decorator, the SDK, directory layout, and how to publish — lives in docs/plugins.md.

Community

Join the community on Discord or scan the WeChat group QR code below.

Business

For business inquiries, please contact business@tongflow.com.

- Open-source model owners: I can integrate your models so users can try them out smoothly.
- Enterprise: I can help you deploy on your local GPU, build custom nodes and plugins, and more.
- Platform / router: I can integrate your APIs.
- VCs: I’m interested in partnering on TongFlow Cloud, the hosted workspace.

Open-Source

If you like this project, a Star on GitHub helps a lot. Thank you.

License

TongFlow is dual-licensed:

- AGPL-3.0 — free for individuals, research, open-source projects, and anyone willing to comply with the AGPL (including its Section 13 network/source-disclosure obligation).
- Commercial License — for organizations that want to use TongFlow in closed-source or SaaS products without AGPL's source-disclosure obligation, or that need warranties and platform support. Contact business@tongflow.com.

This covers the entire repository, including the sdk/ directory (the tongflow
PyPI package). Contributions are covered by our CLA.