Chat
repaera · Coding · Chatbot
Chat ist ein Open-Source-KI-Chat-Client, der jeden Server des Model Context Protocol (MCP) in eine konversationelle Oberfläche verwandelt. Statt dich durch Formulare zu klicken, sprichst du in einfacher Sprache mit einem Lieferdienst, einem Buchungstool oder einem Aufgabenmanager, und der Assistent ruft im Hintergrund die richtigen Werkzeuge auf. Er ist für Entwickler und Teams gedacht, die ein fertiges Chat-Frontend für ihr eigenes MCP-Backend wollen und nicht noch eine geschlossene Consumer-App. Das Versprechen ist schlicht: eine echte Konversation in natürlicher Sprache statt eines Menüs aus Schaltflächen. Wenn du das schon einmal selbst bauen wolltest und am Ende mit Streaming-Sonderfällen, dem Timing von Datei-Uploads und der Session-Verwaltung gekämpft hast, weißt du bereits, warum es sich lohnt, all das in einem Repository zu bündeln.
Über Chat
Was ist Chat
Chat ist eine universelle Chat-Oberfläche für Dienste, die einen MCP-Server bereitstellen. Du richtest sie auf ein Backend, und sie übernimmt die Konversationsschicht: Streaming-Antworten, Bildanhänge, Verlauf, Authentifizierung und Lokalisierung. Das Projekt kommt als Next.js-App, die du selbst bereitstellst, sodass dieselbe Codebasis viele verschiedene Produkte mit unterschiedlichen Namen und KI-Personas antreiben kann.
Das Kernproblem, das es löst, ist die Lücke zwischen „Ich habe einen MCP-Server" und „meine Nutzer haben eine Chat-Oberfläche, die tatsächlich funktioniert". Diese Schicht von Grund auf zu bauen bedeutet Authentifizierung, Streaming, Datei-Uploads, i18n und Bot-Integrationen. Chat bündelt all das. Das spart Wochen an Klebarbeit. Magie ist hier aber keine im Spiel.
Die wichtigste Einschränkung: Es verbindet sich pro Bereitstellung mit genau einem MCP-Server, eine bewusste Design-Entscheidung und kein Versehen oder ein fehlendes Feature, das später nachgereicht wird. Du wählst entweder ein generisches MCP-Backend oder die TypeScript-Variante mit eingebetteter UI, und beides gleichzeitig einzurichten wird zur Laufzeit abgelehnt. Außerdem ist es selbst gehostete Software, also liegen Datenbank, Speicher und die Schlüssel des LLM-Anbieters bei dir.
Erste Schritte
- Klone das Repository von GitHub und installiere die Abhängigkeiten mit deinem Paketmanager.
- Setze deine Umgebungsvariablen, darunter den Schlüssel des LLM-Anbieters und entweder
MCP_URLoderMCP_APPS_URL. - Richte einen E-Mail-Anbieter, eine Datenbank und Cloudflare-R2-Speicher für den Produktivbetrieb ein.
- Starte die App lokal, um den Chat-Ablauf, die Authentifizierung und Bild-Uploads zu testen.
- Stelle sie bei deinem Wunschhost bereit und passe App-Namen, Persona-Kontext und Sprachstrings an.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Chat.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Entwickler mit einem bereits vorhandenen MCP-Server
- Teams, die mehrere Produkte unter eigener Marke ausliefern
- Support- und Betriebspersonal
Aufgaben
- Einen Liefer-, Buchungs- oder Aufgabendienst an ein Chat-Erlebnis anbinden
- Anfragen mit Bild ergänzen
- Denselben Bot auf Telegram, Slack oder WhatsApp betreiben
Szenarien
- Frühe Produktdemos, bei denen es schnell eine überzeugende Chat-Oberfläche braucht
- Interne Werkzeuge, bei denen einfacher Sprachzugang eine Formularoberfläche schlägt
- Starts in mehreren Regionen
Wichtigste Funktionen
MCP-Werkzeug-Integration
Chat verbindet sich über Streamable HTTP mit einem einzigen externen MCP-Server und lässt den Assistenten dessen Werkzeuge mitten im Gespräch aufrufen. Du wählst einen Modus: ein generisches MCP_URL-Backend oder MCP_APPS_URL für ein TypeScript-Setup mit eingebetteter UI. Die Laufzeit lehnt beides gleichzeitig ab, es gibt also keine Unklarheit darüber, welches Backend antwortet. Das Einrichten geht schnell. Diese Funktion macht die App für jede Domäne nützlich, von der Handwerkerbuchung bis zur Aufgabenverwaltung.
Anpassung der Bereitstellung
App-Name, KI-Persona-Kontext und Sprachstrings lassen sich alle aus einer Codebasis heraus konfigurieren. Das heißt, ein einziges Repository kann mehrere Produkte tragen, jedes mit eigenem Branding und eigenem Assistentenverhalten, ein echter Vorteil für Agenturen und Plattformteams, die mehr als einen Dienst unter demselben Dach betreiben. Ein Branch zum Aktualisieren. Mehrere Produkte am Leben.
Streaming-Antworten und Markdown
Antworten kommen in Echtzeit mit Tippanzeigen, der Chat wirkt also reaktionsschnell und nicht eingefroren. Assistentennachrichten werden als Markdown dargestellt, was Tabellen, Listen, Codeblöcke und Links abdeckt. Liefert dein Dienst strukturierte Daten, erscheinen sie lesbar. Keine rohen Textausgaben. Das zählt für alles, was komplexer ist als eine einzeilige Antwort.
