LibreChat: как настроить локальный мультичат для сотен нейросетей без подписок (Win11-Linux-Mac)

Представьте себе единый интерфейс, очень похожий на ChatGPT, но с существенной разницей — в выпадающем списке вы можете выбрать не только DeepSeek, но и Claude от Anthropic, Gemini от Google, Grok от xAI и даже экспериментальные модели вроде ChatGPT 4o. При этом вам не нужны десяток отдельных аккаунтов и VPN для доступа из них.

Это не фантастика, а реальность с LibreChat. Идея показалась настолько очевидной, что я удивился, почему не сделал этого раньше. Собственный чат? На своем компе? С любыми моделями, которые я захочу подключить? Это звучало как манифест цифровой независимости. Решил попробовать, и результат превзошел ожидания.

В этом гайде мы подробно пройдем все шаги установки и настройки LibreChat в средах Windows 11/Linux/Mac, чтобы вы смогли оценить преимущества этого подхода.

Что за зверь — LibreChat?

LibreChat — это бесплатное опенсорсное приложение для чат‑ботов «всё в одном», своего рода ChatGPT‑клон, только не привязанный к одному поставщику ИИ. Для тех, кто всегда мечтал скачать ChatGPT или DeepSeek себе на компьютер, эта штука окажется полезной.

Он умеет общаться с самыми разными моделями. У LibreChat есть веб‑интерфейс (очень похожий на обычные чат-боты), куда вы можете подключать любые сервисы с OpenAI‑совместимым API. Проще говоря, вместо того чтобы разбираться в разных приложениях и ключах, вы один раз настраиваете LibreChat, и в нём появляется выбор моделей от разных провайдеров.

Зачем это нужно? Например, вам хочется пощупать ChatGPT 5 или опробовать экспериментальные модели, но не хочется оплачивать ежемесячную подписку. Или вы хотите использовать отечественные сервисы.

LibreChat позволяет подключить к себе любые такие эндпойнты (то есть API‑сервисы) с поддержкой OpenAI‑совместимых запросов.

В этой статье мы разберём, как развернуть LibreChat локально (на примере Windows, но с учётом отличий для Linux и Mac) и подключить к нему пример кастомного эндпойнта — сервиса BotHub. Это удобный агрегатор моделей, который даёт доступ ко можеству моделей — ChatGPT, Gemini, Claude, Grok, DeepSeek, количество переваливает за сотню. Конечно, у него есть пара альтернатив — например, Hugging Face, но, скорее всего, я опишу только один способ, так как он мне кажется наиболее удобным, чтобы получить доступ сразу ко всем нейросетям из России.

Подготовка: что нужно установить

Перед тем как мы начнём настройку LibreChat, убедитесь, что у вас стоят базовые инструменты. LibreChat написан на JavaScript/TypeScript, поэтому нужен Node.js. Git понадобится, чтобы клонировать репозиторий LibreChat с GitHub. Также LibreChat использует MongoDB для хранения диалогов и настроек.

Итак, вот какие вещи нам понадобятся в процессе установки из‑под Windows 11. Для начала можете установить Git и Node.js, а остальное скачаем по ходу статьи.

• Git (https://git‑scm.com/downloads ^[1]);

• Node.js (https://nodejs.org/en/download ^[2]);

• GitHub‑проект LibreChat (https://github.com/danny‑avila/LibreChat.git ^[3]).

• Базы данных MongoDB (https://www.mongodb.com/try/download/community ^[4]).

Кстати, LibreChat можно запускать и через Docker, но если у вас Windows, то для экономии оперативной памяти и увеличения производительности лучше установить всё напрямую.

Ну что ж, все нужные инструменты названы, и теперь мы можем приступить к настройке.

1. Установка MongoDB

Сперва скачаем и установим MongoDB ^[4].

2. Клонирование LibreChat

Теперь загрузим сам LibreChat:

git clone https://github.com/danny-avila/LibreChat.git D:LibreChat

3. Настройка LibreChat.env

Перейдите в папку проекта D:LibreChat и найдите там файл .env.example. Скопируйте его, чтобы создать настоящий конфиг — файл .env.

Настройка секретных ключей

Откройте .env в текстовом редакторе и заполните секретные ключи: CREDS_KEY, CREDS_IV, JWT_SECRET, JWT_REFRESH_SECRET, MEILI_MASTER_KEY. Эти ключи нужны для шифрования в LibreChat. Создать их можно в официальном генераторе ^[5]. Просто нажмите «Generate» и скопируйте получившиеся строки в соответствующие поля файла .env (после знаков =). Это нужно сделать перед первым запуском LibreChat.

Ключ доступа к агрегатору нейросетей

Дальше добавим ключ для внешнего ИИ‑сервиса. В примере подключим BotHub. Для этого нужно получить BotHub API Key.

