气锁🔒

集成MCP的安全、内部部署的AI聊天平台

一个完整的、自托管的AI聊天界面，使用模型上下文协议将公司的LLM连接到内部工具（Confluence、GitLab、Jira、数据库等）。一切都在你的防火墙后面。

📖 目录

概述
特性
先决条件
快速开始

- 生产设置 - 测试设置（ARM64）

配置
测试
添加更多MCP服务器
故障排除
建筑
清理

______________________________________________________________________

概述

气锁是您安全的内部人工智能助手，它将您公司的LLM与内部工具和文档连接起来。它基于LibreChat构建，集成了模型上下文协议（MCP），将您的所有数据都保存在防火墙后面，同时提供了一个强大的类似ChatGPT的界面。

这有什么作用

🔒 100%本地：所有数据都保留在您的网络中
💬 聊天界面：通过LibreChat（端口3080）实现美丽的自托管用户界面
🤖 你的法学硕士：适用于任何兼容OpenAI的模型（Qwen、Gemma等）
🔌 MCP集成：通过模型上下文协议连接到内部工具

- 汇流（搜索文档、检索页面） - GitLab（仓库、问题、MR） - Jira（门票、项目） - PostgreSQL（查询数据库） - Slack（搜索消息） - 谷歌云端硬盘（访问文件） - 还有更多。..

🐳 基于Docker：易于部署，网络隔离
🔐 安全：基于环境的凭据，无外部API调用

运作原理

用户在聊天界面提问
启用MCP工具（Confluence、GitLab、Jira等）
MCP服务器查询您的内部系统
贵公司的LLM使用内部数据生成响应
用户从公司资源中获得完整上下文的答案

所有通信都发生在您的基础设施内。零数据离开您的网络。

______________________________________________________________________

特性

核心功能

✅ 自托管聊天界面

LibreChat网络用户界面（端口3080）
用户身份验证和管理
对话历史
多型号支持

✅ 汇流集成

搜索Confluence文档
检索特定页面
列出可用空间
可选只读模式

✅ 公司LLM支持

适用于任何与OpenAI兼容的API
多种型号配置
自定义端点

✅ 完全隐私

所有服务均在本地运行
没有外部API调用
通过.env进行凭据管理
Docker网络隔离

测试功能

✅ ARM64测试环境

Apple Silicon Mac的轻量级设置
自定义模拟LLM（Node.js/Express）
剧作家E2E测试
快速启动（30秒）
低资源使用率（2GB RAM）

✅ 完整测试套件

Playwright浏览器自动化
汇流测试数据设置
多种测试模式（带头、调试、UI）
自动清理脚本
CI/CD就绪

______________________________________________________________________

先决条件

生产环境

已安装Docker和Docker Compose
访问贵公司的LLM端点（兼容OpenAI）
具有API访问权限的Confluence实例
Confluence API令牌
macOS、Linux或Windows与WSL2

用于测试（ARM64）

Docker&Docker编写
Node.js 18+和npm
Playwright（通过npm安装）
苹果Silicon Mac（或x86用于完整的Confluence测试）

______________________________________________________________________

快速开始

生产设置

1.克隆和配置

# Clone the repository
git clone https://github.com/bcamarneiro/airlocked.git
cd airlocked

# Copy environment template
cp .env.example .env

# Edit with your credentials
nano .env

2.更新凭据

编辑 .env:

# MongoDB
MONGO_USERNAME=admin
MONGO_PASSWORD=your-secure-password

# Your Company's LLM
COMPANY_LLM_URL=http://your-company-llm:8000/v1
COMPANY_LLM_API_KEY=your-api-key

# Confluence
CONFLUENCE_URL=https://confluence.your-company.com
CONFLUENCE_USERNAME=your.email@company.com
CONFLUENCE_API_TOKEN=your-confluence-api-token
CONFLUENCE_SSL_VERIFY=true

3.配置可用型号

编辑 librechat.yaml:

endpoints:
  custom:
    - name: "Company LLM"
      models:
        default:
          - "qwen"          # Add your available models
          - "gemma"
          - "your-model"

