Chat
repaera · 程式設計 · 聊天機器人
Chat 是一款開源 AI 聊天用戶端，能把任何模型情境協定（MCP）伺服器變成對話式介面。你不必在表單之間點來點去，只要用平實的語言跟外送服務、訂位工具或任務管理器對話，助理就會在背後呼叫正確的工具。它是為開發者和團隊打造的：這些人想要一個現成的聊天前端，來接自己的 MCP 後端，而不是再一個封閉的消費型 App。賣點很簡單：真正的自然語言對話，而不是一排按鈕選單。如果你曾試著自己打造這套東西，最後卻卡在串流的邊界情況、檔案上傳的時機和 session 處理上，那你早就知道，為什麼把這些全打包進一個儲存庫值得付出一開始的設定成本。
關於 Chat
什麼是 Chat
Chat 是一套通用聊天介面，專門給那些提供 MCP 伺服器的服務使用。你把它指向一個後端，它就負責對話層：串流回應、圖片附件、歷史紀錄、驗證與在地化。這個專案以 Next.js App 的形式提供，由你自己部署，所以同一套程式碼能驅動許多不同名稱、不同 AI 人設的產品。
它解決的核心問題，是「我有 MCP 伺服器」和「我的使用者有一個真的能用的聊天介面」之間的落差。從零開始打造這一層，意味著驗證、串流、檔案上傳、i18n 和機器人整合。Chat 把這些全打包了。這能省下好幾週的黏合工作。但這裡沒有任何魔法。
主要限制在於，每個部署只會連到一個 MCP 伺服器，這是刻意的設計取捨，不是疏忽，也不是日後可能補上的功能。你可以選通用的 MCP 後端，或選 TypeScript 內嵌 UI 版本，而同時設定兩者在執行時會遭到拒絕。它也是自架軟體，所以資料庫、儲存空間和 LLM 供應商金鑰都得自己負責。
開始使用
- 從 GitHub 複製儲存庫，並用你的套件管理器安裝相依套件。
- 設定環境變數，包括 LLM 供應商金鑰，以及
MCP_URL或MCP_APPS_URL。 - 為正式環境設定電子郵件供應商、資料庫與 Cloudflare R2 儲存空間。
- 在本機執行這個 App，測試聊天流程、驗證與圖片上傳。
- 部署到你偏好的主機，並自訂 App 名稱、人設脈絡與語言字串。
產品資訊
快速了解 Chat 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 已有 MCP 伺服器的開發者：你能得到一個可用的聊天前端，不必自己打造驗證、串流與上傳。
- 推出多個自有品牌產品的團隊：一套程式碼能支撐多個部署，各有不同名稱與 AI 人設。
- 支援與營運人員：他們能用自然語言跟已連接的服務對話，不必另外學一套管理面板。
任務
- 把外送、訂位或任務服務接進聊天體驗：助理會自動把請求導向你的 MCP 工具。
- 加入以圖為主的請求：使用者附上一張照片，裁切後隨訊息送出。
- 在 Telegram、Slack 或 WhatsApp 上跑同一個機器人：只要平台權杖就位，Chat SDK 就會啟用該平台。
情境
- 需要快速做出有說服力聊天介面的早期產品展示：部署這個儲存庫並指向你的後端。
- 用平實語言存取勝過表單介面的內部工具：員工提問並取得答案。
- 多地區上線：自動語言偵測會依使用者所在位置挑選語言。
主要功能
MCP 工具整合
Chat 透過 Streamable HTTP 連接到單一外部 MCP 伺服器，讓助理在對話中途呼叫它的工具。你只能選一種模式：通用的 MCP_URL 後端，或使用 MCP_APPS_URL 的 TypeScript 內嵌 UI 設定。執行環境會同時拒絕兩者，所以不會有哪個後端在回應的模糊地帶。設定很快。正是這項功能讓這個 App 對任何領域都有用，從水電師傅預約到任務管理都行。
部署客製化
App 名稱、AI 人設脈絡與語言字串都能從同一套程式碼設定。這表示單一儲存庫能支撐多個產品，各有自己的品牌與助理行為，對同時經營多項服務的代理商和平台團隊來說是實實在在的優勢。更新一個分支。多個產品同時運作。
串流回應與 Markdown
回應會即時送達，並附上打字指示，所以聊天感覺靈敏而不是凍住。助理訊息以 Markdown 呈現，涵蓋表格、清單、程式碼區塊與連結。如果你的服務回傳結構化資料，顯示出來就是可讀的。不會有一堆原始文字。對於任何比一行回覆更複雜的東西，這點都很重要。
