Conclusiones clave
- MaxKB es de código abierto bajo GPL-3.0; el repositorio fuente es github.com/1Panel-dev/MaxKB
- Se despliega con un único comando Docker — no requiere configurar una base de datos ni un entorno Python separados para la instalación base
- Conexión a modelos locales agregando Ollama como proveedor de modelo (dirección del servidor + nombre del modelo); los modelos DeepSeek, Qwen y Llama servidos por Ollama funcionan así
- También se conecta a proveedores en la nube — OpenAI, Claude (Anthropic), Gemini y otros — desde la misma pantalla de configuración de modelos
- Edición Community gratuita: limitada a 2 usuarios, 5 aplicaciones y 50 bases de conocimiento
- La edición Professional de pago elimina esos límites; la propia página de precios de MaxKB indica una licencia por suscripción de $1,920 al año
- Desarrollado por 1Panel-dev, el equipo detrás del panel de gestión de servidores de código abierto 1Panel
- Alrededor de 22.700 estrellas en GitHub al momento de esta reseña, con nuevas versiones cada pocas semanas según la página de releases de GitHub
📍 En una frase
MaxKB es una plataforma RAG y de agentes de código abierto y autoalojada (GPL-3.0), desplegada vía Docker, que se conecta a modelos locales DeepSeek o Qwen mediante una entrada de proveedor Ollama, o a modelos en la nube desde la misma pantalla de configuración.
💬 En términos simples
En lugar de pagar a un proveedor en la nube por cada llamada a la API, ejecutas MaxKB en tu propio servidor y lo apuntas a un modelo local que Ollama ya está sirviendo — la base de conocimiento, la interfaz de chat y la lógica del agente permanecen en infraestructura que controlas.
📌Nota: Esta reseña es el complemento detallado de la ficha de MaxKB en el Local LLM Software Directory — consulta esa página para comparar MaxKB de un vistazo con docenas de otras herramientas de IA local.
¿Qué es MaxKB?
MaxKB — abreviatura de "Max Knowledge Brain" según su propia descripción en GitHub — es una plataforma de código abierto para crear aplicaciones RAG y agentes que tú mismo alojas. Combina la ingesta de documentos, un pipeline de recuperación, un constructor de agentes/flujos de trabajo y soporte para el Model Context Protocol (MCP) en una sola aplicación desplegada con Docker, en lugar de tener que ensamblar por separado una base de datos vectorial, un pipeline de embeddings y una interfaz de chat.
- Función principal: ingerir documentos en una base de conocimiento y luego responder preguntas mediante una interfaz de chat, un widget integrable o una API
- Capa de agentes: encadenar pasos de recuperación, llamadas a herramientas y lógica condicional en flujos de trabajo de varios pasos, no solo respuestas de una sola vuelta
- Acceso a modelos: "agnóstico de modelos" según su propia documentación — se conecta a modelos privados (DeepSeek, Llama, Qwen y otros) así como a modelos públicos en la nube (OpenAI, Claude, Gemini y otros)
- Desarrollador: 1Panel-dev, también conocido por el panel de gestión de servidores Linux de código abierto 1Panel
- Repositorio canónico: github.com/1Panel-dev/MaxKB — el hogar activo del código fuente, el seguimiento de incidencias y las notas de versión de MaxKB
¿Cómo autoalojar MaxKB con Docker?
La instalación rápida documentada de MaxKB es un único comando Docker que inicia la aplicación completa, incluida su base de datos integrada. No se necesita un entorno Python ni un servidor de base de datos independientes para una primera ejecución.
- 1Instala Docker en tu servidor o equipo de trabajo (Linux, macOS, o Windows con WSL2).
Why it matters: MaxKB se distribuye como imagen de contenedor; Docker es el único requisito estricto para la instalación base. - 2Ejecuta:
docker run -d --name=maxkb --restart=always -p 8080:8080 -v ~/.maxkb:/var/lib/postgresql/data -v ~/.python-packages:/opt/maxkb/app/sandbox/python-packages 1panel/maxkb
Why it matters: Este único comando descarga la imagen oficial `1panel/maxkb`, mapea el puerto 8080 y persiste tanto la base de datos como los paquetes de la sandbox de Python en el sistema de archivos del host, para que los datos sobrevivan a un reinicio del contenedor. - 3Abre
http://<tu-ip-de-servidor>:8080en un navegador una vez que el contenedor reporte estar saludable.
