mistral.rsの統合

外部サーバーやAPIキーなしで、ネイティブRust推論によりローカルでLLMを実行します。

---

mistral.rsとは？

mistral.rs は、LLMをハードウェアで直接実行する高性能なRust推論エンジンです。ADK-Rustは、adk-mistralrs crateを通じてこれを統合します。

主な特徴:

• 🦀 ネイティブ Rust - Pythonや外部サーバーは不要
• 🔒 完全にオフライン - API keysやインターネット接続は不要
• ⚡ ハードウェアアクセラレーション - CUDA、Metal、CPU最適化
• 📦 Quantization - 制限されたハードウェアでも大規模モデルを実行
• 🔧 LoRA adapters - ホットスワップによるファインチューニングされたモデルのサポート
• 👁️ Vision models - 画像理解機能
• 🎯 Multi-model - 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gitリポジトリに依存しているため、crates.ioには公開できません。git経由で追加します。

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

[dependencies]
adk-mistralrs = { git = "https://github.com/zavora-ai/adk-rust" }
adk-agent = { git = "https://github.com/zavora-ai/adk-rust" }
adk-rust = { git = "https://github.com/zavora-ai/adk-rust" }
tokio = { version = "1", features = ["full"] }
anyhow = "1.0"

ハードウェアアクセラレーションには、フィーチャフラグを追加します。

# macOS with Apple Silicon
adk-mistralrs = { git = "https://github.com/zavora-ai/adk-rust", features = ["metal"] }

# NVIDIA GPU (requires CUDA toolkit)
adk-mistralrs = { git = "https://github.com/zavora-ai/adk-rust", 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(())
}

何が起きるか:

1. 初回実行時にHuggingFaceからモデルがダウンロードされます（モデルによって約2～8GB）。
2. モデルは~/.cache/huggingface/にローカルで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: 量子化によるメモリ削減

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: Vision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サービングします。

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 Hub (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 = { git = "https://github.com/zavora-ai/adk-rust", features = ["metal"] }

M1/M2/M3 MacではMetalアクセラレーションが自動的に行われます。

NVIDIA GPU

adk-mistralrs = { git = "https://github.com/zavora-ai/adk-rust", 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。

---

実行例

# Basic usage
cargo run --bin basic

# With quantization
cargo run --bin quantized

# LoRA adapters
cargo run --bin lora

# Multi-model setup
cargo run --bin multimodel

# Vision models
cargo run --bin vision

---

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)
• 以降の実行ではキャッシュされたモデルを使用します

モデルが見つからない

• HuggingFaceのモデル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があること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 - 代替のローカルモデルサーバー
• LlmAgent - エージェントでのモデルの使用

---

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