LobeHub 多智能体聊天平台

要解决的问题

现在的 Agent 大多是一次性、任务驱动的工具：每次对话都在孤立窗口里进行，换模型就要手动搬运上下文，不同任务之间的衔接全靠人。部分产品虽然提供记忆，但往往是全局、浅层的，难以针对某个项目或某条工作流做精细管理。当你需要把多个 Agent 串成一条协作链时，缺少一个统一的宿主环境。

核心能力

LobeHub 用一个自托管聊天平台把这些碎片收拢到一起，主要能力包括：

• 统一模型接入：内置支持 50+ LLM providers，不必为每个供应商单独写胶水代码。
• MCP 插件市场：以 MCP 协议组织插件，工具和数据源可以像装应用一样按需添加。
• 知识库管理：把项目文档、内部资料纳入可检索的上下文，而不是依赖全局浅层记忆。
• 多智能体协作：在同一个会话宿主里编排多个 Agent，让它们分工而不是各自为战。
• 可扩展的工具调用与语音能力：作为 ChatGPT 的自托管替代，保留了函数调用扩展点和语音入口。

关键使用路径是：先用 Docker 或源码方式起服务，再通过环境变量完成基础配置，然后在插件市场挑选 MCP 插件、挂载知识库，最后把多个 Agent 编排进同一条协作流。

适用边界与注意点

• 自托管意味着你要自己负责部署、升级和密钥管理，没有托管服务的运维兜底。
• 平台依赖环境变量完成基础配置，漏配会导致对应功能不可用，建议部署前先整理好变量清单。
• MCP 插件生态成熟度不一，第三方插件的质量和权限范围需要自行评估。
• 多智能体协作的收益取决于编排设计，把一堆 Agent 堆在一起不等于自动产出高质量结果。