Open WebUI autoalojado es la interfaz de chat más extendida para ofrecer a un equipo una experiencia parecida a ChatGPT sin sacar los datos de casa. Se conecta delante de Ollama o de cualquier API compatible con OpenAI, como un servidor vLLM o llama.cpp, y añade lo que le falta a un simple motor de inferencia: cuentas de usuario, historial de conversaciones, gestión de documentos y elección del modelo.
Es uno de los proyectos de código abierto más seguidos en GitHub en su ámbito, y suele ser la primera pieza visible de una plataforma de IA interna. Esa visibilidad tiene una consecuencia directa para los equipos de operaciones: cuando la interfaz va lenta, los usuarios no saben si el problema viene del navegador, de la aplicación, de la búsqueda en los documentos o del modelo. Hay que poder responder rápido.
Veamos qué aporta Open WebUI, cómo instalarlo en unos minutos con Docker y cómo monitorizarlo después: logs, sonda de salud, exportación de OpenTelemetry y correlación con el motor de inferencia en una herramienta como Dynatrace.
¿Qué hace Open WebUI autoalojado?
Open WebUI es una aplicación web (backend en Python, frontend en Svelte) que ofrece:
- una interfaz de conversación multimodelo, con historial, carpetas y uso compartido;
- la gestión de usuarios y roles, con un administrador que controla los modelos accesibles;
- conexiones con Ollama y con APIs compatibles con OpenAI, configurables en la interfaz de administración;
- una función de RAG integrada: se adjuntan documentos o bases de conocimiento que el modelo consulta durante la conversación;
- mecanismos de extensión (herramientas, funciones, pipelines) para añadir comportamientos en Python.
Límites que conviene tener presentes: Open WebUI no es un motor de inferencia. Su rendimiento depende del backend de modelos y, para el RAG, del modelo de embeddings y del almacenamiento vectorial. Además, su licencia ha cambiado a lo largo de las versiones, con una cláusula sobre la imagen de marca: léela antes de un despliegue a gran escala o en marca blanca.
En la práctica: instalar Open WebUI delante de Ollama
Paso 1: disponer de un backend de modelos
El caso más sencillo es un Ollama que se ejecuta en el host, en el puerto 11434. Nuestra guía de Ollama en local describe su instalación. Comprueba que responde:
curl -s http://localhost:11434/api/tags
Paso 2: lanzar el contenedor
La documentación oficial propone un comando de este tipo, que publica la interfaz en el puerto 3000 y conserva los datos en un volumen:
docker run -d --name open-webui --restart always \
-p 3000:8080 \
--add-host=host.docker.internal:host-gateway \
-e OLLAMA_BASE_URL=http://host.docker.internal:11434 \
-v open-webui:/app/backend/data \
ghcr.io/open-webui/open-webui:main
Existen otras variantes de imagen (con Ollama integrado, con soporte de CUDA). También es posible una instalación con pip. Las etiquetas y los comandos exactos están en la documentación de Open WebUI.
Paso 3: crear la cuenta de administrador
Abre http://localhost:3000: la primera cuenta que se crea pasa a ser administradora. En los ajustes de administración, comprueba la conexión con Ollama, elige los modelos visibles y decide si los nuevos registros están abiertos, pendientes de validación o cerrados.
Paso 4: añadir una API compatible con OpenAI
Para conectar un servidor vLLM o llama.cpp, añade una conexión de OpenAI en la administración, o pasa la URL y la clave al arrancar:
-e OPENAI_API_BASE_URL=http://vllm.interne:8000/v1 \
-e OPENAI_API_KEY=cle-du-serveur-vllm
Los modelos que expone ese servidor aparecen entonces junto a los de Ollama. Consulta vLLM en producción para la parte del servidor.
Paso 5: preparar la producción
Para un uso compartido, fija una clave secreta estable para las sesiones (variable WEBUI_SECRET_KEY), coloca la aplicación detrás de un reverse proxy con TLS, conecta la autenticación corporativa (OIDC está soportado) y valora PostgreSQL en lugar de la base SQLite por defecto. Haz copia de seguridad del volumen de datos: contiene cuentas, conversaciones y documentos.
