⚡runlocal.cc
GPUを診断 →
← ブログに戻る
Issue #72026年5月20日

OpenClaw + Ollama: the complete setup after Anthropic's third-party clampdown

Search interest in `openclaw ollama` is up 507,000% in 30 days. Here's the full migration path off Claude Pro — install, model pick, common errors, and what you actually give up.

Claude Pro を使っていて、今月 OpenClaw のセッションが止まってしまった方は、ローカル AI エコシステム史上最大規模の強制移行の真っ只中にいます。Google Trends によれば、openclaw ollama の検索関心度は30日間で +507,000% 上昇しました。この急増はバズではありません——Anthropic が2026年4月に非公認のサードパーティ Claude Pro/Max ラッパーに対して規制を実施したことが原因です。OpenClaw および OpenCode のユーザーは、直接 API 課金にアップグレードしない限り 429 エラーや機能制限を受けるようになりました。

OpenClaw はもともと Ollama と連携しやすい設計になっています。今回の規制により、ローカル運用がデフォルトの逃げ道になりました。本ガイドではその手順を詳しく解説します。

必要な環境

要件 最小 推奨
OS macOS 13+ / Ubuntu 22.04+ / Windows 11 (WSL2) macOS 14+ Apple Silicon、または Linux + NVIDIA
RAM 16 GB 32 GB
GPU VRAM 8 GB（小規模モデル） 17 GB 以上（27B クラスのコーディングモデル）
ディスク 空き 20 GB 空き 80 GB（複数モデル）
Node.js 20.x 22.x LTS

統合メモリ 24 GB 以上の Apple Silicon であれば、Qwen 3.6 27B を Q4 量子化で快適に動かせます。Intel Mac の場合はローカル運用を避け、Gemini CLI の無料枠を利用することをお勧めします。

Step 1 — Ollama のインストール

curl -fsSL https://ollama.com/install.sh | sh

Windows ユーザーは WSL 内ではなく、ollama.com/download からネイティブインストールしてください。WSL 経由の転送は動作しますが、小規模モデルではエージェントループが機能しなくなる程度のレイテンシが発生します。

バージョン確認と起動：

ollama --version
ollama serve &   # local API on http://localhost:11434

セキュリティ上の注意。 Ollama のデフォルトのバインドアドレスは 127.0.0.1 です。0.0.0.0:11434 をインターネットに公開しないでください。2026年5月の Bleeding Llama の開示により、旧バージョンに未認証のメモリ漏洩の脆弱性があることが確認されました。外部公開を行う前に、最新のパッチ済みリリースにアップグレードしてください。

Step 2 — コーディングモデルの取得

初回セットアップでは、以下から一つ選んでください：

モデル 取得コマンド VRAM (Q4) 用途
Qwen 3.5 9B ollama pull qwen3.5:9b 6.5 GB エントリーレベル、16 GB MacBook 向け
Gemma 4 27B ollama pull gemma4:27b 17 GB バランス重視、4B アクティブ MoE で高速
Qwen 3.6 27B ollama pull qwen3.6:27b 17 GB コーディングに最適 — SWE-bench Verified 77.2、マルチモーダル対応

デフォルトの推奨モデルは Qwen 3.6 27B です。HumanEval 88.5、SWE-bench Verified 77.2 というスコアを記録しており、HumanEval では Qwen 3.5 72B（82.7）を上回りながら Q4 で 17 GB に収まります。また、Claude Code / Qwen Code ツールチェーンとの互換性を明示的に考慮して設計されているため、OpenClaw のツール呼び出しループがそのまま動作します。各モデルの詳細な比較は issue #8 をご覧ください。

動作確認：

ollama run qwen3.6:27b "write a python function that reverses a linked list iteratively"

17 GB の VRAM を確保できない場合は、GPU ディレクトリ で各カードが実際に動かせるモデルを確認してください。

Step 3 — OpenClaw のインストール

現在のインストールコマンドは OpenClaw 公式リポジトリ で確認してください——このプロジェクトは過去1年で2回名称が変更されています。2026年5月時点のグローバルインストールは以下の通りです：

pnpm add -g openclaw
# or: npm install -g openclaw

インストールの確認：

openclaw --version
openclaw doctor

openclaw doctor は Node のバージョン、Ollama への接続確認、~/.openclaw/skills/ への書き込み権限をチェックします。「OpenClaw が動かない」という報告の最も多い原因は Skills がサイレントに失敗することです。赤く表示された項目はすべて修正してから次に進んでください。

