mistral.rs の統合

LLMs をネイティブのRust推論でローカルに実行します — 外部サーバーや API キーは不要です。

---

mistral.rs とは？

mistral.rs は、LLMs をハードウェア上で直接実行する高性能なRust推論エンジンです。ADK-Rust は、Gemma 4 をサポートする v0.8.0 に固定された adk-mistralrs クレートを介してこれを統合しています。

主な特徴:

• 🦀 ネイティブRust - Pythonや外部サーバーは不要
• 🔒 完全オフライン - API キーやインターネットは不要
• ⚡ ハードウェアアクセラレーション - CUDA、Metal (3.1 bfloat16)、CPU最適化
• 📦 量子化 - 限られたハードウェアで大規模モデルを実行するためのISQ、MXFP4、GGUF、UQFF
• 🔧 LoRA アダプター - ホットスワップによるファインチューニングモデルのサポート
• 👁️ マルチモーダル - 視覚、音声、動画の理解 (Gemma 4、Qwen 3 VL)
• 🎤 音声 - Voxtralリアルタイム音声認識
• 🎯 マルチモデル - 1つのインスタンスから複数のモデルを提供

---

ステップ1: 依存関係の追加

adk-mistralrs は、ワークスペースメンバーとして crates.io に公開されています。標準の依存関係として追加してください。

[package]
name = "my-local-agent"
version = "0.1.0"
edition = "2024"

[dependencies]
adk-mistralrs = "2.0.0"
adk-agent = "2.0.0"
adk-rust = "2.0.0"
tokio = { version = "1", features = ["full"] }
anyhow = "1.0"

ハードウェアアクセラレーションのために、フィーチャーフラグを追加してください。

# macOS with Apple Silicon
adk-mistralrs = { version = "2.0.0", features = ["metal"] }

# NVIDIA GPU (requires CUDA toolkit)
adk-mistralrs = { version = "2.0.0", features = ["cuda"] }

---

ステップ2: 基本的な例

HuggingFace からモデルをロードし、ローカルで実行します。

use adk_agent::LlmAgentBuilder;
use adk_mistralrs::{Llm, MistralRsConfig, MistralRsModel, ModelSource};
use adk_rust::Launcher;
use std::sync::Arc;

#[tokio::main]
async fn main() -> anyhow::Result<()> {
    // Load model from HuggingFace (downloads on first run)
    let config = MistralRsConfig::builder()
        .model_source(ModelSource::huggingface("microsoft/Phi-3.5-mini-instruct"))
        .build();

    println!("Loading model (this may take a while on first run)...");
    let model = MistralRsModel::new(config).await?;
    println!("Model loaded: {}", model.name());

    // Create agent
    let agent = LlmAgentBuilder::new("local_assistant")
        .description("Local AI assistant powered by mistral.rs")
        .instruction("You are a helpful assistant running locally. Be concise.")
        .model(Arc::new(model))
        .build()?;

    // Run interactive chat
    Launcher::new(Arc::new(agent)).run().await?;

    Ok(())
}

何が起こるか:

1. 初回実行時に HuggingFace からモデルをダウンロードします (モデルによって約2-8GB)
2. モデルは ~/.cache/huggingface/ にローカルにキャッシュされます
3. 以降の実行ではキャッシュから即座にロードされます

---

ステップ3: 量子化でメモリを削減

大規模モデルは多くのRAMを必要とします。ISQ (In-Situ Quantization) を使用してメモリを削減します。

use adk_agent::LlmAgentBuilder;
use adk_mistralrs::{Llm, MistralRsConfig, MistralRsModel, ModelSource, QuantizationLevel};
use adk_rust::Launcher;
use std::sync::Arc;

#[tokio::main]
async fn main() -> anyhow::Result<()> {
    // Load model with 4-bit quantization for reduced memory
    let config = MistralRsConfig::builder()
        .model_source(ModelSource::huggingface("microsoft/Phi-3.5-mini-instruct"))
        .isq(QuantizationLevel::Q4_0) // 4-bit quantization
        .paged_attention(true) // Memory-efficient attention
        .build();

    println!("Loading quantized model...");
    let model = MistralRsModel::new(config).await?;
    println!("Model loaded: {}", model.name());

    let agent = LlmAgentBuilder::new("quantized_assistant")
        .instruction("You are a helpful assistant. Be concise.")
        .model(Arc::new(model))
        .build()?;

    Launcher::new(Arc::new(agent)).run().await?;

    Ok(())
}

量子化レベル:

ステップ 4: LoRA アダプター (ファインチューニングされたモデル)

