- Implementación de una interfaz de chat multiusuario basada en Open WebUI y Ollama para despliegues locales.
- Configuración de acceso remoto mediante la IP del host, proxies inversos como Caddy o túneles de Cloudflare.
- Optimización de hardware para inferencia de LLM utilizando aceleración por GPU en NVIDIA, AMD y Apple Silicon.
- Extensión de capacidades mediante RAG nativo, funciones Python personalizadas y el protocolo MCP.
¿Cómo compartir Open WebUI con otros usuarios de tu red local? Imagina tener la potencia de un modelo de lenguaje avanzado funcionando en tu propio salón, sin que tus datos pasen por los servidores de ninguna gran tecnológica. Montar un entorno de IA privada es hoy más sencillo que nunca gracias a la combinación de Open WebUI y Ollama, que juntos crean una experiencia idéntica a la de ChatGPT pero bajo tu control absoluto.
Para muchos, el mundo de los contenedores y el hosting puede dar un poco de respeto al principio, pero una vez que entiendes que Docker es el motor que simplifica todo, la cosa fluye sola. Ya sea que quieras usarlo en varios ordenadores de casa o montar un asistente para tu equipo de trabajo, la clave está en saber cómo exponer el servicio para que otros dispositivos puedan entrar en la fiesta.
¿Qué es exactamente este ecosistema?
Para que no haya líos con los nombres, hay que entender que estamos hablando de dos piezas distintas que encajan a la perfección. Ollama es el motor, el encargado de descargar los modelos (como Llama 3.2 o DeepSeek) y ejecutarlos usando tu procesador o tarjeta gráfica. Es la capa técnica que hace el trabajo sucio de procesar los tokens.
Por otro lado, Open WebUI es la cara visible. Es una interfaz web pulida, moderna y multiusuario que se conecta a Ollama. Sin ella, tendrías que chatear a través de una terminal aburrida; con ella, tienes historial de chats, gestión de documentos y un diseño responsive que funciona genial incluso en el móvil.
La gran ventaja de este combo es la privacidad total. Al no depender de claves de API externas ni de facturaciones por token, puedes experimentar todo lo que quieras sin miedo a pasarte el presupuesto o a que alguien lea tus prompts privados.
Instalación rápida y despliegue con Docker
La vía más rápida para ponerlo en marcha es a través de Docker. Si ya tienes Ollama instalado en tu sistema, puedes lanzar Open WebUI con un comando que mapea el puerto 8080 del contenedor al 3000 de tu máquina. Es fundamental usar la bandera –add-host=host.docker.internal:host-gateway, especialmente en Linux, para que el contenedor pueda comunicarse con el servidor de Ollama que corre en el host.
Para quienes buscan algo más serio y profesional, Docker Compose es la opción ganadora. Permite definir ambos servicios en un archivo YAML, gestionando redes compartidas y volúmenes nombrados. Esto asegura que tus conversaciones y configuraciones sobrevivan aunque borres o actualices el contenedor, evitando que pierdas todo el trabajo acumulado.
Si te mueves en entornos empresariales, existen gráficos de Helm para desplegarlo en Kubernetes, permitiendo una escalabilidad masiva y una gestión de almacenamiento persistente mucho más robusta.
Cómo abrir el acceso a otros usuarios de tu red
Aquí es donde muchos se quedan atascados. Por defecto, si entras en localhost:3000, solo tú ves la web. Para que tu pareja, tu colega o tu otra PC entren, debes usar la dirección IP local de tu servidor (por ejemplo, http://192.168.1.15:3000). Si no carga, lo más probable es que el firewall de Windows o Ubuntu esté bloqueando el puerto.
Si quieres subir el nivel y no depender de IPs que cambian, puedes usar un proxy inverso. Caddy es una joya por su sencillez; con un archivo de cinco líneas puedes obtener un certificado SSL automático y acceder mediante un dominio limpio. Si no tienes control sobre el DNS, los Túneles de Cloudflare son la salvación, ya que exponen la web sin necesidad de abrir puertos en tu router.