4.启动服务

# Start all services
docker-compose up -d

# Check status
docker-compose ps

# View logs
docker-compose logs -f

5.访问librechat

打开http://localhost:3080在浏览器中：

注册一个新账户
登录
从下拉菜单中启用Confluence工具
开始聊天！

查询示例:

“搜索Confluence以查找API文档”
“Confluence有哪些可用空间？”
“从Confluence获取入门页面”

测试设置（ARM64）

非常适合在Apple Silicon Mac上进行本地开发。

1.构建和启动

# Build custom mock LLM
docker-compose -f docker-compose.arm64.yml build

# Start all services
docker-compose -f docker-compose.arm64.yml up -d

# Wait 30 seconds for services to initialize

2.安装测试依赖项

# Install Node.js dependencies
npm install

# Install Playwright browsers
npm run playwright:install

3.运行测试

# Run all tests (headless)
./run-tests-arm64.sh

# Run with visible browser
./run-tests-arm64.sh --headed

# Interactive UI mode
./run-tests-arm64.sh --ui

# Debug mode
./run-tests-arm64.sh --debug

4.访问服务

Librechat: http://localhost:3080
模拟LLM API: http://localhost:8000（内部）

______________________________________________________________________

配置

环境变量

MongoDB:

MONGO_USERNAME=admin
MONGO_PASSWORD=your-password

公司法学硕士:

COMPANY_LLM_URL=http://your-llm-endpoint:8000/v1
COMPANY_LLM_API_KEY=your-api-key

汇流:

CONFLUENCE_URL=https://confluence.your-company.com
CONFLUENCE_USERNAME=your.email@company.com
CONFLUENCE_API_TOKEN=your-api-token
CONFLUENCE_SSL_VERIFY=true

LibreChat配置

编辑 librechat.yaml 自定义：

可用模型:

models:
  default:
    - "qwen"
    - "gemma"
    - "your-model"
  fetch: false  # Set to true to auto-fetch from endpoint

MCP工具:

mcpServers:
  confluence:
    enabledTools:
      - confluence_search
      - confluence_get_page
      - confluence_get_spaces

只读模式 （可选）：

env:
  READ_ONLY_MODE: "true"

生成Confluence API令牌

汇流云:

首选https://id.atlassian.com/manage-profile/security/api-tokens
点击“创建API令牌”
复制令牌

汇流服务器/数据中心:

前往汇流处→ 设置→ 个人访问令牌
创建新令牌
复制令牌

______________________________________________________________________

测试

ARM64测试（苹果硅）

本地开发的轻量级环境：

# Start environment
docker-compose -f docker-compose.arm64.yml up -d

# Run tests
./run-tests-arm64.sh

# Stop environment
docker-compose -f docker-compose.arm64.yml down

测试内容:

✅ LibreChat用户界面加载
✅ 用户注册/登录
✅ 聊天界面功能
✅ 消息发送/接收
✅ 模拟LLM响应

资源使用:

内存：2GB
磁盘：500MB
启动时间：30秒

完整测试（x86/CI/CD）

使用本地Confluence实例完成测试：

# Start environment
docker-compose -f docker-compose.test.yml up -d

# Wait 3-5 minutes for Confluence to initialize

# Setup Confluence (first time)
# 1. Open http://localhost:8090
# 2. Complete setup wizard
# 3. Generate API token
# 4. Configure .env.test

# Run tests
./run-tests.sh

# Stop environment
docker-compose -f docker-compose.test.yml down

测试内容:

✅ ARM64测试中的所有内容
✅ 汇流MCP集成
✅ 汇流搜索
✅ 页面检索
✅ 空间列表
✅ 错误处理

资源使用:

