Agent之ChatUI：LibreChat的简介、安装和使用方法、案例应用之详细攻略
目录
LibreChat 的 简介
LibreChat 可以理解为一个开源、自托管的"增强版 ChatGPT 克隆"。仓库标题和简介明确写到，它支持 Features, Agents, MCP, Skills, DeepSeek, Anthropic, AWS, OpenAI, Responses API, Azure, Groq, GPT-5, Gemini, Artifacts, Code Interpreter, message search, open-source for self-hosting 等能力，目标是让用户在一个界面里统一管理和使用多个 AI 生态。
README 进一步说明，LibreChat 不只是聊天界面，它还提供 AI Agents、Model Context Protocol (MCP) 支持、Artifacts、Code Interpreter、custom actions、conversation search、enterprise-ready multi-user authentication，强调的是"把聊天、工具、工作流和企业级访问控制合并在一起"。
Github地址 ：https://github.com/danny-avila/LibreChat
1、 特点
|--------------------------------------------|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 统一多家主流模型与推理接口 | LibreChat 支持 Anthropic（Claude）、AWS Bedrock、OpenAI、Azure OpenAI、Google、Vertex AI、OpenAI Responses API（含 Azure）等主流模型供应方；同时还支持任意 OpenAI-compatible 的自定义端点，不需要 proxy。它也兼容多种本地与远程提供方，如 Ollama、groq、Cohere、Mistral AI、Apple MLX、koboldcpp、together.ai、OpenRouter、Helicone、Perplexity、ShuttleAI、Deepseek、Qwen 等。 |
| Code Interpreter 与安全沙箱 | 仓库把 Code Interpreter API 作为核心特性之一，支持在 Python、Node.js（JS/TS）、Go、C/C++、Java、PHP、Rust、Fortran 中进行安全、沙箱化执行，并且支持文件上传、处理、下载，强调执行环境是完全隔离的。 |
| Agents、Skills、Subagents、MCP 的组合式能力 | LibreChat 的 Agents & Tools Integration 很完整：它支持 No-Code Custom Assistants、Agent Marketplace、共享给特定用户或群组、MCP Servers、tools、file search、code execution 等。仓库还明确列出 Skills：可创建可复用的 SKILL.md 指令包，用于手动、自动或 always-on 的 agent 工作流；以及 Subagents：把专门任务委派给隔离的子代理运行。 |
| Web Search 与结果重排 | README 写明它支持联网搜索，能够结合搜索提供方、内容抓取器和结果重排器提升上下文质量，还支持自定义 Jina reranking API URL。 |
| Generative UI 与代码工件 | LibreChat 提供 Code Artifacts，可在聊天中直接创建 React、HTML 和 Mermaid 图表，这意味着它不仅能"回答问题"，还能把结果做成可视化或可运行的产物。 |
| 图像生成、编辑与多模态文件交互 | 仓库列出图像生成与编辑能力，支持 GPT-Image-1 的 text-to-image / image-to-image，也支持 DALL-E（3/2）、Stable Diffusion、Flux，甚至可通过任意 MCP server 做图像生成。多模态方面，它支持用 Claude 3、GPT-4.5、GPT-4o、o1、Llama-Vision、Gemini 上传并分析图片，也支持通过多种端点"Chat with Files"。 |
| 上下文与会话管理能力强 | README 说明它支持保存、共享自定义 presets，聊天中切换 AI endpoint 和 preset，编辑、重发、继续消息，并支持 conversation branching、fork messages & conversations，这对长对话、多方案探索非常实用。 |
| 多语言、可恢复流、语音与导入导出 | 它提供多语言 UI，覆盖中文简繁、英文、日语、韩语、俄语、西语、法语等多种语言；支持 resumable streams，连接中断后可自动重连恢复；支持 speech-to-text / text-to-speech；还能导入来自 LibreChat、ChatGPT、Chatbot UI 的会话，并将会话导出为截图、markdown、text、json。 |
