TinyWebUI bietet eine lokale Chat-Oberfläche mit integrierten MCP-Tools

TinySuiteHQ hat TinyWebUI veröffentlicht, eine leichte, lokal ausgerichtete Chat-Oberfläche, die für Entwickler konzipiert ist, die ihre eigenen KI-Workflows betreiben möchten, ohne auf gehostete Backends angewiesen zu sein. Das am 8. Oktober 2026 veröffentlichte Tool verbindet sich mit jedem OpenAI-kompatiblen Modell-Endpoint und speichert alle Daten, einschließlich Chats und Dokumente, in einer einzigen SQLite-Datei auf dem Rechner des Nutzers. Es kommt bereits integriert mit zwei Model Context Protocol (MCP)-Servern für Websuche und Langzeitgedächtnis, um die Einrichtung privater KI-Assistenten zu vereinfachen.

Was passiert ist

TinyWebUI dient als Chat-Oberfläche für TinySuite, eine Sammlung kleiner Tools, die für KI-Agenten entwickelt wurden. Die Anwendung erfordert keine Kontoregistrierung, keinen Build-Schritt und kein Frontend-Framework, sodass Nutzer sofort loslegen können, indem sie sie auf einen API-Endpoint wie OpenRouter, Ollama oder vLLM richten. Alle Interaktionen, Dokumentanhänge und Tool-Ausgaben werden lokal in SQLite persistiert, was sicherstellt, dass die Daten unter der Kontrolle des Nutzers bleiben. Das System ist darauf ausgelegt, cache-effizient zu arbeiten, indem Präfixe und Komprimierung genutzt werden, um lange Konversationen kostengünstig zu halten, während es Token-Statistiken pro Runde bereitstellt.

Das Release umfasst zwei vorinstallierte MCP-Server: TinySearch und TinyContext. TinySearch ermöglicht lokale Websuche, Lesefunktionen und Reranking, ohne dass ein externer Such-API-Key erforderlich ist. TinyContext fungiert als lokales Langzeitgedächtnis und ruft nur Informationen ab, die innerhalb des aktuellen Token-Budgets passen. Diese Tools ermöglichen es dem Assistenten, Recherchen durchzuführen und den Kontext über Sitzungen hinweg beizubehalten, ohne sensible Daten an Drittanbieterdienste zu senden. Die Oberfläche unterstützt dauerhafte Konversationen, sodass Nutzer Nachrichten bearbeiten, wiederholen oder zurückspulen können, und sogar eine laufende Nachricht steuern können, indem sie Enter drücken, um den nächsten sicheren Punkt zu erreichen.

Wichtige Details

• Lokaler Speicher: Alle Chats, Dokumente und Tool-Ausgaben werden in einer einzelnen SQLite-Datei auf dem Rechner des Nutzers gespeichert.
• Vorinstallierte Tools: Enthält TinySearch für lokale Web-Retrieval und TinyContext für token-effizientes Langzeitgedächtnis.
• Modellkompatibilität: Funktioniert mit jedem OpenAI-kompatiblen Endpoint, einschließlich OpenRouter, Groq, Ollama und LM Studio.
• Hybride Suche: Kombiniert BM25-Keyword-Suche mit einem kleinen On-Device-Einbettungsmodell für Dokumente und vergangene Chats.
• Sicherheit: Standardmäßig privat, mit erforderlichem Eigentümer-Passwort beim ersten Start; unterstützt SSO-Gateways für Team-Nutzung.
• Konfiguration: Wird über versionskontrollierte JSON-Dateien verwaltet, die Hot-Reload unterstützen und Tippfehler ablehnen, mit einem Fingerprint zur Verifizierung.

