Points clés
- MaxKB est open source sous GPL-3.0 ; le dépôt source est github.com/1Panel-dev/MaxKB
- Déploiement en une seule commande Docker — aucune base de données ni environnement Python séparé requis pour l'installation de base
- Connexion aux modèles locaux en ajoutant Ollama comme fournisseur de modèle (adresse serveur + nom de modèle) ; les modèles DeepSeek, Qwen et Llama servis via Ollama fonctionnent ainsi
- Se connecte aussi à des fournisseurs cloud — OpenAI, Claude (Anthropic), Gemini et autres — depuis le même écran de paramètres de modèles
- Édition Community gratuite : limitée à 2 utilisateurs, 5 applications et 50 bases de connaissances
- L'édition Professional payante supprime ces limites ; la page de tarifs de MaxKB indique une licence par abonnement à 1 920 $ par an
- Développé par 1Panel-dev, l'équipe derrière le panneau open source de gestion de serveurs 1Panel
- Environ 22 700 étoiles GitHub au moment de cette review, avec de nouvelles versions publiées toutes les quelques semaines selon la page des releases GitHub
📍 En une phrase
MaxKB est une plateforme RAG et agents open source et auto-hébergée (GPL-3.0), déployée via Docker, qui se connecte à des modèles locaux DeepSeek ou Qwen via une entrée fournisseur Ollama, ou à des modèles cloud depuis le même écran de paramètres.
💬 En termes simples
Plutôt que de payer un fournisseur cloud à chaque appel API, vous exécutez MaxKB sur votre propre serveur et le connectez à un modèle local déjà servi par Ollama — base de connaissances, interface de chat et logique d'agent restent sur une infrastructure que vous contrôlez.
📌Remarque: Cette review est le complément approfondi de la fiche de MaxKB dans le Local LLM Software Directory — consultez cette page pour comparer MaxKB en un coup d'œil à des dizaines d'autres outils d'IA locale.
Qu'est-ce que MaxKB ?
MaxKB — abréviation de « Max Knowledge Brain » selon sa propre description GitHub — est une plateforme open source pour créer des applications RAG et des agents que vous hébergez vous-même. Elle regroupe l'ingestion de documents, un pipeline de retrieval, un constructeur d'agents/workflows et le support du Model Context Protocol (MCP) dans une seule application déployée via Docker, au lieu d'assembler séparément une base vectorielle, un pipeline d'embeddings et une interface de chat.
- Fonction principale : ingérer des documents dans une base de connaissances, puis répondre aux questions via une interface de chat, un widget intégrable ou une API
- Couche agent : enchaîner des étapes de retrieval, des appels d'outils et une logique conditionnelle en workflows multi-étapes, au-delà de la simple question-réponse
- Accès aux modèles : « agnostique aux modèles » selon sa propre documentation — se connecte à des modèles privés (DeepSeek, Llama, Qwen et autres) ainsi qu'à des modèles cloud publics (OpenAI, Claude, Gemini et autres)
- Développeur : 1Panel-dev, également connu pour le panneau de gestion de serveurs Linux open source 1Panel
- Dépôt canonique : github.com/1Panel-dev/MaxKB — l'emplacement actif du code source, du suivi des tickets et des notes de version de MaxKB
Comment auto-héberger MaxKB avec Docker ?
L'installation rapide documentée par MaxKB tient en une seule commande Docker qui démarre l'application complète, base de données incluse. Aucun environnement Python ni serveur de base de données séparé n'est nécessaire pour un premier lancement.
- 1Installer Docker sur votre serveur ou poste de travail (Linux, macOS, ou Windows avec WSL2).
Why it matters: MaxKB est distribué sous forme d'image conteneur ; Docker est le seul prérequis strict pour l'installation de base. - 2Exécuter :
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: Cette commande unique récupère l'image officielle `1panel/maxkb`, mappe le port 8080, et persiste la base de données ainsi que les paquets de la sandbox Python sur le système de fichiers hôte, afin que les données survivent à un redémarrage du conteneur. - 3Ouvrir
http://<votre-ip-serveur>:8080dans un navigateur une fois le conteneur signalé comme opérationnel.
