LibreChat 與 Claude 及其他模型連接的完整指南

LibreChat 可讓您在一個介面中整合來自 Anthropologie、OpenAI、Google 和其他提供者的模型。但是，安裝平台只是第一步。要開始聊天，您還需要… 新增 API 金鑰，定義可用模型，並成功重新啟動服務。.

配置主要分為兩個檔案。該文件 .env 它包含環境變數和憑證，而 librechat.yaml 它允許自訂端點、模型、代理、MCP 伺服器和各種介面功能。

在本指南中，我們將看到 如何將 LibreChat 與 Claude、OpenAI 和 Gemini 連接起來如何允許每個使用者使用自己的金鑰，以及如果模型未出現在介面中，您應該檢查哪些設定。

連接模型前需要準備什麼？

在編輯配置之前，請確認 LibreChat 運作正常且您可以存取其 Web 介面。在 Docker Compose 安裝中，應用程式通常位於：

http://localhost:3080

您還需要從您想使用的服務提供者取得 API 金鑰。此外，您還需要訂閱 ChatGPT、Claude Pro 或 Google AI Pro 服務。 並不意味著用戶會自動獲得相應 API 的可用額度。使用API​​通常需要單獨計費。

根據您要連接的型號，您需要取得相應的憑證：

• 人類： 由 Anthropic 開發者控制台建立的金鑰。
• OpenAI： 具有可用計費或餘額的 OpenAI 平台金鑰。
• Google: Vertex AI 的 Gemini API 金鑰或 Google Cloud 憑證。
• AWS Bedrock： AWS憑證和存取權限已啟用，可用於對應模型。

請勿發布這些密鑰或將其包含在螢幕截圖中。也不建議直接將它們寫入… librechat.yaml建議將它們存放在 .env 並用變數來引用它們。

.env 和 librechat.yaml 是做什麼用的？

文件 .env 它控制著後端的許多方面，包括連接埠、與 MongoDB 的連接、應用程式使用的密鑰以及 AI 提供者的密鑰。

例如，一個基本配置可能包含以下變數：

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 它用於更結構化的選項：自訂端點、模型清單、共用設定、MCP 伺服器、代理、檔案儲存以及介面中可見的功能。

LibreChat 無需自訂 YAML 檔案即可運行，因為它包含預設值。但是，如果您需要自訂 YAML 文件，則需要建立一個。 新增相容的供應商、控制顯示的模型或啟用進階功能.

使用 Docker 時， docker-compose.override.yml 它允許您在不編輯主 Compose 檔案的情況下修改服務、磁碟區和變數。這樣在升級安裝時更容易保留變更。

如何將 LibreChat 與 Claude 連接

若要使用人為模型，請開啟文件 .env 並找到該變數 ANTHROPIC_API_KEY輸入從 Anthropic 平台獲得的密鑰：

ANTHROPIC_API_KEY=sk-ant-tu_clave

接下來，重新啟動 LibreChat，以便後端重新載入變數：

docker compose down
docker compose up -d

重新開啟介面後，Anthropic 端點應該會出現在選擇器中。可用的模型取決於您的 LibreChat 版本、配置的目錄以及您的 Anthropic 帳戶的存取權。

如果您想限制顯示的列表，可以使用 ANTHROPIC_MODELS 模型標識符之間以逗號分隔：

ANTHROPIC_MODELS=modelo-claude-1,modelo-claude-2

建議複製已安裝版本和 API 支援的識別碼。網站上顯示的企業名稱並不總是與 LibreChat 所需的識別碼完全相符。

Claude 系列中較小的型號通常適用於速度和成本是首要考慮因素的情況。更高級的型號在推理、編程和分析方面性能更佳，但價格通常也更高。

允許每個使用者輸入自己的密碼

如果多人使用相同安裝，則無需共用單一全域金鑰。 LibreChat 支援該值。 user_provided 在不同的端點上：

ANTHROPIC_API_KEY=user_provided
OPENAI_API_KEY=user_provided
GOOGLE_KEY=user_provided

透過這種配置，每個使用者都可以透過介面輸入自己的憑證。請求將使用他們自己的提供者帳戶發出。 管理員無需承擔整個裝置的能源消耗。.

