- 使用 .env 文件和 docker-compose 详细配置环境变量。
- 将 Anthropic、OpenAI 和 Google Vertex AI 模型集成到 LibreChat 界面中。
- 使用模型上下文协议 (MCP) 和自定义代理实现高级功能。
- 利用 Redis 进行安全管理、用户审核和性能优化。
LibreChat 允许您在一个界面中整合来自 Anthropologie、OpenAI、Google 和其他提供商的模型。但是,安装平台只是第一步。要开始聊天,您还需要…… 添加 API 密钥,定义可用模型,并成功重启服务。.
配置主要分为两个文件。该文件 .env 它包含环境变量和凭据,而 librechat.yaml 它允许自定义端点、模型、代理、MCP 服务器和各种接口功能。
在本指南中,我们将看到 如何将 LibreChat 与 Claude、OpenAI 和 Gemini 连接起来如何允许每个用户使用自己的密钥,以及如果模型未出现在界面中,您应该检查哪些设置。
连接模型之前需要准备什么?

在编辑配置之前,请确认 LibreChat 运行正常且您可以访问其 Web 界面。在 Docker Compose 安装中,应用程序通常位于:
http://localhost:3080
您还需要从您想使用的服务提供商处获取 API 密钥。此外,您还需要订阅 ChatGPT、Claude Pro 或 Google AI Pro 服务。 并不意味着用户会自动获得相应 API 的可用额度。使用API通常需要单独计费。
根据您要连接的型号,您需要获取相应的凭据:
- 人类: 由 Anthropic 开发者控制台创建的密钥。
- OpenAI: 具有可用计费或余额的 OpenAI 平台密钥。
- 谷歌: Vertex AI 的 Gemini API 密钥或 Google Cloud 凭证。
- AWS Bedrock: AWS凭证和访问权限已启用,可用于相应模型。
请勿发布这些密钥或将其包含在屏幕截图中。也不建议直接将它们写入…… librechat.yaml建议将它们存放在 .env 并用变量来引用它们。
.env 和 librechat.yaml 是做什么用的?
文件 .env 它控制着后端的诸多方面,包括端口、与 MongoDB 的连接、应用程序使用的密钥以及 AI 提供商的密钥。
例如,一个基本配置可能包含如下变量:
PORT=3080
MONGO_URI=mongodb://mongodb:27017/LibreChat
ANTHROPIC_API_KEY=tu_clave_de_anthropic
OPENAI_API_KEY=tu_clave_de_openai
GOOGLE_KEY=tu_clave_de_google
文件 librechat.yaml 它用于更结构化的选项:自定义端点、模型列表、共享设置、MCP 服务器、代理、文件存储以及界面中可见的功能。
LibreChat 无需自定义 YAML 文件即可运行,因为它包含默认值。但是,如果您需要自定义 YAML 文件,则需要创建一个。 添加兼容的供应商、控制显示的模型或启用高级功能.
使用 Docker 时, docker-compose.override.yml 它允许您在不编辑主 Compose 文件的情况下修改服务、卷和变量。这样在升级安装时更容易保留更改。
如何将 LibreChat 与 Claude 连接

要使用人为模型,请打开文件 .env 并找到该变量 ANTHROPIC_API_KEY输入从 Anthropic 平台获得的密钥:
ANTHROPIC_API_KEY=sk-ant-tu_clave
接下来,重启 LibreChat,以便后端重新加载变量:
docker compose down
docker compose up -d
重新打开界面后,Anthropic 端点应该会出现在选择器中。可用的模型取决于您的 LibreChat 版本、配置的目录以及您的 Anthropic 帐户的访问权限。
如果您想限制显示的列表,可以使用 ANTHROPIC_MODELS 模型标识符之间用逗号分隔:
ANTHROPIC_MODELS=modelo-claude-1,modelo-claude-2
建议复制已安装版本和 API 支持的标识符。网站上显示的企业名称并不总是与 LibreChat 所需的标识符完全匹配。
Claude 系列中较小的型号通常适用于速度和成本是首要考虑因素的情况。更高级的型号在推理、编程和分析方面性能更佳,但价格通常也更高。
允许每个用户输入自己的密码
如果多人使用同一安装,则无需共享单个全局密钥。LibreChat 支持该值。 user_provided 在不同的端点上:
ANTHROPIC_API_KEY=user_provided
OPENAI_API_KEY=user_provided
GOOGLE_KEY=user_provided
通过这种配置,每个用户都可以通过界面输入自己的凭据。请求将使用他们自己的提供商帐户发出。 管理员无需承担整个装置的能源消耗。.
