TinyWebUI propose une interface de chat locale avec des outils MCP intégrés

TinySuiteHQ a publié TinyWebUI, une interface de chat légère et « local-first » conçue pour les développeurs souhaitant exécuter leurs propres flux de travail IA sans dépendre de backends hébergés. Publiée le 8 octobre 2026, cet outil se connecte à tout point d'accès compatible OpenAI et stocke toutes les données, y compris les chats et les documents, dans un seul fichier SQLite sur la machine de l'utilisateur. Il est pré-intégré avec deux serveurs Model Context Protocol (MCP) pour la recherche web et la mémoire à long terme, visant à simplifier la configuration d'assistants IA privés.

Ce qui s'est passé

TinyWebUI sert d'interface de chat pour TinySuite, une collection de petits outils conçus pour les agents IA. L'application ne nécessite aucune création de compte, aucune étape de build et aucun framework frontend, permettant aux utilisateurs de commencer immédiatement en la dirigeant vers un point d'accès API tel que OpenRouter, Ollama ou vLLM. Toutes les interactions, pièces jointes documentaires et sorties d'outils sont persistées localement dans SQLite, garantissant que les données restent sous le contrôle de l'utilisateur. Le système est conçu pour être efficace en cache, utilisant des préfixes et la compaction pour maintenir les conversations longues abordables tout en fournissant des statistiques de tokens par tour.

La version publiée inclut deux serveurs MCP préchargés : TinySearch et TinyContext. TinySearch permet la recherche, la lecture et le re-ranking web locaux sans nécessiter de clé d'API de recherche externe. TinyContext agit comme une mémoire à long terme locale, ne rappelant que les informations qui tiennent dans le budget de tokens actuel. Ces outils permettent à l'assistant d'effectuer des recherches et de maintenir le contexte entre les sessions sans envoyer de données sensibles à des services tiers. L'interface prend en charge les conversations durables, permettant aux utilisateurs de modifier, réessayer ou rembobiner les tours, et même de diriger un tour en cours en appuyant sur Entrée pour atteindre le prochain point sûr.

Détails clés

• Stockage local : Tous les chats, documents et sorties d'outils sont stockés dans un seul fichier SQLite sur la machine de l'utilisateur.
• Outils préconstruits : Inclut TinySearch pour la récupération web locale et TinyContext pour une mémoire à long terme efficace en tokens.
• Compatibilité modèle : Fonctionne avec tout point d'accès compatible OpenAI, y compris OpenRouter, Groq, Ollama et LM Studio.
• Recherche hybride : Combine la recherche par mots-clés BM25 avec un petit modèle d'embedding sur l'appareil pour les documents et les chats passés.
• Sécurité : Privé par défaut avec un mot de passe propriétaire requis au premier lancement ; prend en charge les passerelles SSO pour une utilisation en équipe.
• Configuration : Géré via des fichiers JSON sous contrôle de version qui se rechargent à chaud et rejettent les fautes de frappe, avec une empreinte digitale pour la vérification.

Contexte

Le Model Context Protocol (MCP) est un standard ouvert qui permet aux modèles IA d'interagir de manière sécurisée avec des outils externes et des sources de données. En utilisant MCP, les développeurs peuvent connecter leurs modèles de langage à des ressources locales, telles que des systèmes de fichiers ou des bases de données, sans créer d'intégrations personnalisées pour chacune. TinyWebUI exploite ce protocole via stdio, Streamable HTTP ou Server-Sent Events (SSE), garantissant que toute action modifiant l'état attend l'approbation de l'utilisateur. Cette approche fournit une manière structurée d'étendre les capacités IA tout en maintenant un contrôle strict sur ce que le modèle peut accéder et modifier.

Les logiciels « local-first » privilégient le stockage des données sur l'appareil de l'utilisateur plutôt que dans le cloud. Cette architecture réduit la latence, élimine la dépendance à la connectivité Internet pour les fonctions principales et améliore la confidentialité en gardant les informations sensibles hors des serveurs distants. Dans le contexte de l'IA, « local-first » signifie que l'historique des chats, les documents téléchargés et les insights générés restent sur la machine. La recherche hybride renforce cela en combinant le traditionnel matching par mots-clés avec des embeddings vectoriels, permettant une récupération plus précise des informations à partir de documents locaux sans avoir besoin de grands index centralisés.

Pourquoi c'est important

Pour les équipes gérant leur propre logiciel, la confidentialité et le contrôle des données sont souvent des préoccupations primordiales. TinyWebUI répond à ces besoins en garantissant qu'aucune donnée ne quitte l'environnement local sauf si elle est explicitement envoyée à un point d'accès modèle choisi. L'absence d'un backend hébergé signifie qu'il n'y a pas de verrouillage fournisseur ni de risque que l'arrêt d'un service affecte l'accès aux chats historiques. Cela est particulièrement précieux pour les organisations manipulant des bases de code sensibles ou des documents propriétaires, car elles peuvent auditer exactement où circulent les données et assurer la conformité avec les politiques de sécurité internes.

L'inclusion d'outils MCP préconfigurés abaisse la barrière d'entrée pour l'utilisation de fonctionnalités IA avancées. Au lieu de passer du temps à configurer des API de recherche séparées ou des vecteurs de mémoire, les développeurs obtiennent un système fonctionnel dès la sortie de boîte. La capacité de diriger les conversations et de gérer efficacement les longs contextes rend également l'outil pratique pour des tâches complexes de débogage ou de recherche. En gardant l'empreinte petite et la configuration basée sur des fichiers, il s'intègre facilement dans les workflows DevOps existants, permettant un déploiement sous contrôle de version et des environnements cohérents entre les équipes.

Ce que vous pouvez faire

• Installez TinyWebUI en utilisant npx tinywebui si vous avez Node.js 22.13 ou une version ultérieure installée.
• Créez un mot de passe propriétaire d'au moins 15 caractères lors de la première exécution interactive.
• Configurez votre point d'accès modèle et votre clé API dans tinywebui.config.json ou via le panneau Paramètres.
• Exécutez npx tinywebui models pull fast pour télécharger le modèle d'embedding de 90 MB pour la recherche hybride.
• Utilisez Docker Compose pour déployer dans un environnement conteneurisé, en veillant à définir le mot de passe dans le volume persistant.
• Consultez la documentation sur tinysuite.dev/docs/tinywebui pour les détails sur l'intégration des serveurs MCP et l'automatisation.