LibreChat: un chat propio con todos los modelos en la misma interfaz

Hallazgos IA y agentes 14 sept 2026

Categoría de recurso: IA

Creado por Danny Avila con licencia MIT. Documentación en docs.librechat.ai.

LibreChat es una interfaz de chat autoalojada que centraliza varios proveedores de modelos en una sola conversación, con las conversaciones guardadas en tu propia base de datos. Nació como clon de ChatGPT y hoy cubre bastante más.

Proveedores

Integración directa: OpenAI, Azure OpenAI, Anthropic (Claude), AWS Bedrock, Google y Vertex AI.

Compatibles: Ollama, Groq, Mistral AI, OpenRouter, DeepSeek, Cohere y otros.

Además acepta endpoints personalizados: cualquier API compatible con OpenAI entra sin proxy intermedio. Eso incluye modelos locales.

Qué trae más allá del chat

Área	Capacidades
Agentes	Asistentes propios sin código, con marketplace, subagentes y skills
Herramientas	Model Context Protocol (MCP) para conectar servidores de herramientas
Código	Intérprete en sandbox: Python, Node.js, Go, C/C++, Java, PHP, Rust, Fortran
Web	Búsqueda web con reranking configurable
Artefactos	Render de React, HTML y Mermaid en la conversación
Imágenes	DALL·E, Stable Diffusion, Flux o vía servidores MCP
Equipo	Multiusuario con OAuth2, LDAP o correo; panel de administración con roles
Conversaciones	Importar/exportar, búsqueda de mensajes, varias pestañas sincronizadas

Despliegue

El camino principal es Docker Compose; el repositorio incluye ficheros para el montaje estándar y para varios servicios. Hay stacks preparados para Railway, Zeabur y Sealos.

git clone https://github.com/danny-avila/LibreChat.git
cd LibreChat
cp .env.example .env
docker compose up -d

El .env es el trabajo real: ahí van las claves de cada proveedor, la configuración de autenticación y qué endpoints se habilitan. Los agentes, MCP y los espacios de trabajo se configuran en librechat.yaml.

Antes de montarlo

Decide quién entra. Si va a estar expuesto en internet, la autenticación y el registro cerrado son lo primero, no un ajuste posterior.
Empieza con un proveedor y un modelo; añade el resto cuando el despliegue ya sea estable.
Haz copia de la base de datos: ahí viven todas las conversaciones.
El intérprete de código ejecuta código: revisa cómo está aislado antes de abrirlo a otros usuarios.
Mide el gasto por clave. Autoalojar no reduce el coste de los modelos, solo cambia quién lo paga y cómo.

Límites

Autoalojar implica mantener: actualizaciones, copias, certificados y vigilancia del servidor.
Las funciones avanzadas (agentes, MCP, espacios de trabajo) tienen configuración densa; la curva no está en instalar sino en afinar.
Cada proveedor sigue aplicando sus propias políticas de datos y retención a lo que le envías: la interfaz es tuya, el modelo no.