内存：6GB
磁盘：10GB
启动时间：3-5分钟

测试模式

# Normal (headless)
./run-tests-arm64.sh

# Headed (show browser)
./run-tests-arm64.sh --headed

# UI mode (interactive)
./run-tests-arm64.sh --ui

# Debug mode
./run-tests-arm64.sh --debug

测试结果

# View HTML report
npm run test:report

# Results location:
# - test-results/html/index.html
# - test-results/results.json

清理测试环境

# Quick cleanup
./cleanup-test-env.sh

# Force cleanup (no prompts)
./cleanup-test-env.sh --force

# Manual cleanup
docker-compose -f docker-compose.arm64.yml down -v
docker-compose -f docker-compose.test.yml down -v

______________________________________________________________________

添加更多MCP服务器

系统支持多个MCP服务器。以下是如何添加更多内容：

可用的MCP服务器

GitLab -访问GitLab存储库、问题、MR
GitHub -访问GitHub仓库、问题、PR
Jira -管理Jira门票和项目
PostgreSQL -查询数据库
Slack -搜索Slack消息
Google 云端硬盘 -访问驱动器文件
记忆 -持久对话记忆

示例：添加GitLab

编辑 librechat.yaml:

mcpServers:
  gitlab:
    command: npx
    args:
      - "-y"
      - "@modelcontextprotocol/server-gitlab"
    env:
      GITLAB_PERSONAL_ACCESS_TOKEN: "${GITLAB_API_TOKEN}"
      GITLAB_API_URL: "https://gitlab.your-company.com/api/v4"
    description: "Access GitLab repositories and issues"
    chatMenu: true

添加到 .env:

GITLAB_API_TOKEN=your-gitlab-token

示例：添加Jira

mcpServers:
  jira:
    command: docker
    args:
      - run
      - --rm
      - -i
      - --network
      - host
      - -e
      - JIRA_URL
      - -e
      - JIRA_USERNAME
      - -e
      - JIRA_API_TOKEN
      - ghcr.io/sooperset/mcp-atlassian:latest
    env:
      JIRA_URL: "${JIRA_URL}"
      JIRA_USERNAME: "${JIRA_USERNAME}"
      JIRA_API_TOKEN: "${JIRA_API_TOKEN}"
    description: "Manage Jira tickets and projects"
    chatMenu: true

添加到 .env:

JIRA_URL=https://jira.your-company.com
JIRA_USERNAME=your.email@company.com
JIRA_API_TOKEN=your-jira-token

示例：添加内存

mcpServers:
  memory:
    command: npx
    args:
      - "-y"
      - "@modelcontextprotocol/server-memory"
    description: "Persistent memory across conversations"
    chatMenu: true

______________________________________________________________________

故障排除

常见问题

服务无法启动

# Check logs
docker-compose logs

# Specific service
docker-compose logs librechat
docker-compose logs mongodb

# Restart services
docker-compose restart

LibreChat无法连接到LLM

检查:

COMPANY_LLM_URL 是正确的 .env
LLM端点可以从Docker容器访问
API密钥有效

测试:

# Test from host
curl http://your-llm-endpoint:8000/v1/models

# Test from container
docker exec librechat curl http://host.docker.internal:8000/v1/models

汇流MCP不工作

检查:

CONFLUENCE_API_TOKEN 设置正确
Confluence URL可访问
用户有权访问Confluence

测试:

# Test API token
curl -u username:api-token https://confluence.your-company.com/rest/api/space

调试:

# Check LibreChat logs for MCP errors
docker-compose logs librechat | grep -i mcp
docker-compose logs librechat | grep -i confluence