Вот ссылка для регистрации ^[6], если у вас ещё нет аккаунта. Здесь даётся бонус (100 000 капсов), который можно будет потратить на общение с чат-ботами.

1. Переходим на https://bothub.chat/ru/profile/for‑developers ^[7].

2. Нажимаем «Добавить ключ».

3. Пишем произвольное название, которое поможет нам отличать этот ключ от других. Например, «LibreChat».

4. В файл .env дописываем в любом месте новую строку, написав ключ после знака =:

BOTHUB_API_KEY=abc56f3657f7b65bd765...

4. Настройка LibreChatlibrechat.yaml

Теперь пропишем в настройках LibreChat наш новый эндпойнт BotHub. Откройте файл librechat.yaml (в корне LibreChat, рядом с .env). В раздел endpoints.custom добавьте блок - name: "BotHub". Не забывайте про отступы: - name начинается с 4 пробелов, последующая строка с 6 пробелов и т. д.

endpoints:
   custom:

    # ...Здесь предыдущие custom-эндпойнты (которые можно удалить)...

    - name: "BotHub"
      baseURL: "https://bothub.chat/api/v2/openai/v1"
      apiKey: "${BOTHUB_API_KEY}"
      models:
        default: ["gpt-5", "claude-sonnet-4", "grok-4", "deepseek-r1-0528", "gemini-2.5-pro-preview", "kimi-k2"]
        fetch: true
      titleConvo: true
      titleModel: "current_model"
      modelDisplayLabel: "BotHub"

"${BOTHUB_API_KEY}" — так и пишем в виде переменной, сюда не нужно вставлять фактический ключ — он подхватится из файла .env.

Набор моделей в списке (gpt-5, claude-sonnet-4, grok-4 и т. д.) — просто для примера, так как насовсем удалять параметр default нельзя. На самом же деле, благодаря включённому fetch: true, список будет подгружаться автоматически.

5. Установка зависимостей LibreChat

Все мы зависимы от чего‑то — и LibreChat не исключение. Поэтому выполним через командную строку команду npm ci, которая установит необходимые модули:

cd /d D:LibreChat && npm ci

Это команда запустит Node.js, который установит установит нужные штуки, требующиеся для LibreChat (они описаны в файлах package.json и package-lock.json).

Вероятность ошибок тут гораздо меньше, чем при установке какого‑нибудь Python‑проекта (Node.js‑зависимости реже падают на ровном месте).

Теперь соберём фронтенд:

cd /d D:LibreChat && npm run frontend

Скриншоты

6. Запуск сервера + добавляем ярлык для быстрого старта

Процесс запуска, по сути, очень лёгкий:

1. Запускаем сервер: npm start backend;

2. Открываем LibreChat в любом браузере: http://locahost:3080 ^[8].

Появившиеся строчки журнала с датой‑временем указывают на то, что сервер находится в активном состоянии:

Чтобы не делать это вручную каждый раз, советуем создать «двойной ярлык», который сначала запустит сервер, а потом браузер. В Windows это делается через ПКМ → Создать → Ярлык. В качестве пути к объекту укажите такую команду (она одновременно проверяет сервер и открывает страницу):

C:WindowsSystem32cmd.exe /c "curl -s http://localhost:3080 >nul 2>&1 && (start http://localhost:3080) || (start cmd /k cd /d D:LibreChat && npm run backend & timeout /t 3 >nul & start http://localhost:3080)"

Вкратце: этот скрипт проверяет, запущен ли уже сервер (через curl http://localhost:3080). Если да, просто открывает браузер; если нет, то открывает новую командную строку, входит в D:LibreChat, запускает npm run backend, даёт серверу 3 секунды прогреться и потом запускает браузер. Называем ярлык, например, «LibreChat».

Если после запуска LibreChat «refuses to connect», подождите одну или несколько минут и обновите страницу.

7. Тестируем: регистрация и первый чат

Регистрация

«Регистрация» здесь вполне условная.

1. Находясь в открытом LibreChat, нажимаем «Sign up».

2. Вводим данные: имя, юзернейм (опционально), имейл, пароль с подтверждением. По сути, данные никуда не отправляются (и подтверждения имейла не будет происходить), поэтому можно написать произвольные, главное запомнить имейл и пароль.

3. На следующем экране входим в систему.

Интерфейс LibreChat

Откроется главная страница LibreChat — типичный чат. Интерфейс очень напоминает ChatGPT или Grok.

Основные функции здесь:

1. Отобразить/скрыть список чатов.

2. Начать новый чат.

3. Выбор модели. Там будет ваш новый эндпойнт BotHub. Нажмите на него и выберите одну из моделей (например, gpt-5 или claude‑sonnet-4). LibreChat обращается к BotHub под капотом и получает сгенерированные ответы.