此選項還避免了在伺服器上儲存共用金鑰。但是，每個使用者仍然需要有效的帳戶、API 存取權限，並且在服務提供者要求時配置計費方式。

如果要使用全域金鑰，請限制 LibreChat 的註冊和存取權限。將公共安裝連接到付費 API 會導致資源消耗迅速飆升。

如何將 OpenAI 與 LibreChat 連接

OpenAI 的基本配置遵循相同的步驟。將密鑰新增至文件。 .env:

OPENAI_API_KEY=sk-tu_clave_de_openai

您也可以指定要顯示的模型：

OPENAI_MODELS=modelo-openai-1,modelo-openai-2

儲存變更後，重新啟動 LibreChat。如果端點未顯示，請檢查容器日誌：

docker compose logs api

日誌通常會顯示是否有空變數、錯誤的識別碼、連線問題或驗證錯誤。

官方整合不應與 OpenAI 相容的端點混淆。許多本機平台和第三方服務模仿其 API 的格式，但使用不同的位址、金鑰和目錄。

在 librechat.yaml 中建立自訂端點

要新增與 OpenAI API 相容的平台，正確的做法是在內部建立一個自訂端點。 librechat.yaml簡化後的結構如下：

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"

鑰匙仍然在 .env:

PROVEEDOR_API_KEY=tu_clave

如果該服務本身使用 Anthropic Messages API，則必須將其配置為 Anthropic 提供程序，而不是通用的 OpenAI 相容端點：

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 檔案後，請重新啟動應用程式並檢查日誌，如果端點未出現，則需要重新檢查。 YAML 檔案中的空格和縮排非常重要；錯誤的縮排可能會導致 LibreChat 無法解析該檔案。

連接 Gemini 和 Vertex AI

若要使用帶有金鑰的 Gemini API，請新增下列變數：

GOOGLE_KEY=tu_clave_de_google

LibreChat 也可以透過服務帳戶與 Vertex AI 搭配使用。在這種情況下，您必須啟用 Vertex AI API，建立具有相應角色的服務帳戶，並向 LibreChat 提供憑證 JSON 檔案。

GOOGLE_SERVICE_KEY_FILE=/ruta/segura/credenciales.json

如果檔案位於容器外部，則需要使用 Docker Compose 來掛載它，以便路徑也存在於 LibreChat 服務中。

不建議在未驗證配置的情況下依賴自動切換。如果您想使用 Vertex AI，請明確設定項目、區域、憑證和啟用的模型。

Claude 也可以透過 Vertex AI 運行。這需要在 Model Garden 中啟用人為模型，並使用至少具有相應角色的服務帳戶。 Vertex AI 用戶.

透過 AWS Bedrock 使用 Claude

AWS Bedrock 提供了另一種存取 Claude 和來自不同供應商的模型的方法。 LibreChat 包含針對此端點的特定配置。

使用此模型前，您必須先向 AWS 申請存取權限，選擇相容的區域，並提供具有必要權限的憑證。在 AWS 環境中，您也可以利用預設憑證鏈、執行個體角色或容器關聯身分。

避免直接在鑰匙中加入永久鑰匙。 librechat.yaml盡可能使用權限最小的角色或安全管理的環境變數。

使用 MCP 連接外部工具

模型上下文協定 (MCP) 允許 LibreChat 代理連接到外部工具和資源。 MCP 伺服器可以提供對資料庫、儲存庫、檔案系統、企業應用程式或 API 的存取。

伺服器的定義見該部分。 mcpServers de librechat.yaml。 例如：

version: 1.3.5

mcpServers:
  servidor-ejemplo:
    type: streamable-http
    url: "https://servidor.example.com/mcp"
    timeout: 30000

具體結構取決於伺服器使用的傳輸方式。 LibreChat 支援不同的連接方式，因此您應該遵循您要安裝的 MCP 的文件。

MCP 不一定是唯讀的。工具可以查詢資訊或進行外部更改。因此，您應該仔細審查：

• 伺服器提供了哪些工具？
• 他/她使用什麼證件？
• 哪些用戶和代理可以存取它？
• 它是否允許寫入、刪除或修改資訊。
• 您可以存取哪些網域和地址？

網路限制和配置 mcpSettings 它們有助於降低未經授權存取內部服務等風險。使用權限也可以依使用者、群組或角色進行管理。

在 LibreChat 中創建代理和使用技能

LibreChat 可讓您建立包含指令、工具、檔案和 MCP 伺服器的代理程式。文件上下文功能用於提取文件內容，並在對話期間將其提供給代理。

此外，目前版本還包含 基於 SKILL.md 檔案的技能這些技能將可重複使用的指令分組，這些指令可以手動啟動、自動發現或在每一回合中應用。

因此，不再需要總是將其他工具中的技能轉換成龐大的系統訊息。您可以直接修改其文件。 SKILL.md請保留相關說明，並新增您需要的任何支援文件。

要啟用此功能，需要具備以下能力 skills 必須在代理端點上可用：

version: 1.3.5

endpoints:
  agents:
    capabilities:
      - "context"
      - "skills"
      - "tools"

