OpenCode локально: как подключить Ollama и выбрать модель

OpenCode можно использовать не только с облачными API. Агент поддерживает локальные модели через Ollama, поэтому код и запросы к модели могут остаться на твоём компьютере. Но «локальный OpenCode» — не отдельная сборка: локальность зависит от выбранного провайдера и подключённых инструментов. Разберём настройку без лишних обещаний.

Что такое OpenCode

OpenCode — открытый ИИ-агент для разработки. Он читает проект, меняет файлы и запускает команды. Основной интерфейс — терминал, а desktop-приложение для Windows, macOS и Linux разработчики пока помечают как beta.

Это тот же класс программ, что Claude Code и Goose, а не автодополнение внутри редактора. Разница между форматами подробнее разобрана в статье про ИИ-агента для кода.

Что нужно для локального запуска

Связка состоит из трёх частей:

1. OpenCode управляет файлами, командами и шагами задачи.
2. Ollama запускает модель и отдаёт локальный API на localhost.
3. Кодовая модель решает, какие действия выполнить и какой код написать.

Сначала установи Ollama и скачай модель. Вместо неё можно поднять локальный сервер LM Studio — что удобнее в каком случае, разобрано отдельно. Для первого теста не бери самый маленький вариант только потому, что он быстрее: агенту нужно понимать большой фрагмент проекта, вызывать инструменты и не терять цель после нескольких шагов. О выборе размера есть отдельный разбор про Qwen Coder локально.

Как подключить Ollama к OpenCode

В официальной документации провайдеров Ollama подключается как OpenAI-совместимый локальный сервер. В opencode.json добавляется провайдер с адресом http://localhost:11434/v1, а в разделе models — точное имя модели из Ollama.

После этого открой список моделей командой /models и выбери локальный вариант. Если модель отвечает, но не вызывает инструменты или быстро забывает начало задачи, проверь размер контекста в Ollama. Документация OpenCode советует начинать примерно с 16–32 тысяч токенов.

Что действительно остаётся локально

Когда OpenCode обращается к Ollama на localhost, запрос к модели и переданный ей код не уходят в облачный API. Сам проект и история работы агента также находятся на твоей машине.

Но это не делает локальными внешние сервисы. Если добавить облачную модель, веб-поиск или MCP-сервер GitHub, соответствующие данные уйдут их провайдерам. Локальный MCP-клиент не превращает облачный GitHub в локальный сервис. Перед рабочим проектом проверь не только модель, но и весь набор инструментов.

Где локальная модель спотыкается

Простая правка в одном файле и многошаговая миграция — разные нагрузки. Маленькая модель может уверенно написать функцию, а затем забыть проверить тесты или изменить не тот файл. Риск растёт, если проект большой, контекст короткий, а у агента много инструментов.

Начинай с задач, у которых есть проверяемый финал: падающий тест, сборка или линтер. Проси сначала составить план, смотри diff и не выдавай агенту доступ к секретам без необходимости. Те же правила действуют для любого ИИ в терминале.

OpenCode или Дока

OpenCode логично выбирать, если основная работа — код и тебе удобен терминал. Он открытый, поддерживает много провайдеров и хорошо встраивается в привычный CLI-процесс.

Дока — десктопный агент более общего назначения. Она работает не только с репозиториями, но и с документами, таблицами и другими файлами; локальную GGUF-модель можно скачать из интерфейса без отдельной связки OpenCode и Ollama. Если нужен именно CLI, OpenCode точнее попадает в формат. Если хочется приложение для разных рабочих задач, проще начать с Доки.

С чего начать

Возьми небольшой репозиторий и одну задачу с тестом. Запусти её на локальной модели, посмотри расход памяти, качество diff и число попыток до зелёной проверки. Такой тест лучше покажет пригодность модели, чем разговор в пустом чате.

Если локальная модель не справляется, не обязательно менять весь агент: можно выбрать более крупную модель или точечно подключить облачный API. А если терминал не нужен, скачай Доку и сравни тот же сценарий в десктопном интерфейсе.