附帶裁切的圖片附件
使用者能把圖片附加到訊息，而且送出前一定會跳出裁切對話框。圖片只會在送出時壓縮並上傳到 Cloudflare R2，所以不會有過早上傳，也沒有背景心跳要管理。助理也能用標準 Markdown 語法把圖片嵌回回覆裡，以方形卡片呈現，點擊後會放大到全尺寸。
多語言支援
Chat 用 IPinfo Lite 依 IP 地理定位偵測使用者語言，並以 Accept-Language 作為備援，還讓人可以在設定裡覆寫。自製的 i18n 系統同時涵蓋介面字串與 AI 系統提示，支援英文、印尼文、韓文、日文、西班牙文、中文、德文、荷蘭文、法文與義大利文。不需要第三方 i18n 函式庫。
對話歷史與限制
歷史紀錄會持久保存，並隨著清單成長採用游標式分頁與無限捲動。另外還有選用的每位使用者每週訊息配額。剩十則訊息？琥珀色橫幅會提醒使用者。一旦達到上限，發送會回傳 429，直到下一個週期開始。這讓營運者不必額外工具就能做簡單的成本控制。
多平台機器人
透過 Chat SDK，你可以連接 Telegram、WhatsApp、Slack、Teams、Google Chat、Discord、GitHub 與 Linear。每個平台只有在對應的環境權杖存在時才會啟用，而且全都支援完整的 LLM 與 MCP 工具流程。這是貼近使用者既有聊天習慣的實用做法，也讓單一後端變成多平台聊天機器人，無需額外程式碼。
優缺點
優點
- 現成的聊天層涵蓋驗證、串流、歷史、上傳與在地化，省下好幾週的開發時間。
- 一套程式碼透過可設定的名稱與人設，支撐多個自有品牌部署。
- 廣泛支援各家 LLM 供應商，包括 OpenAI、Anthropic、Google Vertex AI、AWS Bedrock 與 OpenRouter。
- 多平台機器人讓你用同一個後端觸及 Telegram、Slack、WhatsApp 等平台上的使用者。
- 自動語言偵測處理語言切換，無需手動設定。
缺點
- 每個部署只連一個 MCP 伺服器，所以多後端架構需要各自獨立的執行個體。
- 自架意味著資料庫、物件儲存與 LLM 金鑰都得自己管理，這就排除了非技術背景的使用者。
- 設定與部署需要 Node 和 TypeScript 經驗，所以它不是隨插即用的下載項目。
- 機器人整合取決於環境權杖，權杖設定錯誤會讓某個平台默默地離線。
常見問題
Chat 是一套自架介面，讓人能用自然語言跟任何提供 MCP 伺服器的服務對話。你部署它、連接你的後端，助理就會呼叫你的工具來回應請求。
相關內容
探索與 Chat 相關的工具、技能與文章。
Chat 替代方案
Forefront
Forefront · 程式設計Forefront 是一個用來打造開源 AI 的網頁平台。你可以用自己的資料微調主流的開源語言模型、評估它們的表現，再透過 API 執行，或匯出後自行架設。想要封閉式平台的便利、卻堅持要自己擁有模型與資料的開發者，就是這裡的目標客群。
Startkit
StartKit.AI · 程式設計Startkit 是一套用來打造 AI SaaS 與 AI 包裝產品的樣板。可以把它想成一個 AI 新創樣板，把枯燥的部分都先接好了：驗證、Stripe 與 Lemon Squeezy 付款、用量限制、交易型電子郵件，以及一套能與 OpenAI、Anthropic、Groq 或 Llama 溝通的 AI API 啟動套件。你複製儲存庫、設定價格，然後專心在產品中使用者真正願意付費的部分。它建構於 React 與 Tailwind 之上的 Next.js，所以大部分的樣板程式碼對你來說並不陌生。
Testim
Tricentis · 程式設計Testim 是專為網頁、行動與 Salesforce 應用程式打造的 AI 測試自動化平台，用來建立並執行端到端測試。它靠機器學習在介面變動時維持測試穩定，團隊因此少花時間修補壞掉的定位器。對於一款今天就能開始使用的自動化測試工具來說，這表現不算差。你透過在瀏覽器錄製動作來建立測試，需要更多控制時再補上 JavaScript。對忙碌的 QA 團隊來說，這是個可靠的選擇。