此选项还避免了在服务器上存储共享密钥。但是,每个用户仍然需要有效的帐户、API 访问权限,并且在服务提供商要求时配置计费方式。
如果要使用全局密钥,请限制 LibreChat 的注册和访问权限。将公共安装连接到付费 API 会导致资源消耗迅速飙升。
如何将 OpenAI 与 LibreChat 连接
OpenAI 的基本配置遵循相同的步骤。将密钥添加到文件中。 .env:
OPENAI_API_KEY=sk-tu_clave_de_openai
您还可以指定要显示的模型:
OPENAI_MODELS=modelo-openai-1,modelo-openai-2
保存更改后,重启 LibreChat。如果端点未显示,请检查容器日志:
docker compose logs api
日志通常会显示是否存在空变量、错误的标识符、连接问题或身份验证错误。
官方集成不应与 OpenAI 兼容的端点混淆。许多本地平台和第三方服务模仿其 API 的格式,但使用不同的地址、密钥和目录。
在 librechat.yaml 中创建自定义端点

要添加与 OpenAI API 兼容的平台,正确的做法是在内部创建一个自定义端点。 librechat.yaml简化后的结构如下:
version: 1.3.5
endpoints:
custom:
- name: "Proveedor personalizado"
apiKey: "${PROVEEDOR_API_KEY}"
baseURL: "https://servidor.example.com/v1"
models:
default:
- "nombre-del-modelo"
fetch: true
titleConvo: true
modelDisplayLabel: "Proveedor personalizado"
钥匙仍然在 .env:
PROVEEDOR_API_KEY=tu_clave
如果该服务本身使用 Anthropic Messages API,则必须将其配置为 Anthropic 提供程序,而不是通用的 OpenAI 兼容端点:
version: 1.3.5
endpoints:
custom:
- name: "Anthropic compatible"
provider: "anthropic"
apiKey: "${ANTHROPIC_API_KEY}"
baseURL: "https://api.anthropic.com"
models:
default:
- "identificador-del-modelo"
fetch: false
修改 YAML 文件后,请重启应用程序并检查日志,如果端点未出现,则需要重新检查。YAML 文件中的空格和缩进非常重要;错误的缩进可能会导致 LibreChat 无法解析该文件。
连接 Gemini 和 Vertex AI
要使用带有密钥的 Gemini API,请添加以下变量:
GOOGLE_KEY=tu_clave_de_google
LibreChat 还可以通过服务帐户与 Vertex AI 配合使用。在这种情况下,您必须启用 Vertex AI API,创建具有相应角色的服务帐户,并向 LibreChat 提供凭据 JSON 文件。
GOOGLE_SERVICE_KEY_FILE=/ruta/segura/credenciales.json
如果文件位于容器外部,则需要使用 Docker Compose 挂载它,以便该路径也存在于 LibreChat 服务中。
不建议在未验证配置的情况下依赖自动切换。如果您想使用 Vertex AI,请显式配置项目、区域、凭据和启用的模型。
Claude 也可以通过 Vertex AI 运行。这需要在 Model Garden 中启用人为模型,并使用至少具有相应角色的服务帐户。 Vertex AI 用户.
通过 AWS Bedrock 使用 Claude
AWS Bedrock 提供了另一种访问 Claude 和来自不同提供商的模型的方法。LibreChat 包含针对此端点的特定配置。
使用此模型前,您必须先向 AWS 申请访问权限,选择兼容的区域,并提供具有必要权限的凭证。在 AWS 环境中,您还可以利用默认凭证链、实例角色或容器关联身份。
避免直接在钥匙中加入永久钥匙。 librechat.yaml尽可能使用权限最小的角色或安全管理的环境变量。
使用 MCP 连接外部工具
模型上下文协议 (MCP) 允许 LibreChat 代理连接到外部工具和资源。MCP 服务器可以提供对数据库、存储库、文件系统、企业应用程序或 API 的访问。
服务器的定义见该部分。 mcpServers de librechat.yaml。 例如:
version: 1.3.5
mcpServers:
servidor-ejemplo:
type: streamable-http
url: "https://servidor.example.com/mcp"
timeout: 30000
具体结构取决于服务器使用的传输方式。LibreChat 支持不同的连接方式,因此您应该遵循您要安装的 MCP 的文档。
MCP 不一定是只读的。工具可以查询信息或进行外部更改。因此,您应该仔细审查:
- 服务器提供了哪些工具?
- 他/她使用什么证件?
- 哪些用户和代理可以访问它?
- 它是否允许写入、删除或修改信息。
- 您可以访问哪些域名和地址?
网络限制和配置 mcpSettings 它们有助于降低未经授权访问内部服务等风险。使用权限也可以按用户、组或角色进行管理。
在 LibreChat 中创建代理和使用技能

LibreChat 允许您创建包含指令、工具、文件和 MCP 服务器的代理。文件上下文功能用于提取文档内容,并在对话期间将其提供给代理。
此外,当前版本还包含 基于 SKILL.md 文件的技能这些技能将可重复使用的指令分组,这些指令可以手动激活、自动发现或在每一回合中应用。
因此,不再需要总是将其他工具中的技能转换成庞大的系统消息。您可以直接修改其文件。 SKILL.md请保留相关说明,并添加您需要的任何支持文件。
要启用此功能,需要具备以下能力 skills 必须在代理端点上可用:
version: 1.3.5
endpoints:
agents:
capabilities:
- "context"
- "skills"
- "tools"
您还可以将可用技能限制于特定型号或代理。这样可以防止加载无关指令,并允许您控制每个助理可以使用的程序。
配置 MongoDB、权限和反向代理
LibreChat 使用 MongoDB 存储用户、对话和其他应用程序数据。如果您使用外部实例,请检查…… MONGO_URI 包含用户名、密码、服务器、端口、数据库和必要的身份验证参数。
MONGO_URI=mongodb://usuario:contraseña@servidor:27017/LibreChat?authSource=admin
当密码包含特殊字符时,可能需要在 URI 中对其进行正确编码。
在 Linux 系统中,可以通过将容器的 UID 和 GID 与运行 Docker 的用户的 UID 和 GID 进行匹配来解决挂载卷上的写入问题:
UID=1000
GID=1000
不要盲目更改这些值。首先,请检查用户的实际ID并验证已挂载文件夹的权限。
如果 LibreChat 运行在 Nginx、Traefik、Caddy 或 Cloudflare 之后,请正确配置。 TRUST_PROXY此设置决定哪些代理是可信的,并影响获取客户端 IP 地址、安全 cookie 以及强制执行每个地址限制的系统。
什么时候值得安装 Redis?
