Selbst gehostet · in Entwicklung · Version 0.4.0
Ein KI-Chat für die ganze Familie – auf dem eigenen Server
MultiGPT ist eine Web-App für das Heimnetz, über die alle im Haushalt mit verschiedenen KI-Modellen chatten – von OpenAI über Anthropic und Google bis zum lokalen LM Studio. Chats, Konten und API-Keys bleiben dabei auf dem eigenen Server.
Die Idee dahinter
Das sind die Ziele für Version 1. Was davon schon umgesetzt ist, zeigen die Statusmarken weiter unten.
Eigene Daten
Oberfläche, Chatverläufe und API-Keys liegen nur auf dem eigenen Server im Heimnetz, in PostgreSQL. API-Keys werden verschlüsselt gespeichert. Nach außen gehen nur die Anfragen an die gewählten KI-Anbieter.
Ein Chat für viele Anbieter
Eine Oberfläche für alle angebundenen Modelle, Modellwahl pro Nachricht. Lokale Modelle aus LM Studio laufen kostenlos mit, sobald der PC an ist.
Familienkonten mit Rollen und Budgets
Jedes Familienmitglied hat ein eigenes Konto. Rollen legen fest, wer welche Modelle und Funktionen nutzen darf. Monatsbudgets halten die Kosten im Rahmen.
Was MultiGPT kann und können soll
Anmeldung mit Schutz
Login, Logout und Passwort ändern. Nach fünf Fehlversuchen wird für 15 Minuten gesperrt. Keine Selbstregistrierung.
Debian-Paket und systemd
Ein
.debmit eigenem venv, nginx mit TLS, systemd-Units und dem Verwaltungsbefehlmgpt-ctl, aktuell 0.4.0. Seit 0.3.4 über eine signierte apt-Paketquelle für Debian 13, Updates mitapt upgrade. Docker als Ausweichweg. Die Testinstallation auf einem frischen Debian 13 steht noch aus.Ein Chat, viele Anbieter
OpenAI, Anthropic, Google Gemini, OpenRouter und andere OpenAI-kompatible Dienste über eigene API-Keys. Antworten kommen gestreamt, das Modell lässt sich pro Nachricht wechseln. Nicht erreichbare Anbieter sind ausgegraut, abgelaufene Keys werden klar gemeldet.
Lokale Modelle mit LM Studio
LM Studio auf einem PC im Heimnetz als Anbieter. Eine Statusanzeige zeigt, ob er gerade läuft; die Modelle werden samt ihren Fähigkeiten automatisch angeboten. Auf Wunsch lädt und entlädt MultiGPT sie selbst, nie über ein Speicherbudget für die Grafikkarte. Lokale Modelle kosten nichts. Im echten Heimnetz im Einsatz.
Fähigkeiten-Matrix
Je Modell eine Hauptart (Chat, Bild, Embedding …) und Häkchen für Werkzeuge, Bilder verstehen, Bilder bearbeiten und MCP. MultiGPT erkennt sie automatisch;
mgpt-ctl guess_capabilitiesholt das für ältere Modelle nach.Anhänge und Bild-Eingabe
Bilder und Dokumente einfügen, hineinziehen oder per Büroklammer anhängen. Bilder gehen an Modelle, die sie verstehen; EXIF-Daten wie der Aufnahmeort werden vorher entfernt.
Projekte
Chats zu Projekten bündeln, mit gemeinsamen Anweisungen, Standardmodell und vorausgewählten Sammlungen – wie in ChatGPT oder Claude.
Chats teilen
Einen Chat mit Konten oder Gruppen teilen, mit Rechten nach RWUD: Lesen, Schreiben, Bearbeiten, Löschen. Ein Widerruf wirkt sofort, Kosten trägt, wer sendet. Löscht oder archiviert ein Empfänger etwas, bekommt der Besitzer eine Mitteilung.
Formeln und SVG-Vorschau
Mathematische Formeln mit KaTeX, selbst gehostet. SVG-Code aus Antworten erscheint als Vorschau – nur als Bild, ohne Skripte und ohne Nachladen.
Familienkonten mit Rollen
Verwalter, Erwachsene, Jugendliche, Gäste – jede Rolle mit eigenen Modellen und Rechten. Chats bleiben privat.
Kontenrahmen und Budgets
Jeder Anbieter rechnet über ein Konto ab: in Euro oder Dollar, nur in Tokens (lokal) oder als Pauschale. Preise mit Gültigkeitsdatum, Cache und Reasoning, der EZB-Kurs für Dollar kommt automatisch. Budgets je Konto, Rolle und Person mit Hinweis ab 80 % und Sperre ab 100 %.
Vergleichsmodus
Dieselbe Frage an zwei oder drei Modelle gleichzeitig, Antworten nebeneinander. Sie bleiben als Versionen im Chat erhalten.
Kontextmenü im Chat
Markierten Text per Rechtsklick oder Leiste als Zitat mit Herkunft ins Eingabefeld übernehmen, auch mehrere nacheinander. Dazu Nachfragen, Erklären, Vereinfachen, Übersetzen, Gegenargumente und Belege suchen. Gesendet wird nichts von selbst.