Why it matters: Cela charge l'écran de configuration initiale où vous créez un compte administrateur. - 4Ajouter un fournisseur de modèle dans les paramètres système — Ollama (pour les modèles locaux) ou un fournisseur cloud (clé API requise).
Why it matters: MaxKB n'intègre aucun moteur d'inférence propre ; chaque modèle, local ou cloud, s'ajoute comme une entrée fournisseur distincte avant de pouvoir créer une base de connaissances ou un agent. - 5Créer une base de connaissances, y téléverser des documents, puis créer une application pointant vers cette base de connaissances et le modèle choisi.
Why it matters: C'est le chemin minimal entre une installation neuve et un chatbot RAG fonctionnel.
Comment MaxKB se connecte-t-il aux modèles locaux DeepSeek et Qwen ?
MaxKB n'exécute pas lui-même l'inférence des modèles — il se connecte à un serveur d'inférence local distinct, le plus souvent Ollama, via une entrée fournisseur de modèle dans ses paramètres. Pour utiliser un modèle local DeepSeek ou Qwen, téléchargez d'abord ce modèle dans Ollama, puis enregistrez-le dans MaxKB.
- Dans les paramètres de modèles de MaxKB, choisir « Ajouter un modèle » et sélectionner le fournisseur Ollama
- Saisir un nom d'affichage pour le modèle (libellé libre) et le nom du modèle de base correspondant à ce que sert Ollama (par exemple un tag de modèle DeepSeek ou Qwen)
- Saisir le domaine API Ollama — l'adresse du serveur Ollama, par exemple
http://127.0.0.1:11434pour une installation locale, ou une adresse LAN/distante si Ollama tourne sur une autre machine - Saisir n'importe quelle valeur dans le champ clé API si Ollama n'exige pas d'authentification par clé API — la configuration par défaut d'Ollama n'en impose pas
- Une fois ajouté, le modèle apparaît dans le même sélecteur de modèle que n'importe quel modèle cloud connecté, permettant à une base de connaissances ou un agent de l'utiliser de façon identique
Que peut-on construire avec MaxKB ?
L'ensemble des fonctionnalités de MaxKB vise à transformer une collection de documents en base de connaissances interrogeable, puis à l'étendre éventuellement en un agent capable d'appeler des outils. Les détails ci-dessous proviennent du README GitHub et de la documentation de MaxKB.
- Ingestion de bases de connaissances — téléverser des documents (formats bureautiques et texte courants) ou explorer un site ; MaxKB découpe, embedde et indexe le contenu pour le retrieval
- Applications de chat RAG — créer une application de chat adossée à une ou plusieurs bases de connaissances, déployable comme page de chat hébergée, widget intégrable au site, ou point d'accès API
- Constructeur d'agents/workflows — enchaîner retrieval, appels d'outils et branches conditionnelles en workflows multi-étapes plutôt qu'en simple question-réponse
- Support du Model Context Protocol (MCP) — connecter MaxKB à des outils et sources de données compatibles MCP pour des workflows agentiques utilisant des outils
- Paramètres de modèles agnostiques — ajouter des modèles locaux (via Ollama) et des modèles cloud (OpenAI, Claude, Gemini et autres) côte à côte, et changer le modèle utilisé par une application sans redéploiement
- Accès multi-utilisateurs (édition Professional) — comptes utilisateurs et permissions au-delà de la limite de 2 utilisateurs de l'édition Community
Tarifs MaxKB : Community vs. Professional
L'édition MaxKB Community est gratuite à vie mais limitée à 2 utilisateurs, 5 applications et 50 bases de connaissances ; l'édition Professional payante supprime ces limites. Selon la page de tarifs de MaxKB, l'édition Professional est vendue sous forme de licence par abonnement annuel.
