> ## Documentation Index
> Fetch the complete documentation index at: https://docs.tokenlab.sh/llms.txt
> Use this file to discover all available pages before exploring further.

# Langflow

> Utilisez les modèles TokenLab depuis le composant OpenAI de Langflow

## Aperçu

Le composant **OpenAI** de Langflow inclut un champ **OpenAI API Base**. Orientez ce champ vers le point de terminaison `/v1` compatible OpenAI de TokenLab et utilisez les identifiants de modèle TokenLab.

<Note>
  **Type** : Constructeur de flux de travail IA low-code

  **Chemin principal** : Complétions de chat compatibles OpenAI

  **Niveau de support** : Supporté avec limites de portée
</Note>

## Composant OpenAI

1. Ajoutez un composant de modèle de langage **OpenAI**.
2. Définissez **OpenAI API Key** avec votre clé TokenLab.
3. Développez les paramètres avancés.
4. Définissez **OpenAI API Base** sur `https://api.tokenlab.sh/v1`.
5. Définissez **Model Name** sur un identifiant de modèle TokenLab.
6. Connectez la sortie du modèle à votre agent, chaîne ou flux de travail.

## Valeurs

| Champ           | Valeur                       |
| --------------- | ---------------------------- |
| OpenAI API Base | `https://api.tokenlab.sh/v1` |
| OpenAI API Key  | `sk-your-tokenlab-key`       |
| Model Name      | `gpt-5.4-mini`               |

## Modèles recommandés

* `gpt-5.4-mini` pour la plupart des tests de flux de travail
* `claude-sonnet-5` pour une rédaction et un raisonnement plus performants
* `gemini-3.5-flash` pour des flux de travail rapides et adaptés au multimodal
* `deepseek-v4-flash` pour des itérations rapides de codage et de raisonnement

Utilisez le composant LiteLLM Proxy de Langflow si votre déploiement centralise déjà le routage des fournisseurs via un proxy LiteLLM.