Un consejo de seguridad vital: nunca lances esto a internet abierta sin protección. Aunque el registro de usuarios está activo por defecto, lo ideal es que desactives la opción de registro en el panel de administración una vez que hayas creado las cuentas necesarias para evitar que cualquier desconocido se cuele en tu servidor.
Acelerando el rendimiento con GPU
No hay nada más frustrante que una IA que responde a paso de tortuga. Para evitarlo, es crucial que Ollama detecte tu GPU. Si tienes NVIDIA, necesitas el NVIDIA Container Toolkit para que el motor acceda a la VRAM. En el caso de AMD, se utiliza ROCm en Linux para lograr un rendimiento competitivo.
Para los usuarios de Mac, hay un detalle importante: ejecuta Ollama de forma nativa y no dentro de Docker. Esto es así porque Docker en macOS no permite el paso directo a la GPU Metal, y si lo haces, el modelo correrá en la CPU, convirtiendo tu potente chip M2 o M3 en un ordenador antiguo.
Dependiendo de tu hardware, la velocidad variará. Un chip Apple Silicon puede alcanzar los 50 tokens por segundo con modelos pequeños como Llama 3.2, mientras que modelos más densos requerirán más RAM y paciencia, pero siempre serán más rápidos que cualquier emulación por software.
Potenciando la IA con RAG, Funciones y MCP
Open WebUI no es solo una ventana de chat; es una plataforma extensible. Una de sus mejores funciones es el RAG nativo (Generación Aumentada por Recuperación). Básicamente, puedes subir tus propios PDFs o documentos de Word y la IA los usará como base de conocimientos. Al escribir el símbolo # en el chat, puedes invocar una colección específica de documentos para que la respuesta sea ultra precisa.
Si sabes un poco de Python, puedes crear Functions y Pipelines. Las funciones permiten añadir botones personalizados a la interfaz o filtrar el contenido de los mensajes (por ejemplo, para borrar correos electrónicos sensibles antes de que lleguen al modelo). Los pipelines, en cambio, actúan como enrutadores externos que pueden conectar tu chat con otras herramientas.
Además, la llegada del Model Context Protocol (MCP) permite que tu IA local interactice con herramientas externas como Slack, GitHub o tus propios archivos locales de forma estandarizada, convirtiendo al chat en un verdadero agente productivo.
Solución de problemas comunes
El error más típico es que Open WebUI cargue pero la lista de modelos esté vacía. Esto ocurre porque el contenedor no llega a Ollama. La solución suele ser configurar la variable OLLAMA_BASE_URL correctamente y asegurarse de que Ollama no esté vinculado solo a 127.0.0.1, sino a 0.0.0.0 para aceptar conexiones externas.
En cuanto al RAG, si notas que las citas no son precisas, prueba a reducir el tamaño del fragmento (chunk size). Si los fragmentos son demasiado grandes, pueden saturar la ventana de contexto de modelos pequeños, haciendo que la IA pierda el hilo de la pregunta original.
Para mantener el sistema al día, basta con hacer un docker pull de la imagen más reciente y reiniciar el contenedor. Gracias a los volúmenes de datos persistentes, no perderás ni un solo mensaje ni ninguna de tus configuraciones personalizadas durante la actualización.
Tener un servidor de inteligencia artificial en casa es una experiencia increíble que combina la privacidad, la capacidad de aprender sobre infraestructura y la versatilidad de los modelos abiertos. Desde la instalación básica con un comando de Docker hasta la configuración avanzada con proxies y bases de conocimiento RAG, Open WebUI se posiciona como la herramienta definitiva para quienes no quieren depender de la nube y prefieren gestionar su propia potencia de cómputo en la red local.
Apasionado de la tecnología desde pequeñito. Me encanta estar a la última en el sector y sobre todo, comunicarlo. Por eso me dedico a la comunicación en webs de tecnología y videojuegos desde hace ya muchos años. Podrás encontrarme escribiendo sobre Android, Windows, MacOS, iOS, Nintendo o cualquier otro tema relacionado que se te pase por la cabeza.