Hintergrund

Model Context Protocol (MCP) ist ein offener Standard, der es KI-Modellen ermöglicht, sicher mit externen Tools und Datenquellen zu interagieren. Durch die Nutzung von MCP können Entwickler ihre Sprachmodelle mit lokalen Ressourcen wie Dateisystemen oder Datenbanken verbinden, ohne für jede Ressource eigene Integrationen erstellen zu müssen. TinyWebUI nutzt dieses Protokoll über stdio, Streamable HTTP oder Server-Sent Events (SSE), wobei sichergestellt wird, dass jede Aktion, die den Zustand ändert, auf die Genehmigung des Nutzers wartet. Dieser Ansatz bietet eine strukturierte Möglichkeit, KI-Fähigkeiten zu erweitern, während gleichzeitig strenge Kontrolle darüber behalten wird, worauf das Modell zugreifen und was es ändern kann.

Local-first Software priorisiert die Speicherung von Daten auf dem Gerät des Nutzers statt in der Cloud. Diese Architektur reduziert Latenzzeiten, eliminiert die Abhängigkeit von Internetverbindung für Kernfunktionen und verbessert den Datenschutz, indem sensible Informationen nicht auf Remote-Servern liegen. Im Kontext von KI bedeutet local-first, dass der Chatverlauf, hochgeladene Dokumente und generierte Erkenntnisse auf dem Rechner verbleiben. Hybride Suche verbessert dies zusätzlich, indem traditionisches Keyword-Matching mit Vektor-Einbettungen kombiniert wird, was eine genauere Abrufung von Informationen aus lokalen Dokumenten ermöglicht, ohne große zentrale Indizes zu benötigen.

Warum es wichtig ist

Für Teams, die ihre eigene Software betreiben, sind Datensicherheit und Kontrolle oft primäre Anliegen. TinyWebUI adressiert diese Punkte, indem sichergestellt wird, dass keine Daten die lokale Umgebung verlassen, es sei denn, sie werden explizit an einen gewählten Modell-Endpoint gesendet. Das Fehlen eines gehosteten Backends bedeutet, dass es keine Vendor-Lock-in-Probleme gibt und kein Risiko besteht, dass eine Einstellung des Dienstes den Zugriff auf historische Chats beeinträchtigt. Dies ist besonders wertvoll für Organisationen, die mit sensiblen Codebasen oder proprietären Dokumenten arbeiten, da sie genau nachvollziehen können, wohin Daten fließen, und die Einhaltung interner Sicherheitsrichtlinien sicherstellen können.

Die Einbindung vor konfigurierter MCP-Tools senkt die Einstiegshürde für die Nutzung fortgeschrittener KI-Funktionen. Anstatt Zeit damit zu verbringen, separate Such-APIs oder Memory-Vektoren einzurichten, erhalten Entwickler ein sofort einsatzbereites System. Die Fähigkeit, Konversationen zu steuern und lange Kontexte effizient zu verwalten, macht es auch praktisch für komplexe Debugging- oder Rechercheaufgaben. Indem der Footprint klein gehalten und die Konfiguration dateibasiert ist, lässt es sich leicht in bestehende DevOps-Workflows integrieren, was versionierte Bereitstellung und konsistente Umgebungen über Teams hinweg ermöglicht.

Was Sie tun können

• Installieren Sie TinyWebUI mit npx tinywebui, wenn Sie Node.js 22.13 oder neuer installiert haben.
• Erstellen Sie beim ersten interaktiven Start ein Eigentümer-Passwort mit mindestens 15 Zeichen.
• Konfigurieren Sie Ihren Modell-Endpoint und API-Key in tinywebui.config.json oder über das Einstellungsfenster.
• Führen Sie npx tinywebui models pull fast aus, um das 90 MB große Einbettungsmodell für die hybride Suche herunterzuladen.
• Nutzen Sie Docker Compose, um in einer containerisierten Umgebung bereitzustellen, und stellen Sie sicher, dass Sie das Passwort im persistenten Volume setzen.
• Prüfen Sie die Dokumentation unter tinysuite.dev/docs/tinywebui für Details zur MCP-Server-Integration und Automatisierung.