Bỏ qua tới nội dung
Ông T.vn

LibreChat: tự dựng khung chat AI nhiều mô hình, nhiều người dùng — hướng dẫn cài đặt và dùng

11 phút đọcCập nhật

Bài này là một góc nhìn khác về LibreChat-AI/LibreChat — repo từng đổi tên nên mình viết lại với cách tiếp cận khác. Bài hướng dẫn chính: LibreChat: chat với mọi mô hình AI trong một giao diện tự host — hướng dẫn cài đặt và dùng →

LibreChat: tự dựng khung chat AI nhiều mô hình, nhiều người dùng — hướng dẫn cài đặt và dùng

Tóm tắt nhanh

LibreChat là một ứng dụng web chat AI mã nguồn mở, giao diện giống ChatGPT, bạn tự cài và tự quản lý. Nó gom Claude, OpenAI, Gemini, DeepSeek, Ollama và nhiều dịch vụ khác vào một chỗ, kèm Agent, MCP, Code Interpreter và đăng nhập nhiều người dùng. README chưa ghi lệnh cài cụ thể, nhưng repo có sẵn Docker Compose và file mẫu cấu hình nên người đã quen Docker cài không khó.

LibreChat là một ứng dụng chat AI mã nguồn mở, giao diện lấy cảm hứng từ ChatGPT, và bạn tự cài nó trên máy hoặc máy chủ của mình. Thay vì mở nhiều trang web cho từng hãng AI, bạn dùng một giao diện duy nhất để nói chuyện với Claude, GPT, Gemini, DeepSeek, Mistral, Groq, các mô hình chạy cục bộ như Ollama… và đổi qua lại ngay giữa cuộc trò chuyện.

Repo này hợp với ba nhóm người. Nhóm thứ nhất là chủ doanh nghiệp nhỏ muốn cho cả đội dùng AI mà không phải mua tài khoản riêng cho từng người. Nhóm thứ hai là dân văn phòng, người làm nội dung muốn một nơi gom hết lịch sử chat, tìm lại được, xuất ra được. Nhóm thứ ba là lập trình viên muốn một nền tảng sẵn có để thử Agent, MCP server, chạy code trong sandbox.

Điểm đáng giá nhất: bạn giữ quyền kiểm soát. Dữ liệu hội thoại nằm trong hệ thống bạn dựng, có đăng nhập nhiều người dùng an toàn (OAuth2, LDAP, email), giấy phép MIT, và repo vẫn được cập nhật đều. Hiện repo có khoảng 47.000 sao và gần 9.700 fork, nên cộng đồng khá lớn nếu bạn cần hỏi.

Ứng dụng

LibreChat-AI/LibreChat

LibreChat là giao diện chat AI mã nguồn mở giống ChatGPT, tự cài trên máy hoặc máy chủ, gom nhiều nhà cung cấp AI, có Agent, MCP và đăng nhập nhiều người.

★ 47kTypeScriptMIT
Xem repo trên GitHub

I.LibreChat làm được gì

A.Một giao diện, nhiều nhà cung cấp AI

README liệt kê Anthropic (Claude), AWS Bedrock, OpenAI, Azure OpenAI, Google, Vertex AI và OpenAI Responses API. Ngoài ra có "Custom Endpoints": dùng bất kỳ API tương thích OpenAI nào mà không cần proxy. Nhờ vậy bạn nối được cả dịch vụ như OpenRouter, Groq, Mistral, DeepSeek, Qwen, Perplexity, hoặc mô hình chạy tại máy như Ollama. Lợi ích thực tế: hôm nay thấy hãng nào rẻ hay hợp việc thì chuyển, không phải học giao diện mới.

B.Agent không cần viết code

Bạn tạo "trợ lý chuyên biệt" bằng giao diện: đặt hướng dẫn, gắn công cụ, tìm kiếm file, chạy code. Agent có thể chia sẻ cho người hoặc nhóm cụ thể, và có chợ Agent để dùng đồ cộng đồng làm. Repo cũng hỗ trợ MCP (Model Context Protocol) để gắn thêm công cụ bên ngoài, và Skills: các gói hướng dẫn dạng SKILL.md dùng lại được. Với đội ngũ, đây là cách biến một câu prompt hay thành công cụ cả nhóm cùng xài.

