Structure de l'objet Model Specs

Vue d'ensemble

L'objet modelSpecs vous aide à offrir une expérience utilisateur plus simple pour les modèles d'IA au sein de votre application.

Il y a 3 champs principaux sous modelSpecs :

• enforce (optionnel ; par défaut : false)
• prioritize (optionnel ; par défaut : true)
• list (requis)
• addedEndpoints (optionnel)

Notes :

• Si enforce est défini sur true, les Model Specs peuvent potentiellement entrer en conflit avec d'autres paramètres de l'interface tels que modelSelect, presets et parameters.
• Le tableau list contient des configurations détaillées pour chaque modèle, y compris des préréglages qui dictent des comportements, des apparences et des capacités spécifiques.
• Si les champs interface ne sont pas spécifiés dans la configuration, le fait d'avoir une liste de Model Specs désactivera les éléments d'interface suivants :
  • modelSelect
  • parameters
  • presets
• Si vous souhaitez activer ces éléments d'interface ainsi que les Model Specs, vous pouvez les définir sur true dans l'objet interface.

Exemple

modelSpecs:
  enforce: true
  prioritize: true
  list:
    - name: 'meeting-notes-gpt4'
      label: 'Meeting Notes Assistant (GPT4)'
      softDefault: true
      description: 'Generate meeting notes by simply pasting in the transcript from a Teams recording.'
      iconURL: 'https://example.com/icon.png'
      showOnLanding: true
      conversation_starters:
        - 'Summarize this meeting transcript'
        - 'Extract action items and owners'
      hideBadgeRow: true
      skills:
        - 'brand-guidelines'
        - 'meeting-notes'
      subagents:
        enabled: true
        allowSelf: true
        agent_ids: []
      preset:
        endpoint: 'azureOpenAI'
        model: 'gpt-4-turbo-1106-preview'
        maxContextTokens: 128000 # Maximum context tokens
        max_tokens: 4096 # Maximum output tokens
        temperature: 0.2
        modelLabel: 'Meeting Summarizer'
        greeting: |
          This assistant creates meeting notes based on transcripts of Teams recordings.
          To start, simply paste the transcript into the chat box.
        promptPrefix: |
          Based on the transcript, create coherent meeting minutes for a business meeting. Include the following sections:
          - Date and Attendees
          - Agenda
          - Minutes
          - Action Items

          Focus on what items were discussed and/or resolved. List any open action items.
          The format should be a bulleted list of high level topics in chronological order, and then one or more concise sentences explaining the details.
          Each high level topic should have at least two sub topics listed, but add as many as necessary to support the high level topic. 

          - Do not start items with the same opening words.

          Take a deep breath and be sure to think step by step.

Champs de haut niveau

enforce

Par défaut : false

Exemple :

modelSpecs:
  enforce: true

prioritize

Par défaut : true

Exemple :

modelSpecs:
  prioritize: false

addedEndpoints

Par défaut : [] (liste vide)

Remarque : Doit être l'un des éléments suivants :

• openAI, azureOpenAI, google, anthropic, assistants, azureAssistants, bedrock, agents

Exemple :

modelSpecs:
  # ... other modelSpecs fields
  addedEndpoints:
    - openAI
    - google

list

Requis

Model Spec (Élément de liste)

Au sein de chaque Model Spec, ou de chaque élément de list, vous pouvez configurer les champs suivants :

name

Description : Identifiant unique pour le modèle.

label

Description : Un nom ou une étiquette convivial(e) pour le modèle, affiché(e) dans le menu déroulant de l'en-tête.

default

Description :
Spécifie si ce Model Specs est la sélection par défaut, pour être automatiquement sélectionné à chaque nouvelle discussion.

softDefault

Description :

Spécifie une valeur par défaut lors de la première exécution sans écraser les sélections ultérieures de l'utilisateur. Utilisez softDefault lorsque vous souhaitez guider les nouveaux utilisateurs vers une spécification sélectionnée tout en préservant le choix de l'utilisateur après qu'il ait choisi un autre modèle, une autre spécification ou un autre agent.

La consultation d'une ancienne conversation ayant utilisé une Model Specs par défaut (soft-default) ne réactive pas cette spécification comme étant celle par défaut de l'utilisateur après qu'il a effectué une autre sélection.