| 适合企业与多用户场景 | LibreChat 支持 OAuth2、LDAP、Email 登录，多用户安全访问，且内置 moderation 和 token spend 工具。README 还写到它可单机部署，也能借助 Redis 做水平扩展部署，并且能完全本地运行或部署到云端。 |
LibreChat 的安装和使用方法
1、安装
1）从仓库结构看，项目提供了完整的部署与配置入口
仓库文件列表里明确可见 Dockerfile、Dockerfile.multi、docker-compose.yml、docker-compose.override.yml.example、deploy-compose.yml、.env.example 和 librechat.example.yaml，说明它不是"只有前端源码"，而是已经准备好 Docker、环境变量、部署编排和配置示例。
2）官方支持的部署方式
README 的 "Configuration & Deployment" 明确写到，它支持 Proxy、Reverse Proxy、Docker 以及 many Deployment options，并且可以 use completely local or deploy on the cloud。这意味着它的安装路径主要围绕容器化部署、本地私有部署和云部署展开。
3）配置方式
从仓库可见的 librechat.example.yaml 与 .env.example 看，LibreChat 的使用并不只是拉起容器，还需要按模型端点、认证方式、部署环境等进行配置。README 同时提示可以选择自定义 OpenAI-compatible endpoint、云端模型提供方或本地模型提供方。
2、使用方法
1 ）多种后端与接口接入
在实际使用上，LibreChat 的入口是"先选模型，再选能力"。你可以选择 Anthropic、OpenAI、Azure OpenAI、Bedrock、Google、Vertex AI、OpenAI Responses API，或者自定义端点；再按需启用 Agents、Skills、MCP、搜索、文件、代码解释器、图像生成等功能。
2 ）使用方式的核心思路
README 把它概括成 "All-In-One AI Conversations"。实际使用时，用户通常是在同一个聊天界面里完成：模型切换、会话继续、消息分支、文件上传分析、代码工件生成、图像生成/编辑、语音交互、会话搜索与导入导出。
3 ）面向团队的使用路径
如果是团队场景，可以通过多用户认证、presets、agents marketplace、agent sharing、token spend tools、moderation 进行统一管理；如果是个人使用，则可以本地部署并按自己需要打开或关闭不同 AI provider 和工具模块。
LibreChat 的案例应用
1）把多个模型放在一个统一界面里用
LibreChat 最典型的应用，就是把 Claude、OpenAI、Azure OpenAI、Google、Vertex AI、Bedrock 以及本地模型放在同一个 UI 里，让用户不用在多个产品间切换。README 明确把"unifies all major AI providers in a single, privacy-focused interface"作为核心定位。
2）面向开发者的代码与原型工作流
借助 Code Interpreter、Code Artifacts、MCP、Skills、Subagents，LibreChat 很适合做开发辅助：例如写脚本、分析代码、生成 React/HTML/Mermaid 产物、把复杂任务拆给子代理执行。README 也把这些能力列为核心功能。
3）企业知识与多用户协作
由于它支持多用户认证、会话共享、Agent Marketplace、共享 presets、moderation 和 token spend 管理，所以很适合企业内部的知识问答、团队协作、角色化助手和权限控制。
4）文档、文件和多模态分析
LibreChat 支持"Chat with Files"、图片分析、会话导入导出，因此适合做文档审阅、图片理解、资料归档、会议记录整理、截图导出和知识沉淀。
5）联网检索增强问答
内置 Web Search、内容抓取、重排能力，使它很适合做需要实时信息的问答、研究辅助和资料汇总；README 还特别提到可自定义 Jina reranking 服务。
6）长对话与多端续接
resumable streams 和 multi-tab / multi-device sync 说明它适合长时间、跨设备、跨标签页的持续对话工作流，不容易因为断线丢失上下文。
7）图像生成与编辑场景
LibreChat 支持 text-to-image、image-to-image，以及多种图像模型或 MCP server，因此适合做创意草图、视觉内容生成、图片改写和快速设计辅助。