数据库连接问题

# Check MongoDB is running
docker-compose ps mongodb

# Check MongoDB logs
docker-compose logs mongodb

# Verify credentials match in docker-compose.yml and .env

端口已在使用中

# Find what's using port 3080
lsof -i :3080

# Kill the process
kill -9 

# Or change port in docker-compose.yml
ports:
  - "3081:3080"  # Use 3081 instead

ARM64特定问题

模拟LLM未响应

# Check if running
docker logs test-mock-llm-arm64

# Restart
docker-compose -f docker-compose.arm64.yml restart mock-llm

LibreChat正在重新启动

# Check logs for errors
docker logs test-librechat-arm64

# Common issue: JWT secrets (already configured)

测试失败

# View detailed report
npm run test:report

# Run in debug mode
./run-tests-arm64.sh --debug

# Run with visible browser
./run-tests-arm64.sh --headed

# Check service logs
docker-compose -f docker-compose.arm64.yml logs

______________________________________________________________________

建筑

生产架构

┌─────────────────┐
│   Browser       │
│  (localhost:    │
│     3080)       │
└────────┬────────┘
         │
         ▼
┌─────────────────────────────┐
│   LibreChat                 │
│   - Web UI                  │
│   - User Auth               │
│   - Conversation Management │
└──────┬──────────────┬───────┘
       │              │
       ▼              ▼
┌────────────┐  ┌──────────────────┐
│  MongoDB   │  │  Company LLM     │
│            │  │  (Your Endpoint) │
└────────────┘  └──────────────────┘
       │              │
       │              ▼
       │        ┌─────────────────┐
       │        │  MCP Servers    │
       │        │  - Confluence   │
       │        │  - GitLab       │
       └────────│  - Jira         │
                │  - etc.         │
                └─────────────────┘

ARM64测试架构

┌──────────────────┐
│  Playwright      │
│  (Browser Tests) │
└────────┬─────────┘
         │
         ▼
┌─────────────────┐
│  LibreChat      │
│  (Port 3080)    │
└───┬─────────┬───┘
    │         │
    ▼         ▼
┌────────┐  ┌──────────────┐
│MongoDB │  │ Mock LLM     │
│        │  │ (Node.js)    │
│        │  │ (Port 8000)  │
└────────┘  └──────────────┘

组件

Librechat:

Docker镜像： ghcr.io/danny-avila/librechat:latest
端口：3080
配置： librechat.yaml
环境： .env

MongoDB:

Docker镜像： mongo:latest
端口：27017（内部）
数据：存储在Docker卷中

公司法学硕士:

您的OpenAI兼容端点
通过环境变量配置
支持多种型号

MCP服务器:

以Docker容器或npx命令运行
通过stdio或HTTP进行通信
为LibreChat提供工具

模拟法学硕士（测试）:

自定义Node.js/Express服务器
兼容OpenAI API
ARM64原生
轻量级（\<100MB）

______________________________________________________________________

清理

生产清理

# Stop services
docker-compose down

# Stop and remove volumes (deletes all data!)
docker-compose down -v

# Remove images
docker-compose down --rmi all -v

测试环境清理

# Automated cleanup
./cleanup-test-env.sh

# Force cleanup (no prompts)
./cleanup-test-env.sh --force

# Manual ARM64 cleanup
docker-compose -f docker-compose.arm64.yml down -v

# Manual full test cleanup
docker-compose -f docker-compose.test.yml down -v

清洁Docker系统

# Remove unused containers
docker container prune

# Remove unused volumes
docker volume prune

# Remove unused images
docker image prune

# Remove everything unused
docker system prune -a --volumes

______________________________________________________________________

文件结构

airlocked/
├── docker-compose.yml              # Production environment
├── docker-compose.arm64.yml        # ARM64 test environment
├── docker-compose.test.yml         # Full test environment (x86)
├── librechat.yaml                  # LibreChat production config
├── librechat.arm64.yaml            # ARM64 config
├── librechat.test.yaml             # Test config
├── .env.example                    # Environment template
├── .env.test.example               # Test environment template
│
├── mock-services/                  # Custom mock LLM (ARM64)
│   ├── mock-llm.js                 # OpenAI-compatible API
│   ├── Dockerfile                  # Container definition
│   └── package.json                # Dependencies
│
├── scripts/                        # Utility scripts
│   └── setup-test-data.js          # Confluence test data setup
│
├── tests/e2e/                      # E2E test suites
│   ├── global.setup.js             # x86 setup
│   ├── global.setup.arm64.js       # ARM64 setup
│   ├── 01-librechat-basic.spec.js          # ARM64 tests
│   ├── 01-librechat-registration.spec.js   # UI tests
│   └── 02-confluence-mcp-integration.spec.js # MCP tests
│
├── run-tests-arm64.sh              # ARM64 test runner
├── run-tests.sh                    # Full test runner
├── cleanup-test-env.sh             # Cleanup automation
├── setup-git.sh                    # Git configuration
│
├── package.json                    # Test dependencies
├── playwright.config.js            # Playwright config (x86)
├── playwright.arm64.config.js      # Playwright config (ARM64)
│
└── README.md                       # This file