特殊なタスクのために、LoRA アダプターを使用してモデルをロードします:

use adk_agent::LlmAgentBuilder;
use adk_mistralrs::{AdapterConfig, Llm, MistralRsAdapterModel, MistralRsConfig, ModelSource};
use adk_rust::Launcher;
use std::sync::Arc;

#[tokio::main]
async fn main() -> anyhow::Result<()> {
    // Load base model with LoRA adapter
    let config = MistralRsConfig::builder()
        .model_source(ModelSource::huggingface("meta-llama/Llama-3.2-3B-Instruct"))
        .adapter(AdapterConfig::lora("username/my-lora-adapter"))
        .build();

    println!("Loading model with LoRA adapter...");
    let model = MistralRsAdapterModel::new(config).await?;
    println!("Model loaded: {}", model.name());
    println!("Available adapters: {:?}", model.available_adapters());

    let agent = LlmAgentBuilder::new("lora_assistant")
        .instruction("You are a helpful assistant with specialized knowledge.")
        .model(Arc::new(model))
        .build()?;

    Launcher::new(Arc::new(agent)).run().await?;

    Ok(())
}

実行時にアダプターをホットスワップする:

model.swap_adapter("another-adapter").await?;

---

ステップ 5: ビジョンモデル (画像理解)

ビジョン言語モデルで画像を処理します:

use adk_mistralrs::{Llm, MistralRsConfig, MistralRsVisionModel, ModelSource};

#[tokio::main]
async fn main() -> anyhow::Result<()> {
    let config = MistralRsConfig::builder()
        .model_source(ModelSource::huggingface("microsoft/Phi-3.5-vision-instruct"))
        .build();

    println!("Loading vision model...");
    let model = MistralRsVisionModel::new(config).await?;
    println!("Model loaded: {}", model.name());

    // Analyze an image
    let image = image::open("photo.jpg")?;
    let response = model.generate_with_image("Describe this image.", vec![image]).await?;

    Ok(())
}

---

ステップ 6: マルチモデルサービング

単一のインスタンスから複数のモデルを提供します:

use adk_mistralrs::{MistralRsConfig, MistralRsMultiModel, ModelSource};

#[tokio::main]
async fn main() -> anyhow::Result<()> {
    let multi = MistralRsMultiModel::new();

    // Add models
    let phi_config = MistralRsConfig::builder()
        .model_source(ModelSource::huggingface("microsoft/Phi-3.5-mini-instruct"))
        .build();
    multi.add_model("phi", phi_config).await?;

    let gemma_config = MistralRsConfig::builder()
        .model_source(ModelSource::huggingface("google/gemma-2-2b-it"))
        .build();
    multi.add_model("gemma", gemma_config).await?;

    // Set default and route requests
    multi.set_default("phi").await?;
    println!("Available models: {:?}", multi.model_names().await);

    // Route to specific model
    // multi.generate_with_model(Some("gemma"), request, false).await?;

    Ok(())
}

---

モデルソース

HuggingFace ハブ (デフォルト)

ModelSource::huggingface("microsoft/Phi-3.5-mini-instruct")

ローカルディレクトリ

ModelSource::local("/path/to/model")

事前量子化された GGUF

ModelSource::gguf("/path/to/model.Q4_K_M.gguf")

---

推奨モデル

---

ハードウェアアクセラレーション

macOS (Apple Silicon)

adk-mistralrs = { version = "2.0.0", features = ["metal"] }

M1/M2/M3 MacではMetalアクセラレーションが自動的に有効になります。

NVIDIA GPU

adk-mistralrs = { version = "2.0.0", features = ["cuda"] }

CUDA toolkit 11.8+が必要です。

CPUのみ

機能は不要です - CPUがデフォルトです。

---

クレートの検証

cargo build -p adk-mistralrs
cargo build -p adk-mistralrs --features metal

---

トラブルシューティング

メモリ不足

// Enable quantization
.isq(QuantizationLevel::Q4_0)
// Enable paged attention
.paged_attention(true)

初回ロードが遅い

• 初回実行時にモデルをダウンロードします (~2-8GB)
• 2回目以降の実行ではキャッシュされたモデルを使用します

モデルが見つかりません

• HuggingFace model IDが正しいか確認してください
• 初回ダウンロードのためにインターネット接続を確認してください

---

関連

• Model Providers - クラウド LLM プロバイダー
• Ollama - 代替のローカル model server
• LlmAgent - agentsでのmodelsの使用

---

前へ: ← Ollama (ローカル) | 次へ: Function Tools →