C.Chạy code trong sandbox

Code Interpreter chạy trong môi trường cô lập với Python, Node.js, Go, C/C++, Java, PHP, Rust và Fortran. Bạn upload file, xử lý, rồi tải kết quả về. README nói phần này dựa trên một dự án mã nguồn mở khác (ClickHouse/code-interpreter) và có thể tự host.

D.Artifacts và tạo ảnh

Artifacts cho phép AI dựng nội dung React, HTML, sơ đồ Mermaid ngay trong khung chat, xem trước toàn màn hình, xuất sơ đồ ra SVG hoặc PNG. Về ảnh, có tạo và sửa ảnh bằng GPT-Image-1, tạo ảnh bằng Stable Diffusion, Flux hoặc qua MCP server.

E.Tìm web, chat với file, giọng nói

Tìm kiếm web kết hợp nhà cung cấp tìm kiếm, công cụ lấy nội dung và sắp xếp lại kết quả. Bạn có thể tải ảnh và file lên để AI phân tích. Có nhập giọng nói và đọc to (Speech-to-Text, Text-to-Speech) với OpenAI, Azure OpenAI và ElevenLabs.

F.Quản lý hội thoại

Tìm kiếm trong toàn bộ tin nhắn, lưu Preset, rẽ nhánh hội thoại, sửa rồi gửi lại tin nhắn, nén gọn cuộc chat dài mà giữ phần gần nhất. Nhập hội thoại từ ChatGPT, Chatbot UI hoặc LibreChat, xuất ra ảnh chụp, markdown, text, JSON. Giao diện có tiếng Việt.

G.Nhiều người dùng và quản trị

Đăng nhập OAuth2, LDAP, email; có công cụ kiểm duyệt và theo dõi chi phí token; có Admin Panel trên trình duyệt để quản lý người dùng, nhóm, vai trò và chỉnh cấu hình mà không phải triển khai lại. Phiên bản mới còn có Trace Viewer, xuất log qua OpenTelemetry và kết nối Langfuse. Một số mục như Agent Management API (beta) và Attached workspaces được README ghi là beta hoặc "highly experimental", bạn nên coi là thử nghiệm.

II.Cần chuẩn bị gì

README không có mục yêu cầu hệ thống riêng, nên mình chỉ nêu những gì tư liệu cho thấy:

  • Một máy hoặc máy chủ để chạy ứng dụng. README nói bạn có thể dùng hoàn toàn cục bộ hoặc triển khai lên cloud.
  • Repo có Dockerfile, docker-compose.yml và package.json (ngôn ngữ chính TypeScript, tên gói npm là LibreChat). Nghĩa là có cả đường Docker lẫn đường Node. Phiên bản Node cụ thể README chưa ghi.
  • Một cơ sở dữ liệu MongoDB: file .env.example có biến MONGO_URI. Docker Compose của repo thường lo phần này giúp, nhưng README chưa nói rõ.
  • API key của nhà cung cấp AI bạn muốn dùng. .env.example có biến ANTHROPIC_API_KEY; với các hãng khác, hãy xem tài liệu chính thức.
  • Phần cứng: README không nói cần GPU. Chỉ khi bạn tự chạy mô hình cục bộ (ví dụ Ollama) thì mới phụ thuộc cấu hình máy.

API key là thứ trả tiền. Đừng dán key vào tin nhắn, ảnh chụp màn hình hay đẩy file .env lên GitHub. Nếu cho cả đội dùng chung, hãy dùng công cụ theo dõi chi phí token để tránh hoá đơn bất ngờ.

