🔌 可扩展性 (Extensibility)
让 Open WebUI 能够通过 Python、HTTP 或一键安装社区插件来完成任何事情。
Open WebUI 提供了强大的默认配置，但您的工作流往往是独特的。可扩展性将帮助您填补这一空白：赋予模型实时获取数据的能力、强制执行合规性规则、接入新的 AI 服务商，或连接到任何外部服务。您只需编写几行 Python 代码、指定一个 OpenAPI 接口端点，或者浏览社区插件库。是平台主动适应您，而不是您去迁就平台。
我们提供了三个扩展层级，大多数团队通常会使用其中至少两个：
- 进程内 Python（工具与函数，Tools & Functions）：直接在 Open WebUI 自身进程内部运行，零基础设施成本，迭代反馈极其迅速。
- 外部 HTTP（OpenAPI 与 MCP 服务器）：连接到运行在任何地方的服务，从 Sidecar 容器到第三方的 SaaS 服务。
- 流水线工作节点（Pipelines）：将繁重或高敏感度的计算处理任务卸载到独立的容器中，确保您的主实例始终保持高速、干净。
为什么需要可扩展性？
赋予模型解决现实世界问题的能力
开箱即用的大语言模型 (LLM) 只能使用其训练数据以及您当前对话中的信息。而工具 (Tools) 允许大模型将触角伸向外界：查询天气、检索数据库、调用 API、执行数学计算等。模型可以根据对话上下文自主决定何时调用何种工具。您只需将这一能力准备就绪即可。
连接任何外部服务
拥有内部开发的 API？带有 OpenAPI 规范文档的第三方 SaaS 服务？或者技术栈中已经运行了 MCP 服务器？只需将 Open WebUI 指向相应的 API 规范文档，系统就会自动发现其接口端点，并将它们作为工具直接暴露给模型进行调用。不需要编写任何胶水代码或封装接口。
控制每一条消息
函数 (Functions) 允许您在消息到达大模型之前拦截并改造它（输入过滤器），或者在回复到达用户浏览器之前进行处理（输出过滤器）。这有助于脱敏个人敏感信息 (PII)、强制执行格式规范、向可观测性平台记录日志、动态注入系统 Prompt 指令等，完全无需调整大模型的底层配置。
卸载重度计算任务
当某个插件需要访问 GPU 算力、需要安装大型依赖库或需要进行隔离执行时，您可以将其作为 Pipelines 部署在另一台独立机器上。Open WebUI 会通过标准 API 与之进行通信，从而确保您的主实例依然轻量、敏捷。
从社区快速导入
在 Open WebUI Community 社区站点上浏览数以百计由社区构建的工具和函数。找到您需要的插件，轻轻点击 Import，它便能直接上线运行。无需运行 pip install，更无需重启服务。
核心功能特性
| 功能模块 | 描述 |
|---|---|
| 🐍 工具 (Tools) | Python 脚本，赋予大模型获取新数据的超能力：网页搜索、API 调用、代码执行等 |
| ⚙️ 函数 (Functions) | 平台级扩展，用于接入新模型服务商 (Pipes)、消息流拦截处理 (Filters) 或 UI 动作按钮 (Actions) |
| 🔗 MCP 支持 | 对 Model Context Protocol（模型上下文协议）服务器的原生 Streamable HTTP 支持 |
| 🌐 OpenAPI 服务器 | 自动发现任何 OpenAPI 兼容的端点，并将其作为 工具暴露给模型 |
| 🔧 流水线 (Pipelines) | 运行在独立工作节点上的模块化插件框架，用于处理繁重或高度敏感的计算任务 |
| 📝 Skill（技能） | 基于 Markdown 格式的指令集，引导大模型应当如何处理特定任务 |
| ⚡ Prompt（提示词） | 带有类型化输入变量与版本控制的斜杠命令模板 |
| 🏪 社区商店 | 一键导入海量社区开发者共创的 Tool 和 Function 插件 |