Why it matters: Esto carga la pantalla de configuración inicial donde creas una cuenta de administrador. - 4Añade un proveedor de modelo en la configuración del sistema — Ollama (para modelos locales) o un proveedor en la nube (se requiere clave API).
Why it matters: MaxKB no tiene un motor de inferencia propio; cada modelo, local o en la nube, se añade como una entrada de proveedor independiente antes de poder crear una base de conocimiento o un agente. - 5Crea una base de conocimiento, sube documentos y luego crea una aplicación que apunte a esa base de conocimiento y al modelo elegido.
Why it matters: Este es el camino mínimo desde una instalación nueva hasta un chatbot RAG funcional.
¿Cómo se conecta MaxKB a modelos locales DeepSeek y Qwen?
MaxKB no ejecuta la inferencia de modelos por sí mismo — se conecta a un servidor de inferencia local independiente, más comúnmente Ollama, a través de una entrada de proveedor de modelo en su configuración. Para usar un modelo local DeepSeek o Qwen, primero descargas ese modelo en Ollama y luego lo registras dentro de MaxKB.
- En la configuración de modelos de MaxKB, elige "Añadir modelo" y selecciona el proveedor Ollama
- Introduce un nombre para mostrar del modelo (cualquier etiqueta que elijas) y el nombre del modelo base que coincida con lo que Ollama esté sirviendo (por ejemplo, una etiqueta de modelo DeepSeek o Qwen)
- Introduce el dominio de la API de Ollama — la dirección del servidor Ollama, por ejemplo
http://127.0.0.1:11434para una instalación local, o una dirección de LAN/remota si Ollama se ejecuta en otra máquina - Introduce cualquier valor en el campo de clave API si Ollama no está configurado para requerir una — la configuración predeterminada de Ollama no exige autenticación por clave API
- Una vez añadido, el modelo aparece en el mismo selector de modelos que cualquier modelo en la nube conectado, de modo que una base de conocimiento o un agente puede usarlo de forma idéntica
¿Qué se puede construir con MaxKB?
El conjunto de funciones de MaxKB se centra en convertir una colección de documentos en una base de conocimiento consultable, y luego, opcionalmente, extenderla a un agente que pueda llamar herramientas. Los detalles a continuación provienen del propio README de GitHub y la documentación de MaxKB.
- Ingesta de bases de conocimiento — sube documentos (formatos de oficina y texto comunes) o rastrea un sitio, y MaxKB fragmenta, genera embeddings e indexa el contenido para la recuperación
- Aplicaciones de chat RAG — crea una aplicación de chat respaldada por una o más bases de conocimiento, desplegable como página de chat alojada, widget integrable en un sitio web, o punto de acceso API
- Constructor de agentes/flujos de trabajo — encadena recuperación, llamadas a herramientas y ramas condicionales en flujos de trabajo de varios pasos en lugar de preguntas y respuestas de una sola vuelta
- Soporte del Model Context Protocol (MCP) — conecta MaxKB con herramientas y fuentes de datos compatibles con MCP para flujos de trabajo de agentes que usan herramientas
- Configuración de modelos agnóstica — añade modelos locales (vía Ollama) y modelos en la nube (OpenAI, Claude, Gemini y otros) uno junto a otro, y cambia el modelo que usa una aplicación sin redesplegar
- Acceso multiusuario (edición Professional) — cuentas de usuario y permisos más allá del límite de 2 usuarios de la edición Community
Precios de MaxKB: Community vs. Professional
La edición MaxKB Community es gratuita para siempre, pero está limitada a 2 usuarios, 5 aplicaciones y 50 bases de conocimiento; la edición Professional de pago elimina esos límites. Según la propia página de precios de MaxKB, la edición Professional se vende como una licencia de suscripción anual.
Edición | Precio | Usuarios | Apps | Bases de conocimiento |
|---|---|---|---|---|
| Community | Gratis | 2 | 5 | 50 |
| Professional | $1,920/año | Ilimitado | Ilimitado | Ilimitado |
Precios según maxkb.pro al momento de esta reseña — MaxKB ofrece licencias de prueba cortas para la edición Professional bajo solicitud; consulta directamente la página oficial de precios antes de presupuestar, ya que los precios del proveedor pueden cambiar sin previo aviso.