您也可以將可用技能限制於特定型號或代理商。這樣可以防止載入無關指令，並允許您控制每個助理可以使用的程式。

配置 MongoDB、權限和反向代理

LibreChat 使用 MongoDB 儲存使用者、對話和其他應用程式資料。如果您使用外部實例，請檢查… MONGO_URI 包含使用者名稱、密碼、伺服器、連接埠、資料庫和必要的身份驗證參數。

MONGO_URI=mongodb://usuario:contraseña@servidor:27017/LibreChat?authSource=admin

當密碼包含特殊字元時，可能需要在 URI 中對其進行正確編碼。

在 Linux 系統中，可以透過將容器的 UID 和 GID 與執行 Docker 的使用者的 UID 和 GID 進行比對來解決掛載磁碟區上的寫入問題：

UID=1000
GID=1000

不要盲目更改這些值。首先，請檢查使用者的實際ID並驗證已掛載資料夾的權限。

如果 LibreChat 運行在 Nginx、Traefik、Caddy 或 Cloudflare 之後，請正確配置。 TRUST_PROXY此設定決定哪些代理程式是可信任的，並影響取得用戶端 IP 位址、安全性 cookie 以及強制執行每個位址限制的系統。

什麼時候值得安裝 Redis？

Redis 可用於快取、會話和可恢復串流。當在負載平衡器後執行多個 LibreChat 實例時，Redis 也必不可少，因為它允許執行個體之間共用狀態。

然而， 單一安裝並不一定需要 Redis。對於家庭伺服器、本地測試或使用 Docker Compose 的簡單實例來說，記憶體模式通常就足夠了。

基本配置可能包括：

USE_REDIS=true
REDIS_URI=redis://redis:6379

Redis 本身並不會自動提升任何模型的速度或降低供應商 API 的延遲。它的優勢主要體現在平臺本身的狀態管理、快取和擴展能力。

實例的審核與保護

LibreChat 擁有一個自動評分系統，可對過度註冊、登入或發送訊息等行為進行評分。如果超過設定的閾值，系統可能會暫時封鎖使用者及其 IP 位址。

其變數包括：

BAN_VIOLATIONS=true
BAN_INTERVAL=20
BAN_DURATION=7200000

在變更這些值之前，請先查看已安裝版本設定的單位和限制。過於激進的設定可能會阻止正常用戶使用。

這套系統對於防範基本的濫用行為很有用，但是 它不能取代防火牆、配置正確的反向代理或 DDoS 防護。如果執行個體暴露在網際網路上，建議在不需要時關閉公用註冊表，使用 HTTPS，並保持 LibreChat 更新。

將檔案儲存到 S3 或 Azure Blob 儲存

預設情況下，LibreChat 可以將檔案保存在本機。對於使用者較多的安裝環境，可以使用 Amazon S3 或 Azure Blob Storage 作為持久化後端儲存。

CloudFront 還有另一個用途：它充當 S3 前面的 CDN，透過穩定的連結、邊緣快取以及（如果配置的話）簽署 URL 或 cookie 來提供圖片和下載。 CloudFront 並不會取代 S3 作為儲存系統.

LibreChat 還允許您根據文件類型選擇不同的策略。例如，您可以將文件儲存在 S3 中，並使用 CDN 支援的策略來提供影像服務。

在遷移儲存之前，請配置最小權限，在不必要的情況下阻止公共訪問，並建立備份策略。使用外部儲存並不會取代 MongoDB 備份，因為其他重要的應用程式資料也儲存在 MongoDB 中。

如果 Claude 或 OpenAI 沒有出現，應該檢查什麼？

當供應商未出現在選擇器中或傳回錯誤時，請檢查以下幾點：

1. 檢查對應的變數是否不為空。
2. 確認該金鑰屬於 API，而非屬於消費者訂閱。
3. 檢查帳戶是否有餘額、帳單以及是否可以存取該模型。
4. 請確認模型標識符是否正確。
5. 驗證縮排和結構 librechat.yaml.
6. 請確保 YAML 檔案已掛載到容器內。
7. 修改設定後，請重新啟動 LibreChat。
8. 使用以下方式查閱記錄 docker compose logs api.

您也可以透過以下方式查看服務狀態：

docker compose ps

如果 MongoDB 看似已停止運行，則應用程式可能載入不完整或被拒絕存取。如果只有一個提供者發生故障，則問題通常與鍵、端點、所選模型或容器的連接性有關。

將 LibreChat 與 Claude、OpenAI 或 Gemini 連接需要正確協調金鑰。 .env 具備進階選項 librechat.yaml提供者配置完成後，可以使用代理、技能、文件和 MCP 伺服器擴充平台，始終套用最小權限，避免向未經授權的使用者暴露憑證或敏感工具。