Skip to main content
Glama
lmstudio-ollama-mcp

lmstudio-ollama-mcp

by fthsrbst

lmstudio-ollama-mcp

npm install -g lmstudio-ollama-mcp
lmstudio-ollama-mcp doctor   # or: forge doctor
lmstudio-ollama-mcp "add unit tests for src/utils/logger.ts"

ローカルファースト。プライベート。無料。APIキー不要。 フロンティアモデル(GPT-4o、Claude 4)はオプション — 小さなローカルモデルが作業を実行している間、プランナーとしてのみ使用されます。エイリアス forge / forgecode で従来の操作感を維持できます。


lmstudio-ollama-mcp を選ぶ理由

Claude Code / Codex

lmstudio-ollama-mcp

実行環境

クラウドAPI(有料、データがマシンの外に出る)

LM Studio · Ollama · llama.cpp(オフライン、プライベート)

コスト

トークン課金

モデルダウンロード後は $0

サブエージェント

シングルスレッドまたはクラウド並列

ハードウェアを考慮したローカル並列処理

モデル選択

ベンダーロックイン

あらゆる GGUF / OpenAI 互換モデル

ハイブリッドモード

—

フロンティアが計画、ローカルが実行(オプション)

サンドボックス

クラウドコンテナ

自分のファイルシステム、自分のルール

MCP

—

対応済み: ローカルランタイムをMCPツールとして橋渡し

一言で言えば: lmstudio-ollama-mcp は、Claude Code のエージェントループ(ツールによる読み取り → 計画 → 編集 → 検証)をあなたのMacBookにもたらします。インテリジェントなルーターが、簡単なタスクはローカルの7Bへ、難しい推論は必要なときだけフロンティアモデルへ振り分けます。


Related MCP server: Shared Workspace MCP

デモ

# 1 — Diagnose
lmstudio-ollama-mcp doctor
# Hardware: Apple M3 (8 cores / 16GB) • Recommended: 8 agents
# ● lmstudio (LM Studio) http://localhost:1234/v1  available
#   models: gemma-3-12b-qat, qwen3-27b-ud-iq2_s …

lmstudio-ollama-mcp models
# ● lmstudio  ▸ gemma-3-12b-qat 6.5GB Q4_0
#             ▸ qwen3-27b 7.8GB IQ2_S

# 2 — One-shot
lmstudio-ollama-mcp "refactor src/providers into a registry + add tests. keep public API stable"

# 3 — Parallel (auto-splits into sub-agents)
lmstudio-ollama-mcp --parallel 4 "implement auth module, write tests, and update docs"
# forge alias also works:
forge --parallel 4 "implement auth module, write tests, and update docs"

# 4 — Force a specific model
lmstudio-ollama-mcp --model ollama:qwen2.5-coder:14b "explain this repo's error handling"
lmstudio-ollama-mcp --provider lmstudio --model gemma-3-12b "fix the failing test in tests/tools.test.ts"

# 5 — Interactive
lmstudio-ollama-mcp
# lmstudio-ollama-mcp> add dark mode to docs/index.html

クイックスタート

前提条件

  • Node.js >= 18

  • 次**のいずれか:

    • LM Studio — Developer → Local Server → Start(ポート 1234)

    • Ollama — ollama serve の後 ollama pull qwen2.5-coder:7b

    • llama.cpp — ./llama-server -m model.gguf --port 8080

インストール

npm install -g lmstudio-ollama-mcp
# aliases also available: forge, forgecode
# or one-off
npx lmstudio-ollama-mcp doctor

初回実行

git clone https://github.com/your-org/your-project && cd your-project
lmstudio-ollama-mcp init   # creates lmstudio-ollama-mcp.json (also reads forgecode.json for compat)
lmstudio-ollama-mcp doctor # verify providers + hardware
lmstudio-ollama-mcp "list the codebase structure and suggest 3 small improvements"

ローカルのみモードではAPIキーは不要です。ハイブリッドモード(フロンティア+ローカル)の場合は環境変数を設定してください:

export OPENAI_API_KEY=sk-...
export ANTHROPIC_API_KEY=sk-ant-...