架构一览
理清不同扩展层级在何处运行，可以节省您的宝贵时间：
| 扩展层级 | 运行位置 | 最适合 | 权衡代价 |
|---|---|---|---|
| 工具与函数 (Tools & Functions) | Open WebUI 进程内部 | 实时数据交互、过滤器、UI 按钮、新模型接入 | 与 WebUI 主服务共享系统硬件资源 |
| OpenAPI / MCP | 任意 HTTP 端点 | 连接现有业务服务、第三方公共 API | 需要维护一个独立运行的外部服务器 |
| 流水线 (Pipelines) | 独立的 Docker 容器 | GPU 繁重计算、需要复杂依赖的插件、沙箱化隔离执行 | 需要管理额外的服务器基础设施 |
大多数用户推荐从**工具与函数 (Tools & Functions)**开始。它们无需进行任何额外设置，内置了网页端代码编辑器，且能覆盖绝大多数日常使用场景。
实际使用场景
实时数据富化
销售团队构建了一个查询其 CRM 接口的工具。当销售代表提问 “Acme 这单的最新跟进情况如何？” 时，模型会自主调用该工具，调取当前的销售漏斗阶段、最后一次活动记录及成单金额，从而为代表生成一份包含实时销售数据的摘要，而不再是过时的训练知识。
企业合规过滤器
一家医疗保健机构部署了一个过滤函数 (Filter Function)，用于扫描发出的消息中是否包含个人健康信息 (PHI) 的特征（如社会保障号 SSN、病历号 MRN、出生日期）。一旦检测到匹配项，便会在回复投递给用户前对其进行脱敏，同时将原始信息投递到其安全信息和事件管理系统 (SIEM) 中。这不需要对模型配置进行任何修改，过滤器会透明且悄无声息地运行在每一次对话中。(此场景仅作为演示示例。基于正则表达式的过滤可能无法捕获所有敏感数据模式。有合规性要求的机构应当独立验证过滤器的覆盖率。)
多服务商模型路由
研发团队利用 Pipe 函数将 Anthropic、Google Vertex AI 以及自托管的 vLLM 实例引入，与现有的 Ollama 模型并列。用户可以在单个模型选择器中看到所有的模型，而无需分别登录不同的平台，也无需为 API 密钥的管理感到头疼。
高负荷计算流水线
一个科研团队正在运行一个需要 GPU 进行交叉编码器 (Cross-encoder) 重排的检索增强生成 (RAG) 流水线。他们将其作为 Pipeline 部署在专用的 GPU 算力节点上。Open WebUI 会自动将相关的查询路由到该流水线上，同时让主 Web 实例依然运行在低成本的普通硬件上。
局限性
安全性
工具、函数与流水线会在您的服务器上执行任意 Python 代码。请务必仅安装来自可信源的扩展，并在导入前仔细审核代码，且将工作区的管理权限仅限制给管理员。详情请参阅 安全政策 页面。
资源共享
进程内的工具和函数与 Open WebUI 共享 CPU 和内存。对于计算密集型的插件，应当将其移至 Pipelines 外部流水线或外部独立服务中。
MCP 传输协议限值
Open WebUI 对 MCP 的原生支持仅限 Streamable HTTP 协议。对于基于标准输入输出 (stdio) 或服务器发送事件 (SSE) 协议的 MCP 服务器，请使用 mcpo 作为协议翻译代理。
深度探索
| 主题 | 您将学到什么 |
|---|---|
| 工具与函数 (Tools & Functions) | 编写 Python 工具，函数（Pipes、Filters、Actions），以及开发 API 文档 |
| 模型上下文协议 (MCP) | 连接 Model Context Protocol 服务器、OAuth 设置及故障排除 |
| 流水线 (Pipelines) | 部署 pipeline 工作节点、构建自定义流水线以及目录结构说明 |