______________________________________________________________________

常见问题解答

我可以在OpenAI/Claude/etc上使用这个吗？

对！只需在中配置端点 librechat.yamlLibreChat支持许多开箱即用的提供商。

我需要Confluence吗？

否。Confluence MCP服务器是可选的。您可以在没有LibreChat的情况下使用它，也可以添加其他MCP服务器。

我可以在Windows上运行这个吗？

是的，使用WSL2（Linux的Windows子系统）和Docker Desktop。

如何添加更多用户？

用户可以在以下网址自行注册http://localhost:3080.要禁用注册，请设置 ALLOW_REGISTRATION=false 在docker-compose.yml中。

这个生产准备好了吗？

是的，但请考虑：

使用强密码
启用HTTPS（添加反向代理，如nginx）
MongoDB数据的定期备份
监控和日志记录
安全强化

我可以部署到云端吗？

对！部署到任何支持Docker的云提供商（AWS、GCP、Azure、DigitalOcean等）。确保：

使用托管数据库（或备份MongoDB）
启用HTTPS
配置防火墙
使用机密管理

如何更新？

# Pull latest images
docker-compose pull

# Restart services
docker-compose up -d

数据存储在哪里？

对话：MongoDB Docker卷
用户数据：MongoDB Docker卷
上传的文件: librechat_data 体积
日志: librechat_logs 体积

______________________________________________________________________

资源

Librechat:https://www.librechat.ai/
Librechat文档:https://www.librechat.ai/docs
模型上下文协议: https://modelcontextprotocol.io/
MCP服务器: https://github.com/modelcontextprotocol/servers
Atlassian MCP: https://github.com/sooperset/mcp-atlassian

______________________________________________________________________

许可证

此配置按原样提供。LibreChat和其他组件有自己的许可证。

______________________________________________________________________

贡献

请随时提交问题或请求改进配置和测试设置。

______________________________________________________________________

准备好开始了吗？

# Production
cp .env.example .env
# Edit .env with your credentials
docker-compose up -d
open http://localhost:3080

# Testing (ARM64)
docker-compose -f docker-compose.arm64.yml build
docker-compose -f docker-compose.arm64.yml up -d
./run-tests-arm64.sh --headed

🎉 通过Confluence集成享受您的自托管人工智能聊天！

airlocked (Bcamarneiro)

快速接入

详细介绍

气锁🔒

📖 目录

概述

这有什么作用

运作原理

特性

核心功能

测试功能

先决条件

生产环境

用于测试（ARM64）

快速开始

生产设置

1.克隆和配置

2.更新凭据

3.配置可用型号

4.启动服务

5.访问librechat

测试设置（ARM64）

1.构建和启动

2.安装测试依赖项

3.运行测试

4.访问服务

配置

环境变量

LibreChat配置

生成Confluence API令牌

测试

ARM64测试（苹果硅）

完整测试（x86/CI/CD）

测试模式

测试结果

清理测试环境

添加更多MCP服务器

可用的MCP服务器

示例：添加GitLab

示例：添加Jira

示例：添加内存

故障排除

常见问题

服务无法启动

LibreChat无法连接到LLM

汇流MCP不工作

数据库连接问题

端口已在使用中

ARM64特定问题

模拟LLM未响应

LibreChat正在重新启动

测试失败

建筑

生产架构

ARM64测试架构

组件

清理

生产清理

测试环境清理

清洁Docker系统

文件结构

常见问题解答

我可以在OpenAI/Claude/etc上使用这个吗？

我需要Confluence吗？

我可以在Windows上运行这个吗？

如何添加更多用户？

这个生产准备好了吗？

我可以部署到云端吗？

如何更新？

数据存储在哪里？

资源

许可证

贡献

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP