vLLM

vLLM は、OpenAI 互換 HTTP API を通じてオープンソース（および一部のカスタム）モデルを提供します。OpenClaw は openai-completions API を使用して接続し、VLLM_API_KEY でオプトインするとモデルを自動検出できます。

プロパティ	値
プロバイダー ID	`vllm`
API	`openai-completions`（OpenAI 互換）
認証	`VLLM_API_KEY` 環境変数
デフォルトのベース URL	`http://127.0.0.1:8000/v1`
ストリーミング使用量	サポート（`stream_options.include_usage`）

はじめに

OpenAI 互換サーバーで vLLM を起動する

ベース URL は /v1 エンドポイント（/v1/models、/v1/chat/completions）を公開する必要があります。vLLM は通常、次の場所で実行されます。

http://127.0.0.1:8000/v1

API キー環境変数を設定する

サーバーが認証を強制しない場合、空でない任意の値を使用できます。

export VLLM_API_KEY="vllm-local"

モデルを選択する

vLLM のモデル ID のいずれかに置き換えます。

{
  agents: {
    defaults: {
      model: { primary: "vllm/your-model-id" },
    },
  },
}

モデルが利用可能か確認する

openclaw models list --provider vllm

非対話型セットアップ（CI、スクリプト）では、ベース URL、キー、モデルを直接渡します。

openclaw onboard --non-interactive \
  --mode local \
  --auth-choice vllm \
  --custom-base-url "http://127.0.0.1:8000/v1" \
  --custom-api-key "vllm-local" \
  --custom-model-id "your-model-id"

モデル検出（暗黙的プロバイダー）

VLLM_API_KEY が設定されている（または認証プロファイルが存在する）場合に、models.providers.vllm が定義されていなければ、OpenClaw は GET http://127.0.0.1:8000/v1/models に問い合わせ、返された ID をモデルエントリに変換します。

models.providers.vllm を明示的に設定すると、OpenClaw は宣言されたモデルのみを使用します。OpenClaw が設定済みプロバイダーの /models エンドポイントにも問い合わせ、公開されているすべての vLLM モデルを含めるようにするには、"vllm/*": {} を agents.defaults.models に追加します。

明示的な設定

vLLM が別のホストまたはポートで実行される場合、contextWindow/maxTokens を固定する場合、サーバーが実際の API キーを要求する場合、または信頼された loopback、LAN、Tailscale エンドポイントに接続する場合は、明示的に設定します。

{
  models: {
    providers: {
      vllm: {
        baseUrl: "http://127.0.0.1:8000/v1",
        apiKey: "${VLLM_API_KEY}",
        api: "openai-completions",
        timeoutSeconds: 300, // 任意: 低速なローカルモデル向けにリクエストのタイムアウトを延長
        models: [
          {
            id: "your-model-id",
            name: "ローカル vLLM モデル",
            reasoning: false,
            input: ["text"],
            cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 },
            contextWindow: 128000,
            maxTokens: 8192,
          },
        ],
      },
    },
  },
}

すべてのモデルを列挙せずにプロバイダーを動的に保つには、表示されるモデルカタログにワイルドカードを追加します。

{
  agents: {
    defaults: {
      models: {
        "vllm/*": {},
      },
    },
  },
}

高度な設定

プロキシ形式の動作

vLLM は、ネイティブ OpenAI エンドポイントではなく、プロキシ形式の OpenAI 互換 /v1 バックエンドとして扱われます。

動作	適用されるか
ネイティブ OpenAI リクエスト整形	いいえ
`service_tier`	送信されない
Responses `store`	送信されない
プロンプトキャッシュのヒント	送信されない
OpenAI reasoning 互換ペイロードの整形	適用されない
非表示の OpenClaw 帰属ヘッダー	カスタムベース URL では挿入されない

