LibreChatは、複数のAIモデル、Agent、RAG、MCP、Web検索、コード実行を一つの対話画面へまとめられるセルフホスト型Webアプリです。単純なFAQより、ログ、API、ファイルを調べる技術ヘルプデスクの担当者支援で強みが出ます。

特徴

• OpenAI、Anthropic、Google、OpenAI互換など複数エンドポイント。
• Agentへ指示、File Search、MCP、Actions、コード実行を付与。
• RAG APIによる文書のインデックスと検索。
• MCPで社内サービス、データベース、診断APIなどをツール化。
• Web検索、Artifacts、メモリなどの担当者向け機能。

メリット／デメリット

向く業務

ログファイルの解析、エラー原因候補の整理、社内Runbook検索、APIの状態確認、過去チケットの要約、複数モデルによる回答レビューに向きます。顧客が直接使うFAQ画面ならDify、チケット起票ならn8nを組み合わせます。

基本的な使い方

1. 公式Docker構成で検証し、MongoDB、検索、RAG APIを含むサービスを確認する。
2. 利用を許可するモデルプロバイダーだけを接続する。
3. サポート専用Agentを作り、役割、禁止事項、出力形式を設定する。
4. マニュアルとRunbookをFile Search／RAGへ登録する。
5. 読み取り専用のMCPツールから追加し、利用者を限定する。
6. コード実行は隔離された環境を使い、顧客データを持ち込まない。

推奨Agent構成

ベストプラクティス

• Agentは製品や役割ごとに分け、万能Agentを作らない。
• MCPは最初に読み取り専用ツールだけを許可する。
• Deferred Toolsを使い、必要なツールだけを実行時に読み込ませる。
• コード実行環境とLibreChat本体のネットワーク・権限を分離する。
• 一時的な問い合わせファイルと恒久Knowledgeを混同しない。
• ツール結果、根拠、推測を回答内で区別させる。

セキュリティ

MCPやコード実行は便利ですが、AIが外部システムへ作用する範囲を広げます。マスター権限の認証情報を与えず、ユーザーまたはツールごとに最小権限を設定します。削除、変更、再起動などは承認付きの別経路にし、実行ログを監査できる状態にします。

参考資料

• LibreChat公式：機能概要
• LibreChat公式：Agents
• LibreChat公式：RAG API
• LibreChat公式：クイックスタート
• ヘルプデスク向けセルフホストAIランキング

最終確認日：2026年9月13日