Exemple :

modelSpecs:
  list:
    - name: 'general-assistant'
      label: 'General Assistant'
      softDefault: true
      preset:
        endpoint: 'openAI'
        model: 'gpt-4o-mini'

iconURL

Description :
URL ou nom d'endpoint prédéfini pour l'icône du modèle dans le sélecteur, l'en-tête et l'image de marque de la conversation. Utilisez showIconInMenu et showIconInHeader pour contrôler où l'icône apparaît.

description

Description : Une brève description du modèle et de son utilisation ou rôle prévu, affichée dans le sélecteur de modèle. Si showOnLanding est défini sur true, la même description est également affichée sur la page d'accueil du chat sous l'étiquette de la spécification.

Les descriptions en texte brut s'affichent sous forme de texte. Les descriptions commençant par < sont traitées par le purificateur HTML de la configuration, permettant l'utilisation de balisage en ligne sécurisé et de médias tels que de petites icônes.

conversation_starters

Description : Les amorces de conversation (conversation starters) offrent aux utilisateurs des suggestions de premières requêtes pour un Model Specs. Elles sont affichées sur la page d'accueil d'une nouvelle discussion pour le modèle sélectionné et sont particulièrement utiles avec le branding showOnLanding. Cliquer sur une amorce l'envoie comme premier message d'une nouvelle conversation.

• Un maximum de 4 starters sont affichés, correspondant à la limite de l'agent/assistant.
• Si le preset de la spec pointe vers un agent ou un assistant qui définit ses propres amorces de conversation, celles-ci sont prioritaires.

Exemple :

modelSpecs:
  list:
    - name: 'meeting-notes'
      label: 'Meeting Notes'
      showOnLanding: true
      conversation_starters:
        - 'Summarize this meeting transcript'
        - 'Create action items with owners and due dates'
      preset:
        endpoint: 'agents'
        model: 'gpt-4o'

showOnLanding

Par défaut : false

Utilisez ceci lorsqu'une Model Specs organisée doit personnaliser l'écran de premier chat vide. Les Model Specs existantes restent inchangées à moins que showOnLanding ne soit défini sur true.

Exemple :

modelSpecs:
  list:
    - name: 'branded-assistant'
      label: 'Acme Research'
      description: '<span><img src="/assets/acme.svg" alt="Acme" /> Research with approved sources</span>'
      showOnLanding: true
      iconURL: '/assets/acme.svg'
      preset:
        endpoint: 'openAI'
        model: 'gpt-4o'

group

Description : Nom de groupe optionnel pour organiser les Model Specs dans le sélecteur de l'interface utilisateur. Le champ group offre un contrôle flexible sur la manière dont les Model Specs sont organisées :

• Si group correspond à un nom d'endpoint (par ex. "openAI", "groq") : La Model Specs apparaît imbriquée sous cet endpoint dans le menu de sélection.
• Si group est un nom personnalisé (ne correspond à aucun endpoint) : Crée une section pliable distincte avec ce nom. Vous pouvez éventuellement utiliser groupIcon pour définir une icône personnalisée pour cette section (URL ou clé intégrée comme "openAI")
• Si group est omis : Le Model Specs apparaît comme un élément autonome au niveau supérieur

Cette fonctionnalité est particulièrement utile lorsque vous souhaitez ajouter des descriptions aux modèles sans perdre la structure organisationnelle du menu de sélection.

hideBadgeRow

Par défaut : false

Utilisez ceci lorsqu'une spécification de modèle organisée ne doit pas afficher la ligne de badges d'outils/capacités sous le compositeur.

Exemple :

modelSpecs:
  list:
    - name: 'general-assistant'
      label: 'General Assistant'
      hideBadgeRow: true
      preset:
        endpoint: 'openAI'
        model: 'gpt-4o-mini'

Exemple :

modelSpecs:
  list:
    # Example 1: Nested under an endpoint
    # When group matches an endpoint name, the spec appears under that endpoint
    - name: 'gpt-4o-optimized'
      label: 'GPT-4 Optimized'
      description: 'Most capable GPT-4 model with multimodal support'
      group: 'openAI' # Appears nested under the OpenAI endpoint
      preset:
        endpoint: 'openAI'
        model: 'gpt-4o'