Step 4 — OpenClaw を Ollama に向ける

~/.openclaw/config.json：

{
  "provider": "ollama",
  "endpoint": "http://localhost:11434",
  "model": "qwen3.6:27b",
  "context_window": 131072,
  "temperature": 0.2,
  "skills_dir": "~/.openclaw/skills"
}

または CLI から設定：

openclaw config set provider ollama
openclaw config set model qwen3.6:27b
openclaw config set endpoint http://localhost:11434

セッションを開始：

openclaw

バナーに provider: ollama とモデル名が表示されるはずです。まだ provider: anthropic と表示される場合は、後述の「よくあるエラー」セクションに進んでください。

Step 5 — 必須 Skills のインストール

OpenClaw の価値は 800 以上の Skills レジストリにあります。ローカルモデル環境に最低限必要なセットは以下の通りです：

openclaw skill install code-review
openclaw skill install git-helper
openclaw skill install file-explorer
openclaw skill install web-search       # uses local SearXNG by default
openclaw skill install benchmark        # measures local model latency

全レジストリは openclaw skill list --remote で確認できます。Skill の品質はまちまちですが、どのバックエンドモデルでも確実に動作するのは code-review、git-helper、file-explorer の3つです。

Step 6 — 最初の実作業

cd ~/your-project
openclaw
> /file-explorer load src/
> refactor the authentication middleware to support OAuth2 PKCE flow

同じタスクでの実時間は Claude Sonnet の2〜4倍程度になることを想定してください。レート制限なし、月間上限なし、トークン課金なし、コードはマシンの外に出ません。

よくあるエラー

Error: connection refused at 127.0.0.1:11434

Ollama が起動していません。ollama serve で起動してください。lsof -i :11434 で確認できます。

Model not found: qwen3.6:27b

モデルの取得を忘れています。ollama pull qwen3.6:27b を実行してください。

セッション途中で Context length exceeded が発生する

131k のウィンドウでも大規模なリポジトリではすぐに埋まってしまいます。YaRN による有効コンテキストウィンドウが長いモデルに切り替えるか、OpenClaw の /compact Skill を使って実行中のセッションを要約してください。

切り替え後も OpenClaw が Claude と通信している

以前の openclaw login で残った古い anthropic ブロックが ~/.openclaw/config.json に残っている可能性があります。openclaw logout でキャッシュされた認証情報をクリアし、Step 4 の設定を再実行してください。

ツール呼び出しがハングするか空の結果を返す

小規模モデル（9B 以下）はマルチステップのツール呼び出しが苦手です。Qwen 3.6 27B に切り替えるか、並列数を制限してください：openclaw config set max_parallel_tools 1

実際に失うもの

移行を決める前に、以下を正直に確認してください：

失うもの 得るもの
複雑なリファクタリングにおける Claude Sonnet レベルの推論能力 トークン課金ゼロ
200k のクラウドコンテキスト コードベースの完全な管理権
最高クラスのツール呼び出し信頼性 429 エラーなし、月間上限なし
マルチモーダル画像入力（ほとんどのローカルモデルでは非対応） オフラインで動作

現実的な運用方法：日常的な編集やリファクタリングには OpenClaw + Ollama を使い、アーキテクチャ検討や難しい並行処理バグには週2回 Claude Code（直接 API 課金）にフォールバックする。コスト比は概ね 1:20 でこちらが有利です。

次のステップ

  • Ollama 上で動かせるコーディングエージェントの全比較——Claude Code、Cursor、OpenCode、OpenClaw、Gemini CLI、Cluely、z.ai——は issue #8 をご覧ください。
  • ローカルのエージェント型コーディングを現実的なものにした2026年5月の推論エンジンブレークスルー（MTP、DFlash、PAGED MoE）については issue #6 をご覧ください。
  • 使いたいモデルに合ったカード選びは runlocal GPU ディレクトリ をご参照ください。
← 全ての記事