¿Cómo monitorizar Open WebUI?
Salud y disponibilidad
El backend expone un endpoint /health utilizable por una sonda de Kubernetes, un healthcheck de Docker o un monitor sintético HTTP. Un monitor de navegador que inicie sesión y abra una conversación prueba además el recorrido real.
Logs
docker logs -f open-webui
El nivel de detalle se regula con una variable de entorno (un nivel global y niveles por componente). Los logs muestran las llamadas a los backends de modelos, los errores de conexión y el procesamiento de documentos para el RAG. Evita el nivel de depuración en producción: puede contener fragmentos de conversaciones.
Trazas y métricas de OpenTelemetry
Las versiones recientes de Open WebUI integran una instrumentación de OpenTelemetry, que se activa con variables de entorno: una variable de activación general, luego una variable por señal (trazas, métricas, logs, desactivadas por defecto) y el endpoint OTLP estándar. Ejemplo orientativo, que debes contrastar en la página «Observabilidad» de la documentación:
-e ENABLE_OTEL=true \
-e ENABLE_OTEL_TRACES=true \
-e OTEL_EXPORTER_OTLP_ENDPOINT=http://otel-collector:4317 \
-e OTEL_SERVICE_NAME=open-webui
Se obtienen spans para las peticiones HTTP del backend y sus llamadas salientes (base de datos, cliente HTTP hacia los modelos). Si el motor de inferencia también emite trazas, como vLLM, la propagación del contexto W3C permite seguir una pregunta desde la interfaz hasta la GPU.
Correlacionar la interfaz y el modelo en Dynatrace
El OpenTelemetry Collector recibe las trazas de Open WebUI y las envía al endpoint OTLP de Dynatrace con un token de API. En paralelo, OneAgent o el Collector recogen los logs del contenedor y las métricas del host, y las métricas del backend de modelos llegan por su propio camino. En las trazas distribuidas se distingue entonces el tiempo empleado en la aplicación, en la búsqueda documental y en la generación. El método es el de nuestro artículo OpenTelemetry de extremo a extremo, aplicado a un recorrido de IA.
Indicadores útiles: disponibilidad de /health, latencia de las peticiones de chat, tasa de errores hacia cada backend de modelos, duración de la indexación de documentos y número de usuarios activos.
Buenas prácticas
- Cierra los registros públicos o exige validación por parte del administrador.
- Fija una versión de la imagen en lugar de
mainen producción, y lee las notas de versión antes de cada actualización. - Define una política de conservación de las conversaciones e informa a los usuarios.
- Activa OpenTelemetry en la interfaz y en el motor de inferencia para obtener trazas de extremo a extremo.
- Haz copia de seguridad con regularidad del volumen de datos y de la base.
Preguntas frecuentes
¿Funciona Open WebUI sin Ollama?
Sí. Basta con configurar una o varias conexiones con APIs compatibles con OpenAI (vLLM, llama.cpp, un servicio alojado); Ollama es opcional.
¿Se puede conectar la autenticación corporativa?
Sí, Open WebUI admite OIDC y otros mecanismos descritos en su documentación, además de una gestión de grupos y permisos.
¿Exporta Open WebUI trazas de OpenTelemetry?
Las versiones recientes sí, mediante variables de entorno. Comprueba los nombres exactos en la documentación de tu versión.
Conclusión
Open WebUI convierte un motor de inferencia en un servicio utilizable por todo un equipo. Es también el primer lugar donde los usuarios perciben un problema: instrúmentalo desde el principio y conéctalo con el motor de modelos para saber dónde se pierde el tiempo. Para ensamblar el conjunto, consulta nuestra comparativa de pilas de IA de código abierto autoalojadas.
span.observer es un blog independiente de la comunidad, no afiliado a Dynatrace LLC ni a los proyectos citados. Las marcas citadas pertenecen a sus propietarios. Las herramientas evolucionan rápido: comprueba los comandos y opciones en su documentación oficial.