    # Example 2: Custom group section with icon
    # When group is a custom name, it creates a separate collapsible section
    - name: 'coding-assistant'
      label: 'Coding Assistant'
      description: 'Specialized for coding tasks'
      group: 'My Assistants'
      groupIcon: 'https://example.com/icons/assistants.png' # Custom icon for the group
      preset:
        endpoint: 'openAI'
        model: 'gpt-4o'

    # Multiple specs with the same group name are grouped together
    - name: 'writing-assistant'
      label: 'Writing Assistant'
      description: 'Specialized for creative writing'
      group: 'My Assistants' # Grouped with coding-assistant, uses its icon
      preset:
        endpoint: 'anthropic'
        model: 'claude-sonnet-4'

    # Example 3: Custom group using built-in icon
    - name: 'fast-model'
      label: 'Fast Model'
      group: 'Fast Models'
      groupIcon: 'groq' # Uses built-in Groq icon
      preset:
        endpoint: 'groq'
        model: 'llama3-8b-8192'

    # Example 4: Standalone (no group)
    # When group is omitted, the spec appears at the top level
    - name: 'general-assistant'
      label: 'General Assistant'
      description: 'General purpose assistant'
      # No group field - appears as standalone item at top level
      preset:
        endpoint: 'openAI'
        model: 'gpt-4o-mini'

showIconInMenu

Description :
Contrôle si l'icône du modèle apparaît dans le menu déroulant de l'en-tête. La valeur par défaut est true.

showIconInHeader

Description :
Contrôle si l'icône du modèle apparaît dans le bouton déroulant de l'en-tête, à gauche de son nom. La valeur par défaut est true.

authType

Description :
Type d'authentification requis pour le Model Specs. Détermine si l'authentification est remplacée, fournie par l'utilisateur ou définie par le système.

webSearch

Description :
Active la fonctionnalité de recherche web pour cette Model Specs. Lorsqu'elle est définie sur true, le modèle peut effectuer des recherches sur le web pour récupérer des informations actuelles.

Exemple :

modelSpecs:
  list:
    - name: 'research-assistant'
      label: 'Research Assistant'
      webSearch: true
      preset:
        endpoint: 'openAI'
        model: 'gpt-4o'

fileSearch

Description :
Active la fonctionnalité de recherche de fichiers pour cette Model Specs. Lorsqu'elle est définie sur true, le modèle peut effectuer des recherches dans les fichiers téléchargés et s'y référer.

Exemple :

modelSpecs:
  list:
    - name: 'document-analyst'
      label: 'Document Analyst'
      fileSearch: true
      preset:
        endpoint: 'openAI'
        model: 'gpt-4o'

executeCode

Description :
Active la capacité d'exécution de code pour cette Model Specs. Lorsqu'elle est définie sur true, le modèle peut exécuter du code dans un environnement sandbox.

Exemple :

modelSpecs:
  list:
    - name: 'code-assistant'
      label: 'Code Assistant'
      executeCode: true
      preset:
        endpoint: 'openAI'
        model: 'gpt-4o'

mcpServers

Description :
Liste des noms de serveurs Model Context Protocol (MCP) à activer pour ce Model Specs. Les serveurs MCP étendent les capacités du modèle avec des outils et des ressources personnalisés.

Exemple :

modelSpecs:
  list:
    - name: 'enhanced-assistant'
      label: 'Enhanced Assistant'
      mcpServers:
        - 'filesystem'
        - 'sequential-thinking'
        - 'fetch'
      preset:
        endpoint: 'openAI'
        model: 'gpt-4o'

skills

Description :

Contrôle les Skills pour cette Model Specs lorsque la fonctionnalité Skills de l'endpoint Agents est disponible.

• true : active le catalogue de compétences accessibles de l'utilisateur.
• false : désactive les Skills pour cette spec.
• Tableau des noms de Skills : restreint le catalogue, l'invocation manuelle et la résolution « always-apply » aux Skills nommés.

Exemple :

modelSpecs:
  list:
    - name: 'brand-assistant'
      label: 'Brand Assistant'
      skills:
        - 'brand-guidelines'
        - 'approved-claims'
      preset:
        endpoint: 'agents'
        model: 'gpt-4o'

subagents

Description :

Contrôle les sous-agents pour les agents éphémères créés à partir de cette Model Specs. Utilisez ceci lorsque vous souhaitez qu'une Model Specs organisée expose un comportement de délégation sans obliger les utilisateurs à créer ou à sélectionner un agent parent persistant.