Redis 可用于缓存、会话和可恢复流。当在负载均衡器后运行多个 LibreChat 实例时,Redis 也必不可少,因为它允许实例之间共享状态。
然而, 单个安装并不一定需要 Redis。对于家庭服务器、本地测试或使用 Docker Compose 的简单实例来说,内存模式通常就足够了。
基本配置可能包括:
USE_REDIS=true
REDIS_URI=redis://redis:6379
Redis 本身并不会自动提升任何模型的速度或降低供应商 API 的延迟。它的优势主要体现在平台自身的状态管理、缓存和扩展能力上。
实例的审核与保护
LibreChat 拥有一个自动评分系统,会对诸如过度注册、登录或发送消息等行为进行评分。如果超过设定的阈值,系统可能会暂时封禁用户及其 IP 地址。
其变量包括:
BAN_VIOLATIONS=true
BAN_INTERVAL=20
BAN_DURATION=7200000
更改这些值之前,请先查看已安装版本设置的单位和限制。过于激进的设置可能会阻止正常用户使用。
这套系统对于防范基本的滥用行为很有用,但是 它不能替代防火墙、配置正确的反向代理或 DDoS 防护。如果实例暴露在互联网上,建议在不需要时关闭公共注册表,使用 HTTPS,并保持 LibreChat 更新。
将文件保存到 S3 或 Azure Blob 存储
默认情况下,LibreChat 可以将文件保存在本地。对于用户较多的安装环境,可以使用 Amazon S3 或 Azure Blob Storage 作为持久化后端存储。
CloudFront 还有另一个用途:它充当 S3 前面的 CDN,通过稳定的链接、边缘缓存以及(如果配置的话)签名 URL 或 cookie 来提供图像和下载。 CloudFront 并不会取代 S3 作为存储系统.
LibreChat 还允许您根据文件类型选择不同的策略。例如,您可以将文档存储在 S3 中,并使用 CDN 支持的策略来提供图像服务。
迁移存储之前,请配置最小权限,在不必要的情况下阻止公共访问,并创建备份策略。使用外部存储并不会取代 MongoDB 备份,因为其他重要的应用程序数据也存储在 MongoDB 中。
如果 Claude 或 OpenAI 没有出现,应该检查什么?
当供应商未出现在选择器中或返回错误时,请检查以下几点:
- 检查对应的变量是否不为空。
- 确认该密钥属于 API,而不是属于消费者订阅。
- 检查账户是否有余额、账单以及是否可以访问该模型。
- 请确认模型标识符是否正确。
- 验证缩进和结构
librechat.yaml. - 请确保 YAML 文件已挂载到容器内。
- 修改设置后,请重启 LibreChat。
- 使用以下方式查阅记录
docker compose logs api.
您还可以通过以下方式查看服务状态:
docker compose ps
如果 MongoDB 看似已停止运行,则应用程序可能加载不完整或被拒绝访问。如果只有一个提供程序出现故障,则问题通常与键、端点、所选模型或容器的连接性有关。
将 LibreChat 与 Claude、OpenAI 或 Gemini 连接需要正确协调密钥。 .env 具备高级选项 librechat.yaml提供商配置完成后,可以使用代理、技能、文档和 MCP 服务器扩展平台,始终应用最小权限,避免向未经授权的用户暴露凭据或敏感工具。
指数
- 1 连接模型之前需要准备什么?
- 2 .env 和 librechat.yaml 是做什么用的?
- 3 如何将 LibreChat 与 Claude 连接
- 4 允许每个用户输入自己的密码
- 5 如何将 OpenAI 与 LibreChat 连接
- 6 在 librechat.yaml 中创建自定义端点
- 7 连接 Gemini 和 Vertex AI
- 8 通过 AWS Bedrock 使用 Claude
- 9 使用 MCP 连接外部工具
- 10 在 LibreChat 中创建代理和使用技能
- 11 配置 MongoDB、权限和反向代理
- 12 什么时候值得安装 Redis?
- 13 实例的审核与保护
- 14 将文件保存到 S3 或 Azure Blob 存储
- 15 如果 Claude 或 OpenAI 没有出现,应该检查什么?