¿Quién debería usar MaxKB?
MaxKB es adecuado para equipos que quieren una plataforma RAG y de agentes autoalojada que puedan apuntar a un modelo local, sin ensamblar ellos mismos una base de datos vectorial y una interfaz de chat a partir de piezas separadas.
MaxKB vs. RAGFlow, Dify y AnythingLLM
MaxKB se solapa con varias otras plataformas RAG y de agentes autoalojadas — la diferencia está en la licencia, la profundidad del análisis de documentos y cuánto del stack viene incluido en un solo producto.
Herramienta | Interfaz | Licencia | Mejor para |
|---|---|---|---|
| MaxKB | Web UI + RAG + agentes | GPL-3.0 | Plataforma RAG/agentes desplegada con Docker con soporte de modelos locales |
| RAGFlow | Web UI + análisis de documentos | Apache 2.0 | Recuperación con citas verificables en documentos complejos (tablas, notas al pie) |
| Dify | Visual + RAG + agentes | Apache 2.0 modificada | Plataforma todo en uno de flujos de trabajo, RAG y agentes |
| AnythingLLM | Chat + RAG | MIT | Chat documental autoalojado y ligero |
Las cuatro herramientas pueden funcionar completamente con modelos locales: MaxKB y AnythingLLM añaden Ollama como proveedor de modelo; RAGFlow y Dify se conectan a cualquier endpoint local compatible con la API de OpenAI.
Errores comunes al evaluar MaxKB
Preguntas frecuentes
¿Es gratis MaxKB?
La edición Community es gratuita y de código abierto bajo GPL-3.0, limitada a 2 usuarios, 5 aplicaciones y 50 bases de conocimiento. Una edición Professional de pago elimina esos límites; la propia página de precios de MaxKB la indica como una licencia por suscripción de $1,920 al año.
¿Qué licencia usa MaxKB?
GPL-3.0, según el archivo LICENSE del repositorio oficial de GitHub (github.com/1Panel-dev/MaxKB). GPL-3.0 es copyleft — distribuir una versión modificada generalmente requiere publicar tus cambios bajo la misma licencia.
¿MaxKB admite modelos locales como DeepSeek y Qwen?
Sí. MaxKB se conecta a modelos locales agregando Ollama como proveedor de modelo en su configuración — indicas la dirección del servidor Ollama y un nombre de modelo, y MaxKB enruta las solicitudes al modelo que Ollama esté sirviendo, incluyendo DeepSeek, Qwen y Llama.
¿MaxKB necesita una GPU?
MaxKB en sí no requiere GPU — orquesta la recuperación y llama al proveedor de modelo que configures. Una GPU solo importa si ejecutas por separado Ollama (u otro servidor de inferencia local) con un modelo acelerado por GPU.
¿Cómo se instala MaxKB?
Con un único comando Docker: docker run -d --name=maxkb --restart=always -p 8080:8080 -v ~/.maxkb:/var/lib/postgresql/data -v ~/.python-packages:/opt/maxkb/app/sandbox/python-packages 1panel/maxkb. Esto inicia la aplicación completa, incluida su base de datos integrada, en cualquier host que tenga Docker.
¿Quién desarrolla MaxKB?
1Panel-dev, el equipo también conocido por el panel de gestión de servidores Linux de código abierto 1Panel. El repositorio fuente de MaxKB es github.com/1Panel-dev/MaxKB.
¿Qué tan popular es MaxKB?
El repositorio de GitHub de MaxKB muestra alrededor de 22.700 estrellas al momento de esta reseña, con nuevas versiones cada pocas semanas según su página de releases de GitHub.
¿Cuáles son las principales alternativas a MaxKB?
RAGFlow (Apache 2.0, análisis documental con citas verificables), Dify (Apache 2.0 modificada, plataforma más amplia de flujos de trabajo/agentes) y AnythingLLM (MIT, chat documental autoalojado más ligero) son las alternativas RAG/agentes autoalojadas más cercanas.