Qwen の thinking 制御

Qwen モデルでは、サーバーが Qwen チャットテンプレートの kwargs を期待する場合、モデル行に compat.thinkingFormat: "qwen-chat-template" を設定します。Qwen チャットテンプレートの thinking は OpenAI 形式の effort 段階ではなくオン/オフのフラグであるため、これらのモデルは二値の /think プロファイル（off、on）を公開します。

{
  models: {
    providers: {
      vllm: {
        models: [
          {
            id: "Qwen/Qwen3-8B",
            name: "Qwen3 8B",
            reasoning: true,
            compat: { thinkingFormat: "qwen-chat-template" },
          },
        ],
      },
    },
  },
}

OpenClaw は /think off を次のようにマッピングします。

{
  "chat_template_kwargs": {
    "enable_thinking": false,
    "preserve_thinking": true
  }
}

off 以外の thinking レベルでは enable_thinking: true が送信されます。エンドポイントが代わりに DashScope 形式のトップレベルフラグを期待する場合は、compat.thinkingFormat: "qwen" を使用してリクエストルートに enable_thinking を送信します。

Nemotron 3 の thinking 制御

thinking がオフの vllm/nemotron-3-* モデルでは、同梱 Plugin が次を送信します。

{
  "chat_template_kwargs": {
    "enable_thinking": false,
    "force_nonempty_content": true
  }
}

これらの値をカスタマイズするには、モデルの params 配下に chat_template_kwargs を設定します。params.extra_body.chat_template_kwargs も設定した場合、extra_body が最後のリクエスト本文オーバーライドであるため、その値が優先されます。

{
  agents: {
    defaults: {
      models: {
        "vllm/nemotron-3-super": {
          params: {
            chat_template_kwargs: {
              enable_thinking: false,
              force_nonempty_content: true,
            },
          },
        },
      },
    },
  },
}

Qwen のツール呼び出しがテキストとして表示される

まず、モデルに適したツール呼び出しパーサーとチャットテンプレートを指定して vLLM が起動されたことを確認します。vLLM では、Qwen2.5 モデル向けに hermes、Qwen3-Coder モデル向けに qwen3_xml が記載されています。症状: Skills/ツールがまったく実行されない、アシスタントが {"name":"read","arguments":...} のような未加工の JSON/XML を出力する、または OpenClaw が tool_choice: "auto" を送信したときに vLLM が空の tool_calls 配列を返す。一部の Qwen/vLLM の組み合わせでは、リクエストで tool_choice: "required" を使用した場合にのみ、構造化されたツール呼び出しが返されます。params.extra_body を使用してモデルごとに強制します。

{
  agents: {
    defaults: {
      models: {
        "vllm/Qwen-Qwen2.5-Coder-32B-Instruct": {
          params: {
            extra_body: {
              tool_choice: "required",
            },
          },
        },
      },
    },
  },
}

モデル ID を openclaw models list --provider vllm の正確な ID に置き換えるか、CLI から同じオーバーライドを適用します。

openclaw config set agents.defaults.models '{"vllm/Qwen-Qwen2.5-Coder-32B-Instruct":{"params":{"extra_body":{"tool_choice":"required"}}}}' --strict-json --merge

これはオプトインの回避策です。ツールを使用するすべてのターンでツール呼び出しを強制するため、許容できる専用のモデルエントリにのみ使用してください。すべての vLLM モデルのグローバルデフォルトとして設定しないでください。また、任意のアシスタントテキストを実行可能なツール呼び出しに変換するプロキシと組み合わせないでください。

カスタムベース URL

vLLM サーバーがデフォルト以外のホストまたはポートで実行されている場合は、明示的なプロバイダー設定で baseUrl を設定します。

{
  models: {
    providers: {
      vllm: {
        baseUrl: "http://192.168.1.50:9000/v1",
        apiKey: "${VLLM_API_KEY}",
        api: "openai-completions",
        timeoutSeconds: 300,
        models: [
          {
            id: "my-custom-model",
            name: "リモート vLLM モデル",
            reasoning: false,
            input: ["text"],
            contextWindow: 64000,
            maxTokens: 4096,
          },
        ],
      },
    },
  },
}