Werkzeuge über MCP
Modelle rufen Werkzeuge aus MCP-Servern auf. Server lassen sich aus „mcpServers“-JSON importieren und zeigen ihren Online-Status. Welche Modelle MCP nutzen dürfen, legt der Verwalter je Modell fest; heikle Aufrufe brauchen eine Bestätigung. Bei vielen Werkzeugen sucht sich das Modell die passenden selbst, damit der Kontext lokaler Modelle reicht.
MultiGPT als MCP-Server
Andere Programme wie n8n, Claude oder eigene Agenten steuern MultiGPT mit dem API-Key eines Kontos: Modelle fragen, Dokumente hochladen und durchsuchen, Indexierung verfolgen und pausieren, Dateien abholen, eigene Chats lesen. Ein Key kann nie mehr als sein Konto.
Berechnungen in der Sandbox
Modelle rechnen exakt mit Python, numpy, scipy, sympy und mpmath und zeichnen Diagramme mit matplotlib. Der Code läuft abgeschottet in bubblewrap: ohne Netz, ohne Server-Dateien, ohne Geheimnisse.
Arbeitsblätter als PDF
Druckfertige Blätter – Lineaturen 0 bis 4, Karo, Rechenblätter mit Lösungen, Uhrzeiten, Zahlenstrahl, Sachunterricht, dazu Briefe und Tabellen. Aufgaben und Lösungen rechnet der Server, nicht das Modell.
Fragen an eigene Dokumente
Sammlungen mit PDFs, Word-, Text- und Bilddateien, auch gescannte Seiten per OCR. Suche mit PostgreSQL und pgvector. Embeddings und OCR laufen auf Wunsch komplett lokal über LM Studio, Ordner vom NAS werden periodisch eingelesen. Mehrere Dokumente gleichzeitig, Läufe lassen sich pausieren.
Zitieren mit Fundstelle
Quellen mit Abschnitt, Seite und Absatz, im eigenen Zitierstil: DIN ISO 690, APA 7, Harvard, Chicago, MLA 9 oder BibTeX. Literaturangaben pflegbar, auch für Normen mit Nummer und Ausgabe.
Abbildungen und Dokument-Werkzeuge
Ein Vision-Modell beschreibt Bilder und Diagramme in Dokumenten, damit die Suche sie findet. Modelle mit Werkzeugen listen Dokumente, lesen das Inhaltsverzeichnis und ganze Abschnitte – nur in Sammlungen, die man selbst lesen darf.
Websuche mit Quellen
Aktuelle Informationen aus dem Netz über ein selbst gehostetes SearXNG, mit Links unter der Antwort – auch für lokale Modelle.
Seiten abrufen, erfundene Links markieren
Modelle lesen Webseiten und kleine Websites (mit SSRF-Schutz und robots.txt), auch URLs aus der Frage. Links ohne Quelle in der Antwort bekommen ein ⚠ und einen Knopf „Belege prüfen“.
Bilder erzeugen und bearbeiten
Bilder erzeugen mit OpenAI gpt-image oder Gemini: als Werkzeug des Chatmodells oder im Modus „Bild“. Bereiche ändern, Varianten und klassische Bearbeitung folgen.
Sprechen und Vorlesen
Frage einsprechen, Text vor dem Senden korrigieren, Antworten vorlesen lassen.
Scratchpad
Material aus Chats, Dokumenten und dem Web mit Herkunft sammeln und daraus ein belegtes Gesamtdokument erzeugen, mit geprüften Zitaten und Literaturverzeichnis.
Runner
Neu in 0.4.0: ein Container auf dem eigenen Rechner (Podman rootless), in dem ein Modell wie ein Coding-Werkzeug arbeitet – eingesperrt und standardmäßig ohne Netz. Terminal, HTML-Vorschau und Webserver, Arbeitsstand als git-Bundle auf dem Server, Zeitkontingent je Rolle. Die Web-Ports sind standardmäßig im Heimnetz ohne Anmeldung erreichbar. Docker wird nicht unterstützt.
Platzhalter: Hier kommt ein Screenshot der Chatansicht hin.
Für wen ist das?
Für technisch interessierte Menschen, die ihrer Familie oder ihrem Haushalt Zugang zu KI-Modellen geben wollen, ohne für jede Person ein eigenes Abo abzuschließen und ohne die Chats bei einem Anbieter zu sammeln. Gedacht ist MultiGPT für einen Server, der ohnehin läuft – etwa ein NAS oder einen kleinen Heimserver mit Debian – und nur im Heimnetz erreichbar ist.
Was es heute schon gibt
Man kann mit eigenen API-Keys chatten: mit OpenAI, Anthropic, Google Gemini, OpenRouter und LM Studio im Heimnetz, mit gestreamten Antworten, Modellwahl pro Nachricht, Markdown, Formeln und Code-Hervorhebung. Dazu kommen Familienkonten mit Rollen, ein Kontenrahmen mit Budgets, ein Vergleichsmodus für zwei oder drei Modelle, MCP-Werkzeuge mit Rückfrage, Fragen an eigene Dokumente mit zitierfähigen Quellen (auf Wunsch komplett lokal über LM Studio, das MultiGPT auf Wunsch selbst verwaltet), die Websuche über ein selbst gehostetes SearXNG, verschlüsselte API-Keys, eine Verwaltung für Verwalter und ein Debian-Paket, das Datenbank, Schema und nginx selbst einrichtet. Andere Programme wie n8n oder Claude können MultiGPT als MCP-Server nutzen.