III.Cài đặt từng bước

Lưu ý trung thực: README của repo giới thiệu tính năng chứ chưa ghi lệnh cài đặt. Vì vậy phần dưới chỉ dùng các lệnh phổ thông chắc chắn đúng, và chỉ cho bạn file nào trong repo cần xem. Hướng dẫn chi tiết nằm ở trang tài liệu chính thức tại librechat.ai/docs.

  1. Tải mã nguồnDùng git clone để lấy repo về máy
  2. Vào thư mục dự ánMở terminal ngay trong thư mục vừa tải
  3. Tạo file cấu hìnhDựa vào file mẫu .env.example để điền key và MONGO_URI
  4. Khởi chạyDùng Docker Compose theo file docker-compose.yml trong repo
  5. Mở trình duyệtVào địa chỉ ứng dụng và tạo tài khoản đầu tiên

A.Tải mã nguồn về máy

Bạn cần cài Git trước. Mở terminal (PowerShell trên Windows, Terminal trên macOS/Linux), chạy:

Terminal
git clone https://github.com/LibreChat-AI/LibreChat.git

Lệnh này tạo thư mục LibreChat ngay tại nơi bạn đang đứng. Chỗ người mới hay vấp: terminal đang mở ở đâu thì thư mục tạo ở đó, nên hãy cd sang một thư mục dễ nhớ trước khi clone.

B.Vào thư mục dự án

Terminal
cd LibreChat

Từ giờ mọi lệnh sau đều phải chạy trong thư mục này. Nếu gõ lệnh ở ngoài, máy sẽ báo không tìm thấy file.

C.Chuẩn bị file cấu hình

Trong thư mục có file .env.example. Đây là bản mẫu liệt kê các biến cấu hình, ví dụ HOST, PORT, MONGO_URI, DOMAIN_CLIENT, DOMAIN_SERVER, ANTHROPIC_API_KEY. Cách làm thông thường là sao chép file mẫu thành file .env rồi điền giá trị của bạn vào. Tên file .env mà bạn tạo là quy ước chung của loại ứng dụng này, còn README chưa xác nhận từng bước, nên hãy đối chiếu với tài liệu chính thức.

Chỗ hay vấp: file bắt đầu bằng dấu chấm nên trên Windows và macOS có thể bị ẩn trong trình quản lý file. Hãy mở bằng trình soạn thảo code hoặc bật hiển thị file ẩn. Ngoài ra, repo còn có librechat.example.yaml để cấu hình nâng cao như Custom Endpoints, bạn chưa cần đụng vào ở lần đầu.

D.Khởi chạy bằng Docker Compose

Repo có sẵn docker-compose.yml, và README nhắc rằng Admin Panel "đi kèm các stack Docker Compose để cài một lệnh". Nếu bạn đã cài Docker, lệnh Docker Compose phổ thông là:

Terminal
docker compose up -d

up khởi động các dịch vụ khai báo trong file compose, -d cho chạy nền để không chiếm terminal. Đây là lệnh chung của Docker, không phải lệnh được README của LibreChat chép lại, nên nếu có khác biệt (ví dụ cần file override), hãy làm theo tài liệu chính thức. Lần đầu có thể mất vài phút vì phải tải image.

Nếu bạn muốn chạy bằng Node thay vì Docker, README chưa ghi lệnh. Hãy xem package.json (mục scripts) và tài liệu cài đặt trên librechat.ai/docs.

E.Mở ứng dụng

Trên trình duyệt, vào địa chỉ máy bạn đang chạy ứng dụng. Cổng nằm ở biến PORT trong cấu hình; README không nêu giá trị mặc định nên bạn kiểm tra trong file .env hoặc tài liệu. Sau đó tạo tài khoản. Theo cách LibreChat hoạt động, tài khoản đầu tiên thường là quản trị, nhưng chi tiết này README chưa nói.

IV.Kiểm tra đã chạy được chưa

Dấu hiệu thành công dễ thấy nhất là trang đăng nhập LibreChat mở được trên trình duyệt, bạn tạo tài khoản và vào được màn hình chat giống ChatGPT. Sau đó thử:

  1. Chọn một nhà cung cấp AI mà bạn đã điền key (ví dụ Anthropic nếu bạn có ANTHROPIC_API_KEY).
  2. Gõ một câu đơn giản như "Xin chào, bạn là ai?".
  3. Nếu AI trả lời, kết nối từ ứng dụng đến nhà cung cấp đã thông.

