npm install -g lmstudio-ollama-mcp
lmstudio-ollama-mcp doctor # or: forge doctor
lmstudio-ollama-mcp "add unit tests for src/utils/logger.ts"로컬 우선. 프라이빗. 무료. API 키 불필요. 프론티어 모델(GPT-4o, Claude 4)은 선택 사항이며, 작은 로컬 모델이 작업을 수해하는 동안 플래너로만 사용됩니다.
forge/forgecode별칭으로 기존 사용 습관을 그대로 유지할 수 있습니다.
Claude Code / Codex | lmstudio-ollama-mcp | |
실행 환경 | 클라우드 API(유료, 데이터가 기기를 벗어남) | LM Studio · Ollama · llama.cpp(오프라인, 프라이빗) |
비용 | 토큰당 $ | 모델 다운로드 후 $0 |
서브 에이전트 | 단일 스레드 또는 클라우드 병렬 | 하드웨어 인지 로컬 병렬 |
모델 선택 | 벤더 종속 | 모든 GGUF / OpenAI 호환 모델 |
하이브리드 모드 | — | 프론티어가 계획, 로컬이 실행(선택 사항) |
샌드박스 | 클라우드 컨테이너 | 내 파일 시스템, 내 규칙 |
MCP | — | 준비 완료: 로컬 런타임을 MCP 도구로 연결 |
한 문장으로: lmstudio-ollama-mcp는 Claude Code의 에이전트 프 — 도구로 읽기 → 계획 → 수정 → 검증 — 을 MacBook로 가져옵니다. 지능한 라우터가 단순한 작업은 로컬 7B 모델로 보내고, 어려운 추리는 필요할 때만 프론티어 모델로 보냅니다.
Related MCP server: Shared Workspace MCP
# 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.htmlNode.js >= 18
다음 중 하나:
npm install -g lmstudio-ollama-mcp
# aliases also available: forge, forgecode
# or one-off
npx lmstudio-ollama-mcp doctorgit 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"로컬 전용 모드에는 API 키가 필요 없습니다. 하이브리드 모드(프론티어 + 로컬)에서는 환경 변수를 설정하세요:
export OPENAI_API_KEY=sk-...
export ANTHROPIC_API_KEY=sk-ant-...┌─────────────────────────────────────────────────────────┐
│ 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 │
└─────────────────────────────────────────────────────────┘데이터 흐름:
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 summary프로바이더 | 기본 URL | 탐색 방법 | 참고 |
LM Studio |
|
|
|
Ollama |
|
|
|
llama.cpp |
|
|
|
OpenAI |
| API |
|
Anthropic |
| API |
|
모든 프로바이더는 tools(함수 호출)를 지원하는 OpenAI 호환 Chat Completions를 사용합니다. reasoning_content(Qwen/Gemma)는 자동으로 정규화됩니다.
// lmstudio-ollama-mcp.json
{
"providers": {
"my-local": { "type": "openai", "baseUrl": "http://192.168.1.10:1234/v1", "enabled": true }
}
}플래너 LLM(가능하면 프론티어, 그렇지 않으면 로컬)을 통해 복잡한 목표를 2–6개의 독립적인 하위 작업으로 분할합니다. 실행은 하드웨어에 의해 제한됩니다:
// 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 machineslmstudio-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 = 8dependsOn이 있는 작업은 위상 순서로 배치됩니다. 즉, N번째 배치(N)는 N-1이 완료된 후에만 시작됩니다.
로컬 모델 친화적: 단순 작업(lint, format, summarize, explain)은 전략과 관계없이 항상 로컬로 라우팅됩니다.
구성 해석 순서: DEFAULT < ~/.lmstudio-ollama-mcp/config.json < ./lmstudio-ollama-mcp.json < 환경 변수.
하위 호환성을 위해 레거시 ~/.forgecode/config.json 및 forgecode.json / forge.json도 여전히 읽습니다(새 경로가 우선).
lmstudio-ollama-mcp config --show # resolved JSON
lmstudio-ollama-mcp config --path # file locations
lmstudio-ollama-mcp init # scaffold lmstudio-ollama-mcp.jsonlmstudio-ollama-mcp.json 참조{
"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
}
}전략:
auto — 단순/소형 → 로컬, 중형/대형 → 가능하면 프론티어, 아니면 로컬. (권장)
local-first — 중형/대형만 프론티어로 보냄.
local-only — 프론티어를 절대 호출하지 않음(에어갭 환경).
frontier-first — 항상 프론티어를 우선.
에이전트는 7개의 도구를 제공합니다 — Claude Code와 동일한 구성이며, 작업 공간에 샌드박스됩니다:
도구 | 설명 |
| 파일 읽기(2 MB 제한) |
| 파일 생성/덮어쓰기( |
| 정확한 문자열 바꾸기(정확히 한 번 일치해야 함) |
| 명령 실행( |
|
|
| 정규식 검색( |
| 디렉터리 목록 |
안전: permissions.allowWriteOutsideWorkspace=true가 아니면 경로 이탈이 차단됩니다. 위험한 명령(rm -rf /)은 거부되며, 큰 출력은 잘립니다(30k).
작업 | 로컬이 유리한 이유 | 예시 |
Lint / format / grep | 0.2초 vs 2초 RTT |
|
설명 / 요약 | 프라이빗 코드베이스가 로컬에 남음 |
|
작은 수정 | 큐 없고 무료 |
|
대규모 리팩터링 | 프론티어가 계획, 로컬이 병렬로 실행 |
|
어려운 추론 | 70B / 프론티어 필요 |
|
npm install
npm run build # tsc
npm test # vitest
npm run dev -- doctor프로젝트 구조:
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)스트리밍 출력(--stream)
MCP(Model Context Protocol) 서버 — 로컬 모델을 다른 에이전트용 MCP 도구로 노출
영구 메모리(.lmstudio-ollama-mcp/memory.md)
lmstudio-ollama-mcp plan — 실행 없이 분해만 시도(dry-run)
스크린샷 기반 UI 작업을 위한 비전 모델(Gemma 12B 멀티모달)
hooks — 도구 전/후 후크
Windows / Linux GPU(CUDA/Vulkan) 스케줄러 힌트
PR 환영합니다. 핵심 원칙을 지켜 주세요: 로컬 우선, 최소 의존성, 하드웨어 인지, 조잡한 AI 산출물 없이.
npm run build && npm testlm-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
MIT — LICENSE 참조.
This server cannot be installed
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
Cross-agent artifact workspace with provenance across Claude Code, Codex, Cursor, LangGraph.
Coding agents from Claude Code, Cursor and Codex claim jobs and lock files on one shared board.
Coding agents build full-stack apps in persistent workspaces and share them by link.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/fthsrbst/lmstudio-ollama-mcp'
If you have feedback or need assistance with the MCP directory API, please join our Discord server