アーキテクチャ

┌─────────────────────────────────────────────────────────┐
│  CLI  lmstudio-ollama-mcp "task"  •  doctor  •  models   │
│       aliases: forge, forgecode                         │
├─────────────────────────────────────────────────────────┤
│  Router  (strategy: auto | local-first | frontier-first)│
│  ├─ classify(prompt) → trivial | small | medium | large │
│  └─ thresholds.preferLocalFor: lint/format/test/search  │
├─────────────────────────────────────────────────────────┤
│  Orchestrator  (decompose → batch by deps → schedule)   │
│  ├─ Planner LLM decomposes goal → SubTasks[]            │
│  └─ Scheduler (hardware-aware p-limit, preserves order) │
├─────────────────────────────────────────────────────────┤
│  Agent Loop  (provider.chat ↔ tool executor)            │
│  ├─ Tools: read_file, write_file, edit_file, bash,      │
│  │        glob, grep, list_dir                           │
│  └─ Max 25 tool turns, exact-string edits               │
├─────────────────────────────────────────────────────────┤
│  Providers  (OpenAI-compatible)                         │
│  ├─ LM Studio  http://localhost:1234/v1  (+ fs scan)    │
│  ├─ Ollama     http://localhost:11434 (+ /api/tags)     │
│  ├─ llama.cpp  http://localhost:8080/v1                 │
│  └─ Frontier   OpenAI / Anthropic (optional)            │
├─────────────────────────────────────────────────────────┤
│  Hardware Detector  •  Scheduler                        │
│  cores × overcommit, free mem / perAgent → maxParallel │
│  Apple Silicon bonus, clamp 1..16                       │
└─────────────────────────────────────────────────────────┘

データフロー:

User prompt
  → Router.classify → pick provider+model (local for small, frontier for large)
  → If parallel & non-trivial: Orchestrator.decompose → 2-6 SubTasks
  → Scheduler.runAll(SubTasks) with maxParallel = f(cores, RAM)
  → Each SubTask → Agent(provider, model, ToolExecutor) → tool loop
  → Synthesis agent merges results
  → Final summary

プロバイダー

プロバイダー

デフォルトURL

検出

備考

LM Studio

http://localhost:1234/v1

/v1/models + ~/.lmstudio/models/**/*.gguf スキャン

reasoning_content(Gemma)対応

Ollama

http://localhost:11434

/api/tags ネイティブ、フォールバック /v1/models

ollama pull <model> が必要

llama.cpp

http://localhost:8080

/health + /v1/models

llama-server で任意の GGUF

OpenAI

https://api.openai.com/v1

API

OPENAI_API_KEY を設定

Anthropic

https://api.anthropic.com

API

ANTHROPIC_API_KEY を設定

すべてのプロバイダーは tools(関数呼び出し)を使用した OpenAI 互換の Chat Completions に対応しています。reasoning_content(Qwen/Gemma)は自動的に正規化されます。

カスタムエンドポイントの追加

// lmstudio-ollama-mcp.json
{
  "providers": {
    "my-local": { "type": "openai", "baseUrl": "http://192.168.1.10:1234/v1", "enabled": true }
  }
}

並列サブエージェント

複雑なゴールをプランナーLLM(利用可能ならフロンティア、それ以外はローカル)によって 2〜6個の独立したサブタスク に分割します。実行はハードウェアによって制限されます:

// hardware/detector.ts — recommendParallelism()
cpuLimit = floor(cores * overcommit) - 1
memLimit = floor((totalGb*1024 - 2048) / perAgentMb)
maxParallel = min(cpuLimit, memLimit) + appleSiliconBonus
// clamp: 1..8 default, up to 16 on 64GB machines
lmstudio-ollama-mcp --parallel 8 "migrate codebase from Jest to Vitest"
# Decomposed:
#  t1 Explore & plan  →  search (routed to local 7B)
#  t2 Implement       →  code   (routed to local or frontier)
#  t3 Verify          →  test   (routed to local)
# Runner: Scheduler.runAll with p-limit = 8

dependsOn を持つタスクはトポロジカルにバッチ処理されます — バッチNはバッチN-1の完了後にのみ開始されます。

ローカルモデルに優しい: 簡単なタスク(lint、format、summarize、explain)は戦略に関係なく常にローカルにルーティングされます。


設定

設定の解決順: DEFAULT < ~/.lmstudio-ollama-mcp/config.json < ./lmstudio-ollama-mcp.json < 環境変数。
後方互換のため、従来の ~/.forgecode/config.json と forgecode.json / forge.json も読み込まれます(新しいパスが優先されます)。

lmstudio-ollama-mcp config --show   # resolved JSON
lmstudio-ollama-mcp config --path   # file locations
lmstudio-ollama-mcp init            # scaffold lmstudio-ollama-mcp.json