Bildanhänge mit Zuschnitt
Nutzer können Bilder an eine Nachricht anhängen, und vor dem Senden läuft ein verpflichtender Zuschnittdialog. Das Bild wird komprimiert und erst beim Senden zu Cloudflare R2 hochgeladen, es gibt also keinen verfrühten Upload und kein Hintergrund-Heartbeat zu verwalten. Der Assistent kann Bilder auch mit der üblichen Markdown-Syntax in seine Antworten einbetten, dargestellt als quadratische Karten, die sich per Klick in voller Größe öffnen.
Mehrsprachigkeit
Chat erkennt die Sprache des Nutzers per IP-Geolokalisierung mit IPinfo Lite, mit Accept-Language als Rückfall, und lässt sie in den Einstellungen überschreiben. Das eigene i18n-System deckt sowohl Oberflächenstrings als auch KI-System-Prompts ab, in Englisch, Indonesisch, Koreanisch, Japanisch, Spanisch, Chinesisch, Deutsch, Niederländisch, Französisch und Italienisch. Eine i18n-Bibliothek von Drittanbietern ist nicht nötig.
Gesprächsverlauf und Limits
Der Verlauf ist persistent, mit cursorbasierter Paginierung und unendlichem Scrollen, während die Liste wächst. Dazu gibt es ein optionales wöchentliches Nachrichtenkontingent pro Nutzer. Noch zehn Nachrichten? Ein gelbes Banner warnt den Nutzer. Ist das Limit erreicht, gibt das Senden einen 429 zurück bis zum nächsten Fenster. Das gibt Betreibern eine einfache Kostenkontrolle ohne zusätzliche Werkzeuge.
Multi-Plattform-Bots
Über das Chat-SDK kannst du Telegram, WhatsApp, Slack, Teams, Google Chat, Discord, GitHub und Linear anbinden. Jede Plattform schaltet sich nur ein, wenn ihre Umgebungs-Tokens vorhanden sind, und alle unterstützen den vollen LLM- und MCP-Werkzeugablauf. Das ist ein praktischer Weg, Nutzer dort zu treffen, wo sie ohnehin chatten, und es macht aus einem einzigen Backend einen Multi-Plattform-Chatbot ohne zusätzlichen Code.
Vor- und Nachteile
Vorteile
- Die fertige Chat-Schicht deckt Authentifizierung, Streaming, Verlauf, Uploads und Lokalisierung ab und spart Wochen an Entwicklungszeit.
- Eine Codebasis trägt mehrere Bereitstellungen unter eigener Marke über konfigurierbare Namen und Personas.
- Breite Unterstützung für LLM-Anbieter, darunter OpenAI, Anthropic, Google Vertex AI, AWS Bedrock und OpenRouter.
- Multi-Plattform-Bots erreichen Nutzer auf Telegram, Slack, WhatsApp und mehr mit demselben Backend.
- Die automatische Spracherkennung übernimmt den Sprachwechsel ohne manuelle Einrichtung.
Nachteile
- Verbindet sich pro Bereitstellung mit nur einem MCP-Server, Multi-Backend-Setups brauchen also getrennte Instanzen.
- Selbsthosting bedeutet, Datenbank, Objektspeicher und LLM-Schlüssel selbst zu verwalten, was nicht-technische Nutzer ausschließt.
- Erfordert Erfahrung mit Node und TypeScript zum Konfigurieren und Bereitstellen, ist also kein Plug-and-Play-Download.
- Bot-Integrationen hängen von Umgebungs-Tokens ab, ein falsch konfiguriertes Token lässt eine Plattform still offline.
Häufige Fragen
Chat ist eine selbst gehostete Oberfläche, mit der man in natürlicher Sprache mit jedem Dienst sprechen kann, der einen MCP-Server bereitstellt. Du stellst sie bereit, verbindest dein Backend, und der Assistent ruft deine Werkzeuge auf, um Anfragen zu beantworten.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Chat.
Alternativen zu Chat
Forefront
Forefront · CodingForefront ist eine Webplattform zum Bauen mit Open-Source-KI. Sie lassen sich führende Open-Source-Sprachmodelle mit eigenen Daten feintunen, ihre Leistung bewerten und sie über eine API ausführen oder exportieren, um sie selbst zu hosten. Entwickler, die den Komfort einer geschlossenen Plattform wollen, aber darauf bestehen, ihre Modelle und Daten zu besitzen, sind hier die Zielgruppe.
Startkit
StartKit.AI · CodingStartkit ist ein Boilerplate zum Bauen von KI-SaaS-Produkten und KI-Wrappern. Man kann es sich als KI-Startup-Boilerplate vorstellen, bei dem die langweiligen Teile schon verdrahtet sind: Authentifizierung, Zahlungen über Stripe und Lemon Squeezy, Nutzungslimits, transaktionale E-Mail und ein KI-API-Starter-Kit, das mit OpenAI, Anthropic, Groq oder Llama spricht. Man klont das Repository, setzt seinen Preis und kümmert sich um den Teil des Produkts, für den Menschen wirklich bezahlen. Es basiert auf Next.js über React und Tailwind, deshalb fühlt sich ein Großteil des Boilerplate-Codes schon vertraut an.
Testim
Tricentis · CodingTestim ist eine KI-gestützte Plattform für Testautomatisierung, mit der man End-to-End-Tests für Web-, Mobile- und Salesforce-Anwendungen baut und ausführt. Sie setzt auf maschinelles Lernen, um Tests stabil zu halten, wenn sich eine Oberfläche ändert, sodass Teams weniger Zeit mit der Reparatur kaputter Selektoren verbringen. Nicht schlecht für ein Tool für automatisierte Tests, das Sie heute schon nutzen können. Sie erstellen Tests, indem Sie Aktionen im Browser aufzeichnen, und fügen danach JavaScript hinzu, wenn Sie mehr Kontrolle brauchen. Für ein beschäftigtes QA-Team eine solide Wahl.