• enabled : ajoute l'outil de génération de sous-agent pour ce Model Specs.
• allowSelf : permet à l'agent éphémère de générer une nouvelle copie isolée de lui-même.
• agent_ids : permet d'utiliser des agents persistants spécifiques comme sous-agents supplémentaires. Cette liste est limitée par MAX_SUBAGENTS et reste côté serveur ; la configuration de démarrage envoyée aux clients inclut uniquement les drapeaux publics enabled et allowSelf.

Lorsque les Model Specs sont appliquées, les paramètres subagents de la Model Spec prévalent sur les valeurs de la charge utile de la requête.

Exemple :

modelSpecs:
  list:
    - name: 'research-assistant'
      label: 'Research Assistant'
      subagents:
        enabled: true
        allowSelf: true
        agent_ids: []
      preset:
        endpoint: 'agents'
        model: 'gpt-4o'

artifacts

Description :
Active la fonctionnalité Artifacts pour cette Model Specs, permettant au modèle de générer et d'afficher des artefacts interactifs tels que des composants React, du HTML et des diagrammes Mermaid. Lorsqu'il est défini sur true, le mode d'artefact par défaut est utilisé. Vous pouvez également spécifier une chaîne de caractères de mode directement.

Exemple :

modelSpecs:
  list:
    - name: 'artifact-assistant'
      label: 'Artifact Assistant'
      artifacts: true
      preset:
        endpoint: 'openAI'
        model: 'gpt-4o'

preset

Description :
Configurations de préréglages détaillées qui définissent le comportement et les capacités du modèle (voir la structure de l'objet Preset ci-dessous).

Champs de préréglage

Le champ preset pour un élément de modelSpecs.list est constitué d'un plan de configuration complet pour les modèles d'IA au sein du système. Il est conçu pour spécifier les paramètres opérationnels des modèles d'IA, en adaptant leur comportement, leurs sorties et leurs interactions avec d'autres composants système et endpoint.

Options système

endpoint

Requis

Valeurs acceptées :

• openAI
• azureOpenAI
• google
• anthropic
• assistants
• azureAssistants
• bedrock
• agents

Note : Si vous utilisez un endpoint personnalisé, la valeur endpoint doit correspondre exactement au nom de l'endpoint personnalisé défini.

Exemple :

preset:
  endpoint: 'openAI'

modelLabel

Par défaut : None

Exemple :

preset:
  modelLabel: 'Customer Support Bot'

greeting

Par défaut : None

Exemple :

preset:
  greeting: 'This assistant creates meeting notes based on transcripts of Teams recordings. To start, simply paste the transcript into the chat box.'

promptPrefix

Par défaut : None

Exemple 1 :

preset:
  promptPrefix: 'As a financial advisor, ...'

Exemple 2 :

preset:
  promptPrefix: |
    Based on the transcript, create coherent meeting minutes for a business meeting. Include the following sections:
    - Date and Attendees
    - Agenda
    - Minutes
    - Action Items

    Focus on what items were discussed and/or resolved. List any open action items.
    The format should be a bulleted list of high level topics in chronological order, and then one or more concise sentences explaining the details.
    Each high level topic should have at least two sub topics listed, but add as many as necessary to support the high level topic. 

    - Do not start items with the same opening words.

    Take a deep breath and be sure to think step by step.

resendFiles

Par défaut : true

Exemple :

preset:
  resendFiles: true

imageDetail

Valeurs acceptées :

• faible
• auto
• élevé

Par défaut : "auto"

Exemple :

preset:
  imageDetail: 'high'

maxContextTokens

Exemple :

preset:
  maxContextTokens: 4096

Options d'agent

Notez que ces options ne sont applicables que lors de l'utilisation de l'endpoint agents.

Vous devriez exclure toute option de modèle et vous en remettre à la configuration de l'agent telle que définie dans l'interface utilisateur.

agent_id

Exemple :

preset:
  agent_id: 'agent_someUniqueId'

Options de l'assistant

Notez que ces options ne sont applicables que lors de l'utilisation de l'endpoint assistants ou azureAssistants.