トラブルシューティング

最初の応答が遅い、またはリモートサーバーがタイムアウトする

大規模なローカルモデル、リモート LAN ホスト、または tailnet リンクでは、プロバイダー固有のリクエストタイムアウトを設定します。

{
  models: {
    providers: {
      vllm: {
        baseUrl: "http://192.168.1.50:8000/v1",
        apiKey: "${VLLM_API_KEY}",
        api: "openai-completions",
        timeoutSeconds: 300,
        models: [{ id: "your-model-id", name: "ローカル vLLM モデル" }],
      },
    },
  },
}

timeoutSeconds は、vLLM モデルへの HTTP リクエスト（接続の確立、レスポンスヘッダー、本文のストリーミング、および保護された fetch 全体の中止）にのみ適用されます。また、このプロバイダーの LLM アイドル/ストリーム監視の上限を暗黙的なデフォルトの約 120s より長くします。エージェント実行全体を制御する agents.defaults.timeoutSeconds を増やすよりも、こちらを優先してください。

サーバーに接続できない

vLLM サーバーが実行中で、アクセス可能であることを確認します。

curl http://127.0.0.1:8000/v1/models

接続エラーが表示される場合は、ホスト、ポート、および vLLM が OpenAI 互換サーバーモードで起動されたことを確認します。OpenClaw は、loopback、LAN、Tailscale エンドポイントに対する保護されたモデルリクエストについて、設定された正確な models.providers.vllm.baseUrl オリジンを信頼します。メタデータ/link-local オリジンは、明示的にオプトインしない限り引き続きブロックされます。vLLM リクエストが別のプライベートオリジンに到達する必要がある場合にのみ models.providers.vllm.request.allowPrivateNetwork: true を設定するか、正確なオリジンの信頼を無効にするには false を設定します。

リクエストの認証エラー

リクエストが認証エラーで失敗する場合は、サーバー設定と一致する実際の VLLM_API_KEY を設定するか、models.providers.vllm 配下でプロバイダーを明示的に設定します。

vLLM サーバーが認証を強制しない場合、VLLM_API_KEY の空でない任意の値が、OpenClaw に対するオプトイン信号として機能します。

モデルが検出されない

自動検出には VLLM_API_KEY の設定が必要です。models.providers.vllm を定義している場合、agents.defaults.models に "vllm/*": {} が含まれていない限り、OpenClaw は宣言されたモデルのみを使用します。

ツールが未加工のテキストとして表示される

Qwen モデルが Skills を実行せずに JSON/XML のツール構文を出力する場合:

そのモデルに適したパーサー/テンプレートを使用して vLLM を起動します。
openclaw models list --provider vllm で正確なモデル ID を確認します。
tool_choice: "auto" が依然として空またはテキストのみのツール呼び出しを返す場合に限り、モデルごとに専用の params.extra_body.tool_choice: "required" オーバーライドを追加します。

詳細なヘルプ: トラブルシューティングおよびよくある質問。

モデルの選択

プロバイダー、モデル参照、フェイルオーバー動作の選択。

OpenAI

ネイティブ OpenAI プロバイダーと OpenAI 互換ルートの動作。

OAuth と認証

認証の詳細と認証情報の再利用ルール。

トラブルシューティング

よくある問題とその解決方法。

Overview

Concepts and configuration

Providers

はじめに

モデル検出（暗黙的プロバイダー）

明示的な設定

高度な設定

トラブルシューティング

関連項目

モデルの選択

OpenAI

OAuth と認証

トラブルシューティング

​はじめに

​モデル検出（暗黙的プロバイダー）

​明示的な設定

​高度な設定

​トラブルシューティング

​関連項目

モデルの選択

OpenAI

OAuth と認証

トラブルシューティング

はじめに

モデル検出（暗黙的プロバイダー）

明示的な設定

高度な設定

トラブルシューティング

関連項目