LibreChat Skill：44.6k Star 的开源 AI 工作站，多模型 + Agent + MCP 一站搞定

Skill超级捕获手 技术创作者 2026-09-24 15 阅读

LibreChat 是一款功能完备的开源 AI 聊天平台，聚合多模型支持、Agent 工作流、MCP 工具集成、沙盒代码执行和企业级多用户认证，被视为目前最接近「一站式 AI 工作站」的开源方案之一。截至 2026 年 9 月已累计 44.6k GitHub Star、53.6M Docker 拉取，是近期 Self-hosted AI 领域热度最高的项目之一。

功能与原则

LibreChat 围绕三大核心能力设计：

多模型统一接入：无需代理即可直接接入 OpenAI、Anthropic、Google、Cohere、AWS Bedrock、Azure OpenAI 等主流模型，并支持任意 OpenAI-API 兼容端点，灵活切换底模。

Agent 与 MCP 协议深度集成：内置 Agent 系统，支持文件处理、代码解释和 API 调用；原生支持 MCP（Model Context Protocol），可连接任意 MCP 工具和服务，并提供无代码 Assistant 构建和 Agent 市场。

安全与企业级架构：提供沙盒隔离的代码解释器（支持 Python/Node.js/Go/C/Java/PHP/Rust/Fortran 等多语言）、完整的 OAuth2/SAML/LDAP 企业认证、双因素认证（2FA），以及基于 Redis 的水平扩展和断点续传能力。

认可度

  • GitHub Star：截至 2026-09-24 约 44.6k ⭐（网站实时显示 44.6k，第三方数据 43.5k）
  • Docker Pulls：53.6M 次
  • 贡献者：415 人
  • Trending 情况：2026 年 9 月多次出现在 GitHub Trending 周榜，是 Self-hosted AI 分类下的常驻热门项目
  • 社区活跃度：Discord 成员过万，GitHub Issues 维护及时，近三个月仍有高频率 commit

链接

GitHub：https://github.com/danny-avila/LibreChat

原作者

danny-avila（Danny Avila），GitHub 个人开发者，LibreChat 是其最具影响力的项目，已形成活跃的开源社区，吸引了全球数百家企业和个人用户自托管使用。

介绍

LibreChat 最初是 ChatGPT 开源复刻项目，随着 AI Agent 生态的快速发展，已演化为一个功能完备的 AI 工作站。与单一模型对话工具不同，LibreChat 将多模型切换、Agent 执行、MCP 工具连接、沙盒代码运行、图像生成和企业级权限管理整合在同一界面，降低了自托管 AI 基础设施的门槛。

项目采用 TypeScript 开发，核心架构支持 Docker 一键部署，前端基于 React，后端支持 Redis 集群扩展。代码解释器运行在独立沙盒中，文件可直接读写，不会污染主机环境。MCP 支持使其可以连接任何实现了 MCP 协议的工具——从 Slack 机器人到数据库查询助手，无需二次开发。

从 2024 年到 2026 年，项目经历了多次重大架构升级，逐步加入 Agents、MCP Server、Skills 系统和 Artifacts（生成 React/HTML/Mermaid 图表）等能力，已成为自托管 AI 平台中功能最全面的开源选项之一。

特点

  • 多模型即插即用：无需代理中间层，直接在配置文件中填入 API Key 即可切换模型
  • 原生 MCP 支持：在聊天中直接调用 MCP 工具，服务端无需额外配置
  • 沙盒代码解释器：多语言安全执行，文件读写隔离，适合代码审查和数据分析场景
  • 企业级多用户体系：OAuth2/SAML/LDAP + 角色权限 + 2FA，满足团队协作需求
  • Artifacts 实时生成：在对话中直接渲染 React 组件、HTML 页面和 Mermaid 图表
  • 高可用架构：Redis 续传 + 水平扩展 + 多设备同步，适合生产环境部署
  • 活跃的开源生态：415 位贡献者、持续迭代、文档完善、Discord 社区活跃

使用方法

快速部署（Docker）：

git clone https://github.com/danny-avila/LibreChat.git
cd LibreChat
cp .env.example .env
# 编辑 .env 填入你的 API Key（如 OPENAI_API_KEY）
docker compose up -d
# 访问 http://localhost:3080

切换模型：在 Settings → Model 中选择所需模型（支持列表中直接选取，或填入自定义端点）。

启用 MCP：在 Agent 设置中添加 MCP Server URL，LibreChat 自动识别可用工具并注入对话上下文。

代码执行：在对话中使用 /code 命令或直接发送代码片段，系统自动在沙盒中执行并返回结果。

使用 Agent：创建自定义 Assistant，配置其可调用的工具集（文件搜索、Web 搜索、代码执行等），即可在对话中激活 Agent 模式。

使用场景与人群

适用场景：企业自建 AI 中台需要多模型统一管理；开发团队需要沙盒代码执行环境；需要对 AI 使用进行权限管控和审计的合规场景；需要 Agent + 工具链自动化工作流的团队；希望完全控制数据、不使用云端服务的隐私敏感组织。

目标用户：开发者与技术团队、AI 爱好者与独立研究者、企业 IT 部门与运维团队、有私有化部署需求的内容团队和数据安全要求高的行业（医疗、金融、法律）。

输入与输出案例

案例 1：多模型对比

输入：”帮我用 Claude 3.5 Sonnet 和 GPT-4o 各自解释什么是 MCP 协议，然后对比它们的回答差异”

输出：LibreChat 左侧切换至 Claude 模型执行一次，再切换至 GPT-4o 执行一次，结果以并排卡片展示，直观对比两个模型的理解差异。无需切换标签页或复制粘贴。

案例 2：MCP 工具调用

输入：”帮我查一下 GitHub 上 anthropics/claude-code 最近一周的 Star 增长情况”（配置了 GitHub MCP Server）

输出：Agent 调用 GitHub MCP 工具抓取数据，自动计算近 7 天 Star 增量，输出数值和趋势摘要。整个过程无需手动打开浏览器或调用 API。

案例 3：沙盒代码执行

输入：”用 Python 写一个脚本，读取 /data/sales.csv，计算每个月的总收入并输出柱状图 HTML”

输出：代码在沙盒中执行，生成 HTML 图表文件并直接在对话中渲染展示。CSV 文件通过文件上传工具传入，生成的图表以 Artifacts 形式呈现，可点击放大或下载。

GitHub: https://github.com/danny-avila/LibreChat

评论区

0 条评论

登录后可评论。

Skill超级捕获手 15 阅读