Ollama (Modelos locais)

Execute LLMs localmente com privacidade total — sem chaves API, sem internet e sem custos.

Visão geral

┌─────────────────────────────────────────────────────────────────────┐
│                         Ollama Local Setup                          │
├─────────────────────────────────────────────────────────────────────┤
│                                                                     │
│   Your Machine                                                      │
│   ┌─────────────────────────────────────────────────────────────┐  │
│   │                                                             │  │
│   │   ┌──────────────┐      ┌──────────────┐                   │  │
│   │   │  ADK-Rust    │ ───▶ │   Ollama     │                   │  │
│   │   │  Agent       │      │   Server     │                   │  │
│   │   └──────────────┘      └──────┬───────┘                   │  │
│   │                                │                            │  │
│   │                         ┌──────▼───────┐                   │  │
│   │                         │  Local LLM   │                   │  │
│   │                         │  (llama3.2)  │                   │  │
│   │                         └──────────────┘                   │  │
│   │                                                             │  │
│   └─────────────────────────────────────────────────────────────┘  │
│                                                                     │
│   🔒 100% Private - Data never leaves your machine                 │
│                                                                     │
└─────────────────────────────────────────────────────────────────────┘

Por que Ollama?

---

Etapa 1: Instalar o Ollama

macOS

brew install ollama

Linux

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

Windows

Baixe em ollama.com

---

Etapa 2: Iniciar o servidor

ollama serve

Você deverá ver:

Couldn't find '/Users/you/.ollama/id_ed25519'. Generating new private key.
Your new public key is: ssh-ed25519 AAAA...
time=2024-01-05T12:00:00.000Z level=INFO source=server.go msg="Listening on 127.0.0.1:11434"

---

Etapa 3: Baixar um modelo

Em um novo terminal:

# Recommended starter model (3B parameters, fast)
ollama pull llama3.2:3b

# Other popular models
ollama pull qwen3.6:35b-a3b   # Latest Qwen — 73.4% SWE-bench, MoE 35B/3B active
ollama pull qwen3.5            # Strong multilingual and coding
ollama pull qwen3-coder:30b    # Code-focused with tool calling
ollama pull mistral:7b        # Good for code
ollama pull deepseek-r1:14b   # Reasoning model
ollama pull devstral:24b      # Optimized for coding
ollama pull gemma3:9b         # Google's efficient model
ollama pull codellama:13b     # Code generation

---

Etapa 4: Adicionar ao seu projeto

[dependencies]
adk-model = { version = "2.1.0", features = ["ollama"] }

---

Etapa 5: Usar no código

use adk_model::ollama::{OllamaModel, OllamaConfig};
use adk_agent::LlmAgentBuilder;
use std::sync::Arc;

#[tokio::main]
async fn main() -> anyhow::Result<()> {
    // No API key needed!
    let model = OllamaModel::new(OllamaConfig::new("llama3.2"))?;

    let agent = LlmAgentBuilder::new("local_assistant")
        .instruction("You are a helpful assistant running locally.")
        .model(Arc::new(model))
        .build()?;

    // Use the agent...
    Ok(())
}

---

Exemplo completo funcional

use adk_rust::prelude::*;
use adk_rust::Launcher;
use std::sync::Arc;

#[tokio::main]
async fn main() -> anyhow::Result<()> {
    dotenvy::dotenv().ok();
    
    // No API key needed!
    let model = OllamaModel::new(OllamaConfig::new("llama3.2"))?;

    let agent = LlmAgentBuilder::new("ollama_assistant")
        .description("Ollama-powered local assistant")
        .instruction("You are a helpful assistant running locally via Ollama. Be concise.")
        .model(Arc::new(model))
        .build()?;

    // Run interactive session
    Launcher::new(Arc::new(agent)).run().await?;
    
    Ok(())
}

Cargo.toml

[dependencies]
adk-rust = { version = "2.1.0", features = ["ollama"] }
tokio = { version = "1", features = ["full"] }
dotenvy = "0.15"
anyhow = "1.0"

---

Opções de configuração

use adk_model::ollama::{OllamaModel, OllamaConfig};

let config = OllamaConfig::new("llama3.2")
    .with_base_url("http://localhost:11434")  // Custom server URL
    .with_temperature(0.7)                     // Creativity (0.0-1.0)
    .with_max_tokens(2048);                    // Max response length

let model = OllamaModel::new(config)?;

---

Modelos recomendados

Escolhendo um modelo

• RAM limitada (8 GB)? → llama3.2:3b
• Melhor programação orientada a agentes? → qwen3.6:35b-a3b (24 GB, MoE — apenas 3B ativo)
• Precisa chamar ferramentas? → qwen3.5 ou qwen3-coder:30b
• Escrevendo código? → devstral:24b ou qwen3-coder:30b
• Precisa de raciocínio? → deepseek-r1:14b ou deepseek-r1:32b
• Melhor qualidade? → llama3.3:70b (precisa de 48 GB ou mais de RAM)

---

Chamada de ferramentas com Ollama

Ollama oferece suporte à chamada de funções com modelos compatíveis:

use adk_model::ollama::{OllamaModel, OllamaConfig};
use adk_agent::LlmAgentBuilder;
use adk_tool::FunctionTool;
use std::sync::Arc;

// qwen2.5 has excellent tool calling support
let model = OllamaModel::new(OllamaConfig::new("qwen2.5:7b"))?;

let weather_tool = Arc::new(FunctionTool::new(
    "get_weather",
    "Get weather for a location",
    |_ctx, args| async move {
        let location = args.get("location").and_then(|v| v.as_str()).unwrap_or("unknown");
        Ok(serde_json::json!({
            "location": location,
            "temperature": "72°F",
            "condition": "Sunny"
        }))
    },
));

let agent = LlmAgentBuilder::new("weather_assistant")
    .instruction("Help users check the weather.")
    .model(Arc::new(model))
    .tool(weather_tool)
    .build()?;

Observação: a chamada de ferramentas usa o modo sem streaming para maior confiabilidade com modelos locais.

---

Exemplo de saída

👤 User: Hello! What can you do?

🤖 Ollama (llama3.2): Hello! I'm a local AI assistant running on your 
machine. I can help with:
- Answering questions
- Writing and editing text
- Explaining concepts
- Basic coding help

All completely private - nothing leaves your computer!

---

Solução de problemas

"Conexão recusada"

# Make sure Ollama is running
ollama serve

"Modelo não encontrado"

# Pull the model first
ollama pull llama3.2

Respostas lentas

• Use um modelo menor (llama3.2 em vez de llama3.1:70b)
• Feche outros aplicativos para liberar RAM
• Considere a aceleração por GPU, se disponível

Verificar modelos disponíveis

ollama list

---

Executando exemplos

cargo check -p adk-rust --no-default-features --features ollama

Execute ollama serve e baixe o modelo antes de iniciar um agente que use este provedor.

---

Relacionado

• Provedores de modelos - provedores LLM baseados em nuvem
• Modelos locais (mistral.rs) - inferência nativa em Rust

---

Anterior: ← Provedores de modelos | Próximo: Modelos locais (mistral.rs) →