lmstudio-ollama-mcp.json リファレンス

{
  "version": 1,
  "providers": {
    "lmstudio": { "type": "lmstudio", "baseUrl": "http://localhost:1234/v1", "enabled": true },
    "ollama":   { "type": "ollama",   "baseUrl": "http://localhost:11434",      "enabled": true },
    "llamacpp": { "type": "llamacpp", "baseUrl": "http://localhost:8080",       "enabled": true },
    "openai":   { "type": "openai",   "baseUrl": "https://api.openai.com/v1",   "apiKey": "sk-..." }
  },
  "router": {
    "strategy": "auto", // auto | local-first | frontier-first | local-only
    "frontierProvider": "openai",
    "frontierModel": "gpt-4o-mini",
    "thresholds": {
      "smallTaskMaxTokens": 2000,
      "preferLocalFor": ["lint","format","test","search","summarize","explain"]
    }
  },
  "hardware": {
    "maxParallelAgents": 4,      // auto if omitted
    "maxMemoryPerAgentMb": 1200,
    "cpuOvercommit": 1
  },
  "permissions": {
    "allowBash": true,
    "allowWriteOutsideWorkspace": false,
    "allowNetwork": true
  }
}

戦略:

  • auto — 簡単/小規模 → ローカル、中/大規模 → 利用可能ならフロンティア、それ以外はローカル。(推奨)

  • local-first — 中/大規模のみフロンティアへ。

  • local-only — フロンティアを呼び出さない(エアギャップ)。

  • frontier-first — 常にフロンティアを優先。


ツール

エージェントには7つのツールがあります — Claude Code と同じインターフェースで、ワークスペースにサンドボックス化されています:

ツール

説明

read_file

ファイルを読む(2 MB 制限、超える場合は grep を使用)

write_file

ファイルを作成/上書き(mkdir -p 自動)

edit_file

完全一致文字列の置換(1回だけ一致する必要があります)

bash

コマンドを実行(timeout 30s、5 MB バッファ)

glob

fast-glob 検索

grep

正規表現検索(node_modules/dist/.git をスキップ)

list_dir

ディレクトリ一覧

安全性: permissions.allowWriteOutsideWorkspace=true でない限りパスエスケープはブロックされます。危険なコマンド(rm -rf /)は拒否され、大きな出力は切り詰められます(30k)。


比較: どのモデルを使うべきか

タスク

ローカルが有利な理由

例

Lint / format / grep

RTT 0.2秒 vs 2秒

lmstudio-ollama-mcp "format src/**/*.ts with prettier"

Explain / summarize

プライベートなコードベースはローカルのまま

lmstudio-ollama-mcp "explain how auth works"

Small edits

待ち時間なし、コストなし

lmstudio-ollama-mcp "add zod validation to src/config/schema.ts"

Large refactor

フロンティアが計画、ローカルが並列実行

lmstudio-ollama-mcp "migrate to ESM"

Hard reasoning

70B / フロンティアが必要

lmstudio-ollama-mcp --model openai:gpt-4o "design CRDT sync"


開発

npm install
npm run build        # tsc
npm test             # vitest
npm run dev -- doctor

プロジェクトマップ:

src/
  cli/            commander CLI + commands (doctor, models, config, init)
  config/         Zod schema + layered store (global ↔ project)
  hardware/       detector (cores/RAM/GPU) + p-limit scheduler
  providers/      base + openai-compatible + lmstudio/ollama/llamacpp + registry + router
  core/           Agent (tool loop) + Orchestrator (decompose + parallel)
  tools/          definitions + executor (fs/glob/grep/bash)
  utils/          logger, format
tests/            vitest suites (hardware, tools, router, config, providers)
docs/             GitHub Pages landing (WizardZ-inspired, lime/black)

ロードマップ

  • ストリーミング出力(--stream)

  • MCP(Model Context Protocol)サーバー — ローカルモデルを MCP ツールとして他のエージェントに公開

  • 永続メモリ(.lmstudio-ollama-mcp/memory.md)

  • lmstudio-ollama-mcp plan — 実行を伴わないドライラン分割

  • スクリーンショット駆動のUI作業のためのビジョンモデル(Gemma 12B マルチモーダル)

  • hooks — ツール前後フック

  • Windows / Linux GPU(CUDA/Vulkan)スケジューラーヒント


コントリビューション

PR歓迎。中核となる原則を守ってください: ローカルファースト、最小限の依存、ハードウェアを考慮、AIスロップなし。

npm run build && npm test

キーワード

lm-studio lmstudio ollama llama.cpp local-llm local-first coding-agent autonomous-agent claude-code codex sub-agents parallel-agents mcp model-context-protocol hardware-aware openai-compatible gguf agentic dev-tools ai-coding on-device-ai privacy


ライセンス

MIT — LICENSE を参照。

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    Related MCP Connectors

    Related MCP Servers