Installiert wird MultiGPT auf Debian 13 über eine eigene apt-Paketquelle; Updates kommen
dann wie gewohnt mit apt upgrade. Wie das geht, steht unter
Installation.
Neu in 0.3.0 und 0.3.1
- Anhänge und Bild-Eingabe: Bilder und Dokumente in den Chat ziehen oder einfügen; Ortsdaten aus Fotos werden entfernt.
- Projekte und geteilte Chats mit Rechten nach RWUD.
- Zitieren mit Abschnitt, Seite und Absatz in DIN ISO 690, APA, Harvard, Chicago, MLA oder BibTeX; Abbildungen in Dokumenten werden durchsuchbar.
- Bilder erzeugen mit OpenAI oder Gemini.
- Berechnungen mit numpy, sympy und matplotlib in einer abgeschotteten Sandbox.
- Seitenabruf für Modelle und eine Markierung erfundener Links.
- MCP mit JSON-Import, Online-Status und Freigabe je Modell, dazu die Fähigkeiten-Matrix und der Kontenrahmen für die Kosten.
- 0.3.1: druckfertige Arbeitsblätter als PDF – Lineaturen, Rechenblätter mit Lösungen, Sachunterricht.
Wer von 0.2 aktualisiert, findet die nötigen Schritte unter Installation.
Neu in 0.3.2 bis 0.3.6
- MultiGPT als MCP-Server (0.3.2): n8n, Claude Desktop oder eigene Agenten fragen Modelle, laden und durchsuchen Dokumente und verfolgen die Indexierung – mit dem API-Key eines Kontos, der nie mehr darf als das Konto. Seit 0.3.3 kommen Ergebnisse direkt als Text, Bild oder PDF zurück, seit 0.3.6 können Keys auch eigene und geteilte Chats lesen.
- Modellverwaltung für LM Studio (0.3.2): MultiGPT lädt und entlädt lokale Modelle selbst, nie über ein Speicherbudget für die Grafikkarte.
- Kontextmenü im Chat (0.3.2): markierten Text als Zitat mit Herkunft übernehmen, nachfragen, erklären, übersetzen. Dazu Werkzeuge nach Bedarf, damit auch viele MCP-Werkzeuge in den Kontext lokaler Modelle passen.
- apt-Paketquelle (0.3.4), Prompt-Caching bei Anthropic, Eingabeverlauf mit Pfeil hoch/runter und eine Antwort samt Verlauf löschen.
- Indexierung mit mehreren Dokumenten gleichzeitig (0.3.5), Läufe pausieren und fortsetzen (0.3.6).
- Persönliches Menü mit Profilbild (0.3.5), Mitteilungen bei geteilten Chats und die Versionsanzeige (0.3.6).
- Kosten: Der EZB-Kurs für Dollar kommt automatisch, Konten lassen sich auf USD umstellen; scipy in der Sandbox für Berechnungen (0.3.6).
Neu in 0.4.0
- Runner: ein Container auf dem eigenen Rechner (Podman rootless), in dem ein Modell wie
ein Coding-Werkzeug arbeitet – eingesperrt, mit Terminal, Vorschau und Webserver; der
Arbeitsstand liegt als git-Bundle auf dem Server. Geräte im Heimnetz erreicht er per
sshodertelnetnur, wenn der Verwalter sie freigibt, und nur mit Rückfrage. Der Webserver im Container ist standardmäßig im ganzen Heimnetz ohne Anmeldung erreichbar (abschaltbar, siehe Funktionen). Das Programmmultigpt-runnerlädt man von MultiGPT herunter; die Anleitung steht im Wiki unter „Runner“. - Schnittstelle „LM Studio“ als eigene Anbieterart, Token pro Sekunde und Zeit bis zum ersten Token im Kopf jeder Antwort, eine Austausch-Frage, wenn der Grafikspeicher voll ist, und die Denktiefe je Modell.
- Scratchpad auf dem Server für Dateien aus Werkzeugaufrufen und das Neuverbinden von MCP-Servern im Chat.
Mehr dazu unter Funktionen.
Stand
Mit OpenAI und LM Studio läuft es bereits echt, die übrigen Cloud-Anbieter sind bisher überwiegend simuliert getestet; eine frische Debian-Installation steht noch aus, der Docker-Build ist ungetestet. Docker für den Runner gibt es nicht, nur Podman. Bildbearbeitung, Sprache, Musik, Backup und das eigentliche Scratchpad folgen – Details in der Roadmap.
Technik in einem Satz
Python und Django 5.2 hinter gunicorn, PostgreSQL mit pgvector als einzige Datenbank, Oberfläche aus Django-Templates und etwas Vanilla-JavaScript, kein Node-Buildschritt, keine CDNs. Mehr dazu unter Architektur.