Édition | Prix | Utilisateurs | Apps | Bases de connaissances |
|---|---|---|---|---|
| Community | Gratuit | 2 | 5 | 50 |
| Professional | 1 920 $/an | Illimité | Illimité | Illimité |
Tarifs selon maxkb.pro au moment de cette review — MaxKB propose de courtes licences d'essai pour l'édition Professional sur demande ; vérifiez directement la page de tarifs officielle avant de budgétiser, les prix des éditeurs pouvant changer sans préavis.
À qui s'adresse MaxKB ?
MaxKB convient aux équipes souhaitant une plateforme RAG et agents auto-hébergée, orientable vers un modèle local, sans assembler elles-mêmes une base vectorielle et une interface de chat à partir d'éléments séparés.
MaxKB vs. RAGFlow, Dify et AnythingLLM
MaxKB chevauche plusieurs autres plateformes RAG et agents auto-hébergées — la différence tient à la licence, à la profondeur d'analyse documentaire, et à la part du stack regroupée dans un seul produit.
Outil | Interface | Licence | Idéal pour |
|---|---|---|---|
| MaxKB | Web UI + RAG + agents | GPL-3.0 | Plateforme RAG/agents déployée via Docker avec support des modèles locaux |
| RAGFlow | Web UI + analyse documentaire | Apache 2.0 | Retrieval traçable sur documents complexes (tableaux, notes de bas de page) |
| Dify | Visuelle + RAG + agents | Apache 2.0 modifiée | Plateforme tout-en-un workflow, RAG et agents |
| AnythingLLM | Chat + RAG | MIT | Chat documentaire auto-hébergé léger |
Les quatre outils peuvent fonctionner entièrement avec des modèles locaux : MaxKB et AnythingLLM ajoutent tous deux Ollama comme fournisseur de modèle ; RAGFlow et Dify se connectent à tout point de terminaison local compatible API OpenAI.
Erreurs courantes à éviter avec MaxKB
Questions fréquemment posées
MaxKB est-il gratuit ?
L'édition Community est gratuite et open source sous GPL-3.0, limitée à 2 utilisateurs, 5 applications et 50 bases de connaissances. Une édition Professional payante supprime ces limites ; la page de tarifs de MaxKB l'indique comme une licence par abonnement à 1 920 $ par an.
Quelle licence utilise MaxKB ?
GPL-3.0, selon le fichier LICENSE du dépôt GitHub officiel (github.com/1Panel-dev/MaxKB). GPL-3.0 est copyleft — distribuer une version modifiée exige généralement de publier vos modifications sous la même licence.
MaxKB prend-il en charge des modèles locaux comme DeepSeek et Qwen ?
Oui. MaxKB se connecte aux modèles locaux en ajoutant Ollama comme fournisseur de modèle dans ses paramètres — vous indiquez l'adresse du serveur Ollama et un nom de modèle, et MaxKB achemine les requêtes vers le modèle servi par Ollama, y compris DeepSeek, Qwen et Llama.
MaxKB a-t-il besoin d'un GPU ?
MaxKB lui-même ne nécessite pas de GPU — il orchestre le retrieval et appelle le fournisseur de modèle que vous configurez. Un GPU n'est pertinent que si vous exécutez séparément Ollama (ou un autre serveur d'inférence local) avec un modèle accéléré par GPU.
Comment installer MaxKB ?
Avec une seule commande 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. Cela démarre l'application complète, base de données incluse, sur tout hôte disposant de Docker.
Qui développe MaxKB ?
1Panel-dev, l'équipe également connue pour le panneau de gestion de serveurs Linux open source 1Panel. Le dépôt source de MaxKB est github.com/1Panel-dev/MaxKB.
Quelle est la popularité de MaxKB ?
Le dépôt GitHub de MaxKB affiche environ 22 700 étoiles au moment de cette review, avec de nouvelles versions publiées toutes les quelques semaines selon sa page de releases GitHub.
Quelles sont les principales alternatives à MaxKB ?
RAGFlow (Apache 2.0, analyse documentaire traçable), Dify (Apache 2.0 modifiée, plateforme workflow/agents plus large) et AnythingLLM (MIT, chat documentaire auto-hébergé plus léger) sont les alternatives RAG/agents auto-hébergées les plus proches.