4. Активировать функцию «временных чатов», которые не сохранятся в списке.

5. Отбразить правую боковую панель, в которой есть несколько дополнительных функций (выбор заготовленных промптов, функция памяти и др).

Искать модели можно в двух полях: «Search models...» или «Search BotHub models...».

Теперь можно начать диалог: задайте боту любой вопрос и посмотрите, как ответ появится потоком, т. е. в реальном времени по ходу генерации, не дожидаясь её завершения. Плюс ко всему, если вы включили рассуждающую модель (например, DeepSeek R1-0528), увидите пошаговое решение запроса (см. скрин ниже):

Если вы хотите убрать ненужные элементы из списка моделей, сделать это можно редактированием файла librechat.yaml — просто удалив ненужные элементы. Благодаря этому, ускорится поиск через «Search models...», т. к. из результатов исчезнут заготовки, которые были из коробки на всякий случай.

    # Groq Example
    - name: 'groq'
      apiKey: '${GROQ_API_KEY}'
...
...
...
      forcePrompt: false
      modelDisplayLabel: 'Portkey'
      iconURL: https://images.crunchbase.com/image/upload/c_pad,f_auto,q_auto:eco,dpr_1/rjqy7ghvjoiu4cd1xjbf

Кстати, можно создать дополнительные закладки (в браузере) или ярлыки (в папке/на рабочем столе, открывая через start http://...) для быстрого запуска моделей. Например:
• http://localhost:3080/c/new?endpoint=BotHub&model=gpt-5 ^[9];
• http://localhost:3080/c/new?endpoint=BotHub&model=claude‑sonnet-4 ^[10];
• http://localhost:3080/c/new?endpoint=BotHub&model=deepseek‑r1-0528 ^[11].

О загрузке файлов

В LibreChat несколько способов прикрепления файлов к чату, давайте рассмотрим верхние три:

• Upload Image — тут всё понятно, загрузка изображения. Работает из коробки.

• Как и предыдущий пункт, Upload as Text работает из коробки. Сюда можно загрузить .txt, .csv, .tsv, файлы исходного кода (.cpp, .html, .py и др.). Не поддерживаются офисные форматы файлов: .pdf, .docx, .xlsx, .pptx, поэтому сейчас самый простой способ прикрепить такие форматы — сначала конвертировать их в поддерживаемый формат (.txt/.tsv). Это можно сделать через программу типа DocuFreezer ^[12], как вариант просто сохранить файл из Word/Excel/Adobe Reader в нужном формате.

• Upload for File Search добавляет возможность загрузки .docx, .pdf, .xlsx, .pptx, чтобы искать в них по принципу RAG. Этот способ нужно устанавливать отдельно, ждите новую инструкцию :‑)

Кстати, то же меню появится, если перетащить файл из папки в окно браузера.

P. S. Напоследок протестируем загрузку изображений:

Как обновить?

Если в будущем вы захотите обновить программу LibreChat, сделать это можно следующей командой:

cd /d D:LibreChat && npm ci

Отличия установки для Linux и Mac

 #!/bin/bash
 cd ~/LibreChat
 npm run backend &
 sleep 2
 xdg-open http://localhost:3080

Да, напоследок отмечу, что имеется пара других способов установки и настройки LibreChat — его можно установить через Docker и Helm ^[13].

Но я решил не описывать способы с Docker, так как они реализованы в Windows неэффективно, существенно теряя в скорости по сравнению с нативной установкой, а кроме того, приводят к постоянному наличию в оперативной памяти вспомогательных Docker‑прослоек (насколько помню, не менее 2 ГБ). Ну и в общем и целом многие, кто работает с Docker через Windows, наверняка согласятся со мной, что это пока еще неоптимизированная штука.

Подведём итоги

Итак, мы установили LibreChat, добавили секретные ключи, подключили внешний AI‑сервис BotHub и запустили систему. Теперь в LibreChat у нас есть единый чат‑интерфейс с возможностью выбирать модели и получать ответы через API. BotHub предлагает все нейросети в одном приложении. Фишка в том, что платить нужно только за реальные запросы, — можно попробовать бесплатно (ссылку привёл выше в статье) и оценить удобство.

В конечном счёте LibreChat делает мультичат простым: вместо множества приложений или просто API‑запросов вы получаете один красивый веб‑интерфейс. Практически любой сервис с API, совместимым с OpenAI, можно «впихнуть» в librechat.yaml — будь то Hugging Face, Oracle или локальный сервер Ollama. За пару кликов вы получите собственный агрегатор нейросетей, развёрнутый на локальном компьютере.

Рекомендую попробовать: возможность задать обычному веб‑интерфейсу любую ИИ‑модель оказывается очень удобной. Удачных экспериментов с ИИ!