メインコンテンツへスキップ

Documentation Index

Fetch the complete documentation index at: https://docs2.openclaw.ai/llms.txt

Use this file to discover all available pages before exploring further.

LM Studio は、自分のハードウェア上でオープンウェイトモデルを実行するための、親しみやすく強力なアプリです。llama.cpp（GGUF）または MLX モデル（Apple Silicon）を実行できます。GUI パッケージまたはヘッドレスデーモン（llmster）として提供されます。製品とセットアップのドキュメントについては、lmstudio.ai を参照してください。

​
クイックスタート

  1. LM Studio（デスクトップ）または llmster（ヘッドレス）をインストールし、ローカルサーバーを起動します。
curl -fsSL https://lmstudio.ai/install.sh | bash
  1. サーバーを起動します
デスクトップアプリを起動するか、次のコマンドでデーモンを実行していることを確認してください。 
lms daemon up

lms server start --port 1234
アプリを使用している場合は、スムーズな体験のために JIT が有効になっていることを確認してください。詳しくは LM Studio JIT と TTL ガイド を参照してください。
  1. LM Studio 認証が有効な場合は、LM_API_TOKEN を設定します。
export LM_API_TOKEN="your-lm-studio-api-token"
LM Studio 認証が無効な場合は、対話型の OpenClaw セットアップ中に API キーを空白のままにできます。 LM Studio 認証セットアップの詳細については、LM Studio 認証 を参照してください。
  1. オンボーディングを実行し、LM Studio を選択します。
openclaw onboard
  1. オンボーディングでは、Default model プロンプトを使って LM Studio モデルを選択します。
後で設定または変更することもできます。 
openclaw models set lmstudio/qwen/qwen3.5-9b
LM Studio のモデルキーは author/model-name 形式（例: qwen/qwen3.5-9b）に従います。OpenClaw のモデル参照ではプロバイダー名を前置します: lmstudio/qwen/qwen3.5-9b。モデルの正確なキーは、 curl http://localhost:1234/api/v1/models を実行し、key フィールドを見ることで確認できます。

​
非対話型オンボーディング

セットアップをスクリプト化したい場合（CI、プロビジョニング、リモートブートストラップ）は、非対話型オンボーディングを使用します。 
openclaw onboard \
  --non-interactive \
  --accept-risk \
  --auth-choice lmstudio
または、ベース URL、モデル、任意の API キーを指定します。 
openclaw onboard \
  --non-interactive \
  --accept-risk \
  --auth-choice lmstudio \
  --custom-base-url http://localhost:1234/v1 \
  --lmstudio-api-key "$LM_API_TOKEN" \
  --custom-model-id qwen/qwen3.5-9b
--custom-model-id は、LM Studio から返されるモデルキー（例: qwen/qwen3.5-9b）を受け取ります。 lmstudio/ プロバイダープレフィックスは含めません。 認証済みの LM Studio サーバーでは、--lmstudio-api-key を渡すか、LM_API_TOKEN を設定します。 未認証の LM Studio サーバーでは、キーを省略します。OpenClaw はローカルの非シークレットマーカーを保存します。 --custom-api-key は互換性のため引き続きサポートされますが、LM Studio では --lmstudio-api-key が推奨されます。 これにより models.providers.lmstudio が書き込まれ、デフォルトモデルが lmstudio/<custom-model-id> に設定されます。API キーを指定した場合、セットアップは lmstudio:default 認証プロファイルも書き込みます。 対話型セットアップでは、任意の優先ロードコンテキスト長を入力でき、保存された検出済み LM Studio モデル全体にそれを適用します。 LM Studio Plugin 設定は、loopback、LAN、tailnet ホストを含むモデルリクエストについて、設定済みの LM Studio エンドポイントを信頼します。models.providers.lmstudio.request.allowPrivateNetwork: false を設定するとオプトアウトできます。