Nếu bạn chạy bằng Docker, kiểm tra thêm bằng docker compose ps để xem các dịch vụ có đang ở trạng thái chạy không. README không mô tả đầu ra mong đợi của lệnh này, nên đây chỉ là cách kiểm tra chung của Docker.

V.Dùng vào việc thật

A.Chủ shop cho cả đội dùng chung một khung chat

Bạn có ba nhân viên chăm sóc khách hàng, cần soạn câu trả lời nhanh. Thay vì mỗi người một tài khoản AI, bạn dựng LibreChat, tạo tài khoản cho từng người bằng đăng nhập email, và dùng một API key chung. Bạn bật công cụ theo dõi chi phí token để biết ai dùng bao nhiêu. Kết quả: một nơi duy nhất, có kiểm soát, lịch sử chat nằm trong hệ thống của bạn.

B.Nhân viên văn phòng chọn mô hình theo từng việc

Bạn viết email bằng một mô hình, rồi muốn so sánh bản dịch bằng mô hình khác. Trong LibreChat bạn đổi endpoint ngay giữa cuộc chat, hoặc lưu Preset cho từng loại việc ("Soạn email lịch sự", "Tóm tắt biên bản"). Prompt mẫu:

text
Tóm tắt file đính kèm thành 5 gạch đầu dòng, nêu rõ việc cần làm và người phụ trách.

Sau đó bạn dùng tính năng sao chép tin nhắn dạng rich text để dán thẳng sang Word hoặc email, giữ nguyên định dạng.

Một khung chat chung, nhiều mô hình phía sau: bạn đổi hãng AI mà không phải đổi thói quen làm việc.

Ông T

C.Dev dựng Agent riêng cho nhóm

Bạn là lập trình viên, muốn có trợ lý chuyên review code hoặc phân tích file CSV. Trong LibreChat, bạn tạo Agent, viết hướng dẫn vai trò, bật Code Interpreter để AI chạy Python trong sandbox, rồi chia sẻ Agent cho nhóm. Bạn có thể tải file CSV lên và yêu cầu:

text
Đọc file CSV này, thống kê doanh thu theo tháng và vẽ biểu đồ cột. Cho tôi tải lại file kết quả.

Kết quả: AI chạy code trong môi trường cô lập, trả lại bảng và file để bạn tải về. Nếu cần nối thêm công cụ ngoài, bạn gắn MCP server vào Agent.

D.Người làm nội dung dựng nhanh giao diện thử

Bạn muốn một trang HTML đơn giản hoặc một sơ đồ quy trình để minh hoạ bài viết. Bạn nhờ AI tạo bằng Artifacts, xem trước ngay trong khung chat, rồi xuất sơ đồ Mermaid ra SVG hoặc PNG để chèn vào tài liệu. Cách này nhanh hơn nhiều so với chép code qua lại giữa trình soạn thảo và trình duyệt.

VI.Lỗi hay gặp và cách xử lý

Dưới đây là các lỗi rất dễ gặp với loại ứng dụng tự host này; chúng không được README liệt kê, nên bạn đối chiếu thêm với tài liệu chính thức.

  • Không mở được trang sau khi chạy. Thường do dịch vụ chưa khởi động xong hoặc sai cổng. Chờ vài phút, kiểm tra PORT trong cấu hình và trạng thái các dịch vụ Docker.
  • Không kết nối được cơ sở dữ liệu. Biến MONGO_URI sai hoặc MongoDB chưa chạy. Kiểm tra lại giá trị trong file cấu hình và đảm bảo dịch vụ MongoDB đang hoạt động.
  • AI không trả lời hoặc báo lỗi xác thực. Thường là API key thiếu, sai, hết hạn hoặc hết số dư tại nhà cung cấp. Kiểm tra key ở trang của hãng AI, và đừng dán key lên nơi công khai.
  • Sửa file cấu hình nhưng không có tác dụng. Ứng dụng thường chỉ đọc cấu hình lúc khởi động, nên bạn cần khởi động lại dịch vụ sau khi chỉnh.
  • Cập nhật phiên bản mới thì hỏng. README cảnh báo rõ: hãy xem changelog để biết thay đổi gây lỗi trước khi nâng cấp. Repo cũng có file UPGRADING.md. Hãy sao lưu dữ liệu trước khi nâng cấp.

