LibreChat翻译站点

LibreChat 是 danny-avila 主导的开源 AI 工作台平台，MIT 许可。把 OpenAI、Anthropic、Google、Azure、AWS Bedrock、Ollama 等 40+ 提供商统一到一个可自托管的界面 ，通过 Agent Builder 提供无代码智能体编排，原生集成 MCP 工具生态、沙箱代码解释器（10 种语言）、Artifacts、持久记忆、Web 搜索、企业级 SSO（OAuth/SAML/LDAP/2FA）。官方明确定位为”open-source AI platform” ——它不是单纯的聊天前端，而是具备 Agent 编排、工具生态、多用户协作的通用 AI 工作台。

 

产品概述

LibreChat 由 danny-avila 于 2023 年发起，最初是”开源版 ChatGPT” ，但历经 v0.5→v0.7→v0.8 多个大版本演进，已经从单一的聊天 UI 成长为自托管的开源 AI 工作台平台。官方 About 页明确写道：”LibreChat is a free, open-source AI platform that brings together the best language models from every major provider into one unified, customizable interface” ——关键词是 platform（平台）而非 interface（界面）。

 

LibreChat 官方文档将功能划分为三大类：AI Capabilities（智能体/记忆/搜索）、Infrastructure & Storage（基础设施与存储）、Security & User Management（安全与用户管理）​ ——这已经远超”交互前端”的范畴。它具备：

• Agent Builder：无代码构建自定义 AI 助手，类似 OpenAI Assistants API 和 ChatGPT GPTs，但支持更广的模型
• MCP 原生集成：通过 Model Context Protocol 连接任意外部工具与服务
• 代码解释器：沙箱执行 10 种编程语言
• 企业多用户：OAuth/SAML/LDAP/2FA/速率限制/审核工具
• 持久记忆：跨对话的键值存储记忆系统

这与 WorkBuddy（腾讯云 CodeBuddy 团队的系统级全场景 AI 智能体桌面工作台 ）在”工作台”属性上同级——区别是 LibreChat 是开源自托管形态，WorkBuddy 是腾讯办公生态 SaaS​ 形态。

 

技术架构​ ：

• 前端：React + TypeScript
• 后端：Node.js + LangChain
• 数据库：MongoDB（主存储）+ Redis（多实例缓存/会话）
• 部署：Docker / Kubernetes / Helm Chart
• 代码解释器：由开源 code-interpreter 服务支持（可自托管）
• 最低配置：2 核 CPU / 4GB RAM / 10GB 磁盘；生产推荐 4 核+ / 8GB+ / 20GB+

 

社区规模：38.1K GitHub Stars、36.9M Docker Pulls、360+ 贡献者、从初创公司到财富 500 强都在使用 。

 

核心能力

 

-Agent 工作台（核心差异化）

• Agent Builder：无代码可视化构建自定义 AI 助手，类似 ChatGPT 的 GPTs
• 工具库（Tool Library）：搜索官方工具、MCP 工具、Actions，每个用户可保存 100 个工具库收藏
• 技能系统（Skills）：可单独选择或启用完整可访问目录，运营商可用实验性 Agent Plugins 将 Skills 和 MCP servers 打包成启动加载包
• 版本历史：Agent 配置时间线，可回溯到任意历史版本
• @ 提及调用：在聊天输入中通过 @ 唤起指定 Agent

 

-智能体能力矩阵

• 代码解释器：安全沙箱执行 Python、JavaScript、TypeScript、Go、C、C++、Java、PHP、Rust、Fortran 共 10 种语言
• 文件搜索（File Search）：基于 RAG 的文档语义搜索
• 文件上下文（File Context）：OCR 提取文档文本作为 Agent 系统指令的一部分
• MCP 集成：通过 Model Context Protocol 连接任意外部工具/服务，支持 stdio/websocket/sse/streamable-http 四种传输
• Web 搜索：内置搜索与可定制重排序（reranking）
• Artifacts：在聊天中直接生成 React 组件、HTML 页面、Mermaid 图表

 

-多提供商统一接入

• 40+ 提供商：OpenAI、Anthropic、Google、Azure、AWS Bedrock、Ollama 等
• 自定义端点：支持任意 OpenAI 兼容端点
• 最新模型：GPT-5.6（带 Responses API 推理控制）、Claude Opus 5/Sonnet 5、Gemini 3.7/3.6 Flash

 

-企业级多用户与认证

• SSO：OAuth、SAML、LDAP
• 2FA：双因素认证
• 速率限制与审核工具​
• 多实例部署：通过 Redis 支持水平扩展

 

-记忆与上下文

• 持久记忆系统：跨对话的键值存储，支持个性化与上下文感知交互
• 对话分支：消息分叉与对话树
• 预设（Presets）：保存/分享预设配置

 

-多模态

• 图像生成：DALL-E 3/2、Stable Diffusion、Flux
• 多模态输入：视觉、文档
• 30+ 语言界面：社区驱动的翻译

 