Tout comme pour les Agents, vous devez exclure toute option de modèle et vous en remettre à la configuration de l'assistant.

assistant_id

Exemple :

preset:
  assistant_id: 'asst_someUniqueId'

instructions

Remarque : ceci est distinct de promptPrefix, car cela remplace les instructions existantes de l'assistant pour les exécutions en cours.

Utilisez ceci uniquement si vous souhaitez remplacer les instructions principales de l'assistant.

Utilisez promptPrefix pour additional_instructions.

Plus d'informations :

• https://platform.openai.com/docs/api-reference/models#runs-createrun-instructions
• https://platform.openai.com/docs/api-reference/runs/createRun#runs-createrun-additional_instructions

Exemple :

preset:
  instructions: 'Please handle customer queries regarding order status.'

append_current_datetime

Ajoute la date et l'heure actuelles à additional_instructions pour chaque exécution. Ne remplace pas promptPrefix, mais s'y ajoute.

Exemple :

preset:
  append_current_datetime: true

Options de modèle

Remarque : Chaque paramètre ci-dessous inclut une note sur les endpoint qui le prennent en charge.
OpenAI / AzureOpenAI / Custom prennent généralement en charge temperature, presence_penalty, frequency_penalty, stop, top_p, max_tokens.
Google / Anthropic prennent généralement en charge topP, topK, maxOutputTokens ; Google prend également en charge url_context sur les modèles de texte Gemini compatibles. Anthropic / OpenRouter / Bedrock (modèles Anthropic et Nova) prennent en charge promptCache et promptCacheTtl. Bedrock prend en charge region, maxTokens et quelques autres.

model

Pris en charge par : Tous les endpoints (sauf agents)

Par défaut : None

Exemple :

preset:
  model: 'gpt-4-turbo'

temperature

Pris en charge par : openAI, azureOpenAI, google (en tant que temperature), anthropic (en tant que temperature), et personnalisé (type OpenAI)

Exemple :

preset:
  temperature: 0.7

presence_penalty

Pris en charge par : openAI, azureOpenAI, personnalisé (type OpenAI)
Généralement non utilisé par Google/Anthropic/Bedrock

Exemple :

preset:
  presence_penalty: 0.3

frequency_penalty

Pris en charge par : openAI, azureOpenAI, personnalisé (type OpenAI)
Généralement non utilisé par Google/Anthropic/Bedrock

Exemple :

preset:
  frequency_penalty: 0.5

stop

Pris en charge par : openAI, azureOpenAI, personnalisé (type OpenAI)
Généralement non utilisé par Google/Anthropic/Bedrock

Exemple :

preset:
  stop:
    - 'END'
    - 'STOP'

top_p

Pris en charge par : openAI, azureOpenAI, personnalisé (type OpenAI)
Google/Anthropic utilisent souvent topP (avec un « P » majuscule) au lieu de top_p.

Exemple :

preset:
  top_p: 0.9

topP

Pris en charge par : google & anthropic
(objectif similaire à top_p, mais nommé différemment dans ces API)

Exemple :

preset:
  topP: 0.8

topK

Pris en charge par : google & anthropic
(limite d'échantillonnage k sur la distribution du jeton suivant)

Exemple :

preset:
  topK: 40

max_tokens

Pris en charge par : openAI, azureOpenAI, personnalisé (type OpenAI)
Pour Google/Anthropic, utilisez maxOutputTokens ou maxTokens (selon le endpoint).

Exemple :

preset:
  max_tokens: 4096

maxOutputTokens

Pris en charge par : google, anthropic
Équivalent à max_tokens pour ces fournisseurs.

Exemple :

preset:
  maxOutputTokens: 2048

promptCache

Pris en charge par : anthropic, les endpoints personnalisés OpenRouter, bedrock (modèles Anthropic et Nova) (Activer la mise en cache des prompts du fournisseur)

Par défaut : true

Exemple :

preset:
  promptCache: true

Note : Pour les endpoints Bedrock, la mise en cache des prompts (prompt caching) est automatiquement activée pour les modèles Claude et Nova. Définissez promptCache: false pour la désactiver explicitement.

promptCacheTtl

Pris en charge par : anthropic, les endpoints personnalisés OpenRouter, bedrock (modèles Anthropic et Nova) (Définit la durée de vie du cache de prompt lorsque la mise en cache de prompt est activée)

Valeurs acceptées :