VII.Có nên dùng không

Điểm mạnh. Mã nguồn mở theo giấy phép MIT, tự host để giữ quyền kiểm soát. Gom được rất nhiều nhà cung cấp AI trong một giao diện quen thuộc. Có Agent, MCP, Code Interpreter, Artifacts, tìm web, đăng nhập nhiều người dùng và Admin Panel. Giao diện có tiếng Việt, và dự án vẫn được cập nhật trong vài tháng gần đây.

Giới hạn. README chưa ghi lệnh cài từng bước, nên người hoàn toàn mới sẽ phải đọc thêm tài liệu. Bạn tự chịu trách nhiệm cài đặt, bảo mật, sao lưu và nâng cấp. Một số tính năng mới được chính tác giả ghi là beta hoặc thử nghiệm. Bạn vẫn phải trả tiền API cho nhà cung cấp AI (trừ khi chạy mô hình cục bộ).

Khi nào chọn cách khác. Nếu chỉ một mình bạn dùng, ít khi chat và không quan tâm quyền kiểm soát dữ liệu, trang chat chính thức của hãng AI sẽ đơn giản hơn. Nếu bạn không có ai lo kỹ thuật cho đội, hãy cân nhắc kỹ trước khi tự vận hành. Còn nếu bạn cần một nền tảng chat AI nội bộ, linh hoạt và có thể mở rộng, LibreChat là lựa chọn đáng thử.

4.8/5 · Ông T chấm

Chưa có độc giả chấm

Bài này có ích với bạn không?

Câu hỏi thường gặp

LibreChat có miễn phí không?

Mã nguồn dùng giấy phép MIT nên bạn dùng và tự cài miễn phí. Tuy nhiên khi gọi các dịch vụ AI như OpenAI hay Anthropic, bạn vẫn phải trả phí API cho nhà cung cấp đó. Chi phí máy chủ nếu bạn triển khai lên cloud cũng do bạn chịu.

LibreChat chạy được trên Windows không?

Tư liệu không nêu rõ hệ điều hành hỗ trợ. Repo có Dockerfile và docker-compose.yml, nên về nguyên tắc bạn có thể chạy qua Docker. Bạn nên xem tài liệu cài đặt chính thức để biết cách làm trên Windows.

Có cần GPU không?

README không yêu cầu GPU. LibreChat chủ yếu là giao diện nối tới các API của nhà cung cấp AI. Nếu bạn tự chạy mô hình cục bộ như Ollama thì cấu hình máy lại tuỳ vào mô hình đó, tư liệu chưa có thông tin cụ thể.

Dữ liệu chat có an toàn không?

Vì bạn tự host, dữ liệu hội thoại nằm trong hệ thống của bạn. Repo có đăng nhập nhiều người dùng bằng OAuth2, LDAP hoặc email, kèm công cụ kiểm duyệt. Nhưng nội dung bạn gửi cho các nhà cung cấp AI bên ngoài vẫn đi qua họ, nên hãy xem chính sách của từng hãng.

LibreChat dùng được những mô hình AI nào?

README liệt kê Anthropic (Claude), OpenAI, Azure OpenAI, AWS Bedrock, Google, Vertex AI, cùng Custom Endpoints cho mọi API tương thích OpenAI. Ngoài ra có Ollama, Groq, Mistral, DeepSeek, OpenRouter, Qwen, Perplexity và nhiều nơi khác. Mô hình cụ thể nào dùng được còn tuỳ nhà cung cấp mà bạn cấu hình.