​
設定

​
ストリーミング使用量の互換性

LM Studio はストリーミング使用量に対応しています。OpenAI 形式の usage オブジェクトを出力しない場合、OpenClaw は代わりに llama.cpp 形式の timings.prompt_n / timings.predicted_n メタデータからトークン数を復元します。 同じストリーミング使用量の挙動は、次の OpenAI 互換ローカルバックエンドにも適用されます。
  • vLLM
  • SGLang
  • llama.cpp
  • LocalAI
  • Jan
  • TabbyAPI
  • text-generation-webui

​
Thinking の互換性

LM Studio の /api/v1/models 検出がモデル固有の reasoning オプションを報告する場合、OpenClaw は対応する OpenAI 互換の reasoning_effort 値をモデル互換メタデータとして公開します。現在の LM Studio ビルドは、 allowed_options: ["off", "on"] のようなバイナリの UI オプションを告知することがありますが、 /v1/chat/completions ではそれらの値を拒否します。OpenClaw はリクエスト送信前に、そのバイナリ検出形式を none、minimal、low、medium、high、xhigh に正規化します。 off/on reasoning マップを含む古い保存済み LM Studio 設定も、 カタログの読み込み時に同じ方法で正規化されます。

​
明示的な設定

{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://localhost:1234/v1",
        apiKey: "${LM_API_TOKEN}",
        api: "openai-completions",
        models: [
          {
            id: "qwen/qwen3-coder-next",
            name: "Qwen 3 Coder Next",
            reasoning: false,
            input: ["text"],
            cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 },
            contextWindow: 128000,
            maxTokens: 8192,
          },
        ],
      },
    },
  },
}

​
トラブルシューティング

​
LM Studio が検出されない

LM Studio が実行中であることを確認してください。認証が有効な場合は、LM_API_TOKEN も設定します。 
# Start via desktop app, or headless:
lms server start --port 1234
API にアクセスできることを確認します。 
curl http://localhost:1234/api/v1/models

​
認証エラー（HTTP 401）

セットアップが HTTP 401 を報告する場合は、API キーを確認してください。
  • LM_API_TOKEN が LM Studio に設定されたキーと一致していることを確認します。
  • LM Studio 認証セットアップの詳細については、LM Studio 認証 を参照してください。
  • サーバーが認証を必要としない場合は、セットアップ中にキーを空白のままにします。

​
ジャストインタイムのモデル読み込み

LM Studio は、最初のリクエスト時にモデルを読み込むジャストインタイム（JIT）モデル読み込みをサポートしています。OpenClaw はデフォルトで LM Studio のネイティブ読み込みエンドポイントを通じてモデルをプリロードします。これは JIT が無効な場合に役立ちます。LM Studio の JIT、アイドル TTL、自動エビクト動作にモデルライフサイクルを任せるには、OpenClaw のプリロード手順を無効にします。 
{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://localhost:1234/v1",
        api: "openai-completions",
        params: { preload: false },
        models: [{ id: "qwen/qwen3.5-9b" }],
      },
    },
  },
}

​
LAN または tailnet の LM Studio ホスト

LM Studio ホストの到達可能なアドレスを使用し、/v1 を維持し、そのマシン上で LM Studio がループバックを越えてバインドされていることを確認してください。 
{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://gpu-box.local:1234/v1",
        apiKey: "lmstudio",
        api: "openai-completions",
        models: [{ id: "qwen/qwen3.5-9b" }],
      },
    },
  },
}
汎用の OpenAI 互換プロバイダーとは異なり、lmstudio は保護されたモデルリクエストに対して、設定済みのローカル/プライベートエンドポイントを自動的に信頼します。localhost や 127.0.0.1 のようなカスタムループバックプロバイダー ID も自動的に信頼されます。LAN、tailnet、またはプライベート DNS のカスタムプロバイダー ID では、models.providers.<id>.request.allowPrivateNetwork: true を明示的に設定してください。

​
関連