优势亮点

• MIT 最干净许可：可自由使用、修改、分发，商用无限制，与 Cherry Studio（AGPL-3.0）、LobeChat（MIT）比较，LibreChat 的 MIT 在闭源商业场景更友好
• 官方明确定位为”AI Platform”：不是单纯聊天 UI，而是具备 Agent/MCP/代码解释器/企业 SSO 的工作台平台
• 40+ 提供商统一接入：OpenAI/Anthropic/Google/Azure/Bedrock/Ollama 全覆盖
• 无代码 Agent Builder：类似 ChatGPT GPTs 但支持更广模型，每个用户可保存 100 个工具库收藏
• MCP 原生集成：连接任意外部工具/服务，支持 4 种传输协议
• 代码解释器沙箱：10 种编程语言安全执行，由开源 code-interpreter 服务自托管支持
• 企业级 SSO：OAuth/SAML/LDAP/2FA 全套，多用户认证与审核工具
• Artifacts 生成：React/HTML/Mermaid 实时渲染
• 38.1K Stars / 36.9M Docker Pulls：社区规模最大、生产验证最充分的自托管 AI 工作台之一
• 自托管数据主权：部署在自己的基础设施上，数据完全私有
• 30+ 语言界面：全球化团队友好

 

短板

• 自托管运维负担：需要 Docker、数据库管理、反向代理配置和持续的服务器维护，不适合不愿管理基础设施的团队
• 无商业 SLA：开源社区驱动项目，没有明确的商业支持层级或 SLA 保证，企业问题解决依赖 Discord 社区和外部文档
• 安全态势文档不完整：生产安全姿态（漏洞管理、渗透测试、合规认证）未清晰记录，受监管/敏感环境部署前需独立安全审查
• 功能丰富导致复杂度高：Agent Builder、MCP 配置、librechat.yaml 调优对新手有学习曲线
• 代码解释器需额外部署：code-interpreter 服务需单独自托管
• 与 WorkBuddy 对比：WorkBuddy 是开箱即用的桌面应用（腾讯办公生态深度集成），LibreChat 需要自托管基础设施，初期投入更大
• 与 Cherry Studio 对比：Cherry Studio 是桌面端一站式 AI 工作站（AGPL-3.0），LibreChat 是服务端自托管平台（MIT），形态不同——Cherry Studio 适合个人/小团队桌面使用，LibreChat 适合企业或需要数据主权的团队
• 与 LobeChat 对比：LobeChat 也是开源 AI 工作台（MIT），但 LobeChat 更偏前端框架+云服务，LibreChat 更偏自托管服务端+企业特性

 

适用人群

• 需要数据主权的企业：金融、医疗、政企等受监管行业，必须自托管且数据不出私网
• 多提供商统一接入需求：团队同时使用 OpenAI/Anthropic/Google/Bedrock，希望一个平台统一接入
• Agent 工作流构建：需要无代码构建自定义 AI 助手、集成 MCP 工具、启用代码解释器的团队
• 企业多用户协作：需要 SSO、LDAP、2FA、速率限制、审核工具的多用户组织
• 开发与安全团队：需要沙箱代码执行（10 种语言）、文件上传/下载、多模态输入的研发团队
• AI 应用开发者：基于 LibreChat 的 Agent/MCP/Artifacts 能力构建上层应用
• 全球化团队：30+ 语言界面，跨地域团队协作

 

安装与部署

 

1. Docker 一键部署（推荐）

# 克隆仓库
git clone https://github.com/danny-avila/LibreChat.git
cd LibreChat

# 复制环境配置
cp .env.example .env

# 编辑 .env 配置 API Keys 和 MongoDB 连接
# 启动服务
docker compose up -d

# 访问 http://localhost:3080

 

2. 配置 librechat.yaml（启用 Agent 能力）

# librechat.yaml
version: 1.2.3

agents:
  capabilities:
    - code_interpreter
    - file_search
    - file_context
    - mcp
    - web_search
    - artifacts

mcpServers:
  filesystem:
    type: stdio
    command: npx
    args:
      - "-y"
      - "@modelcontextprotocol/server-filesystem"
      - "/path/to/allowed/files"

memory:
  enabled: true
  provider: openai
  model: gpt-4o-mini
  
interface:
  mcpServers:
    filesystem:
      enabled: true

 

3. 启用企业 SSO（LDAP 示例）

# .env
LDAP_URL=ldap://localhost:389
LDAP_BIND_DN=cn=admin,dc=example,dc=org
LDAP_BIND_PASSWORD=password
LDAP_USER_SEARCH_BASE=dc=example,dc=org
LDAP_USER_SEARCH_FILTER=(uid={{username}})

 

4. 客户端调用（OpenAI SDK 兼容）

from openai import OpenAI

# LibreChat 提供与 OpenAI 兼容的 API 端点
client = OpenAI(
    api_key="your-librechat-api-key",
    base_url="http://localhost:3080/api/openai/v1"
)

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "Hello!"}]
)

 

5. 部署前必检清单

• 确认仓库位于 github.com/danny-avila/LibreChat（官方）
• 许可：MIT ，商用自托管无限制
• 官方定位：open-source AI platform（AI 工作台平台），非单纯聊天 UI
• 自托管部署：Docker / Kubernetes / Helm Chart
• 技术栈：React + TypeScript 前端，Node.js + LangChain 后端
• 数据库：MongoDB + Redis（多实例缓存）
• 提供商：40+ 提供商统一接入
• Agent 能力：Builder 无代码构建、工具库、Skills、MCP、Actions
• 代码解释器：10 种语言沙箱执行
• 企业认证：OAuth/SAML/LDAP/2FA
• 社区规模：38.1K Stars、36.9M Docker Pulls、360+ 贡献者
• 最低配置：2 核 CPU / 4GB RAM / 10GB 磁盘