LibreChat khác gì dùng ChatGPT trực tiếp?

LibreChat có giao diện gần giống ChatGPT nhưng gom nhiều hãng AI vào một nơi và cho bạn tự quản lý. Nó thêm đăng nhập nhiều người dùng, Admin Panel, Agent, MCP và theo dõi chi phí token. Đổi lại, bạn phải tự cài đặt, tự vận hành và tự trả phí API.

Có hỗ trợ MCP và Agent không?

Có. README nói LibreChat hỗ trợ MCP cho công cụ, có Agent không cần code, chia sẻ Agent cho người hoặc nhóm, và Skills dạng SKILL.md. Một số phần như Agent Management API là beta và Attached workspaces được ghi là highly experimental.

Chuyển nhanh tới mục

  1. I.LibreChat làm được gì
    1. A.Một giao diện, nhiều nhà cung cấp AI
    2. B.Agent không cần viết code
    3. C.Chạy code trong sandbox
    4. D.Artifacts và tạo ảnh
    5. E.Tìm web, chat với file, giọng nói
    6. F.Quản lý hội thoại
    7. G.Nhiều người dùng và quản trị
  2. II.Cần chuẩn bị gì
  3. III.Cài đặt từng bước
    1. A.Tải mã nguồn về máy
    2. B.Vào thư mục dự án
    3. C.Chuẩn bị file cấu hình
    4. D.Khởi chạy bằng Docker Compose
    5. E.Mở ứng dụng
  4. IV.Kiểm tra đã chạy được chưa
  5. V.Dùng vào việc thật
    1. A.Chủ shop cho cả đội dùng chung một khung chat
    2. B.Nhân viên văn phòng chọn mô hình theo từng việc
    3. C.Dev dựng Agent riêng cho nhóm
    4. D.Người làm nội dung dựng nhanh giao diện thử
  6. VI.Lỗi hay gặp và cách xử lý
  7. VII.Có nên dùng không

Repo & Skill · 13/11/2026 · 11 phút đọc

Garden Skills: bộ skill thiết kế web, tạo ảnh, làm video cho AI — hướng dẫn cài đặt và dùng

Garden Skills là bộ sưu tập Agent Skills (kỹ năng cho AI) của tác giả ConardLi, dùng được với Claude Code, Cursor, Codex và các AI coding agent khác. Mỗi skill dạy agent làm tốt một việc như thiết kế trang web, tạo ảnh, làm video bằng code, biến tài liệu thành bài viết đẹp. Cài không khó, nhưng README có nhiều cách cài nên bạn cần chọn một cách hợp với công cụ đang dùng.

Repo & Skill · 13/11/2026 · 15 phút đọc

thesysdev/openui: xây giao diện AI dạng streaming — hướng dẫn cài đặt và dùng

OpenUI là framework full-stack, độc lập framework, giúp mô hình AI sinh giao diện có cấu trúc và hiển thị dần khi dữ liệu streaming về. Bạn có thể dựng nhanh một ứng dụng chat bằng CLI hoặc cài từng gói cho React, Vue, Svelte, Angular và LangChain. Việc bắt đầu khá đơn giản nếu máy có đúng phiên bản Node; README chưa ghi đầy đủ lệnh chạy ứng dụng sau khi scaffold.

Repo & Skill · 13/11/2026 · 11 phút đọc

Ruflo: điều phối nhóm agent AI cho Claude Code và Codex — hướng dẫn cài đặt và dùng

Ruflo (trước đây là Claude Flow) là một agent harness: lớp công cụ bao quanh Claude Code và Codex, bổ sung nhiều agent chuyên biệt, bộ nhớ qua các phiên và khả năng chia việc cho nhóm agent. Cài bằng một lệnh `npx ruflo@latest init` trong thư mục dự án, cần Node 20 trở lên. Cài khá dễ, nhưng hệ thống rất rộng nên bạn nên bắt đầu từ một tác vụ nhỏ.