• 5m
• 1h

Exemple :

preset:
  promptCache: true
  promptCacheTtl: '1h'

Note : promptCacheTtl est ignoré lorsque la mise en cache des prompts est désactivée. Lorsqu'il est omis, l'intégration du fournisseur utilise sa durée de vie par défaut pour le cache des prompts.

reasoning_effort

Valeurs acceptées :

• "" (chaîne vide — non défini, utilise la valeur par défaut de l'API)
• "none"
• "minimal"
• "low"
• "medium"
• "high"
• "xhigh" (extra élevé)

Pris en charge par : openAI, azureOpenAI, custom (OpenAI-like), bedrock (modèles ZAI, MoonshotAI)

Par défaut : "" (non défini)

Exemple :

preset:
  reasoning_effort: 'low'

reasoning_summary

Valeurs acceptées :

• "" (chaîne vide — désactive les résumés de raisonnement)
• "auto"
• "concise"
• "detailed"

Pris en charge par : openAI, azureOpenAI, personnalisé (type OpenAI)

Par défaut : "" (désactivé)

Exemple :

preset:
  reasoning_summary: 'detailed'

useResponsesApi

Pris en charge par : openAI, azureOpenAI, personnalisé (type OpenAI)

Par défaut : false

Exemple :

preset:
  useResponsesApi: true

verbosity

Valeurs acceptées :

• "" (chaîne vide — non défini, utilise la valeur par défaut de l'API)
• "low"
• "medium"
• "high"

Pris en charge par : openAI, azureOpenAI, personnalisé (type OpenAI)

Par défaut : "" (non défini)

Exemple :

preset:
  verbosity: 'low'

web_search

Pris en charge par : openAI, azureOpenAI, custom (OpenAI-like), google, anthropic

Par défaut : false

Note : Pour les endpoints Google, ce paramètre apparaît sous le nom Grounding with Google Search dans le panneau réel, mais contrôle web_search dans l'implémentation.

Exemple :

preset:
  web_search: true

url_context

Pris en charge par : google sur les modèles de texte Gemini pris en charge, y compris Gemini 2.5+ et Gemini 3.x

Par défaut : false

Exemple :

preset:
  url_context: true

disableStreaming

Pris en charge par : openAI, azureOpenAI, personnalisé (type OpenAI)

Par défaut : false

Exemple :

preset:
  disableStreaming: true

thinkingBudget

Pris en charge par : google, anthropic, bedrock (modèles Anthropic)

Par défaut : "Auto (-1)" (Google), 2000 (Anthropic, Bedrock (modèles Anthropic))

Exemple :

preset:
  thinkingBudget: '2000'

thinkingLevel

Pris en charge par : google (modèles Gemini 3+)

Valeurs acceptées :

• "" (non défini/auto)
• "minimal"
• "low"
• "medium"
• "high"

Par défaut : "" (non défini — le modèle décide)

Exemple :

preset:
  thinkingLevel: 'medium'

effort

Pris en charge par : anthropic, bedrock (modèles Anthropic)

Options : "" (non défini/auto), "low", "medium", "high", "xhigh", "max"

Par défaut : "" (non défini — le modèle décide)

Exemple :

preset:
  effort: 'high'

thinkingDisplay

Pris en charge par : anthropic, bedrock (modèles Anthropic)

Options : "auto" (par défaut), "summarized", "omitted"

• "auto" — LibreChat décide : opte pour "summarized" pour les modèles qui omettent la réflexion par défaut (Opus 4.7+ et classe Fable/Mythos), et laisse le champ vide pour les modèles plus anciens
• "summarized" — toujours demander un résumé a posteriori du raisonnement
• "omitted" — supprimer toujours le contenu de raisonnement (latence légèrement inférieure)

Par défaut : "auto"

Exemple :

preset:
  thinkingDisplay: 'summarized'

thinking

Pris en charge par : google, anthropic, bedrock (modèles Anthropic)

Par défaut : true

Exemple :

preset:
  thinking: true

region

Pris en charge par : bedrock
(Utilisé pour spécifier une région AWS pour Amazon Bedrock)

Exemple :

preset:
  region: 'us-east-1'

maxTokens

Pris en charge par : bedrock
(Utilisé à la place de max_tokens)

Exemple :

preset:
  maxTokens: 1024