Ollama bietet Kompatibilität mit der Anthropic Messages API, um bestehende Anwendungen – einschließlich Tools wie Claude Code – mit Ollama zu verbinden.

Verwendung

Umgebungsvariablen

Um Ollama mit Tools zu verwenden, die die Anthropic API erwarten (wie Claude Code), setzen Sie diese Umgebungsvariablen:

export ANTHROPIC_AUTH_TOKEN=ollama  # erforderlich, aber ignoriert
export ANTHROPIC_BASE_URL=http://localhost:11434

Einfaches /v1/messages-Beispiel

client = anthropic.Anthropic(
    base_url='http://localhost:11434',
    api_key='ollama',  # erforderlich, aber ignoriert
)

message = client.messages.create(
    model='qwen3-coder',
    max_tokens=1024,
    messages=[
        {'role': 'user', 'content': 'Hello, how are you?'}
    ]
)
print(message.content[0].text)

const anthropic = new Anthropic({
  baseURL: "http://localhost:11434",
  apiKey: "ollama", // erforderlich, aber ignoriert
});

const message = await anthropic.messages.create({
  model: "qwen3-coder",
  max_tokens: 1024,
  messages: [{ role: "user", content: "Hello, how are you?" }],
});

console.log(message.content[0].text);

curl -X POST http://localhost:11434/v1/messages \
-H "Content-Type: application/json" \
-H "x-api-key: ollama" \
-H "anthropic-version: 2023-06-01" \
-d '{
  "model": "qwen3-coder",
  "max_tokens": 1024,
  "messages": [{ "role": "user", "content": "Hello, how are you?" }]
}'

Streaming-Beispiel

client = anthropic.Anthropic(
    base_url='http://localhost:11434',
    api_key='ollama',
)

with client.messages.stream(
    model='qwen3-coder',
    max_tokens=1024,
    messages=[{'role': 'user', 'content': 'Count from 1 to 10'}]
) as stream:
    for text in stream.text_stream:
        print(text, end='', flush=True)

const anthropic = new Anthropic({
  baseURL: "http://localhost:11434",
  apiKey: "ollama",
});

const stream = await anthropic.messages.stream({
  model: "qwen3-coder",
  max_tokens: 1024,
  messages: [{ role: "user", content: "Count from 1 to 10" }],
});

for await (const event of stream) {
  if (
    event.type === "content_block_delta" &&
    event.delta.type === "text_delta"
  ) {
    process.stdout.write(event.delta.text);
  }
}

curl -X POST http://localhost:11434/v1/messages \
-H "Content-Type: application/json" \
-d '{
  "model": "qwen3-coder",
  "max_tokens": 1024,
  "stream": true,
  "messages": [{ "role": "user", "content": "Count from 1 to 10" }]
}'

Beispiel für Tool-Aufrufe

client = anthropic.Anthropic(
    base_url='http://localhost:11434',
    api_key='ollama',  # erforderlich, aber ignoriert
)

message = client.messages.create(
    model='qwen3-coder',
    max_tokens=1024,
    tools=[
        {
            'name': 'get_weather',
            'description': 'Get the current weather in a location',
            'input_schema': {
                'type': 'object',
                'properties': {
                    'location': {
                        'type': 'string',
                        'description': 'The city and state, e.g. San Francisco, CA'
                    }
                },
                'required': ['location']
            }
        }
    ],
    messages=[{'role': 'user', 'content': "What's the weather in San Francisco?"}]
)

for block in message.content:
    if block.type == 'tool_use':
        print(f'Tool: {block.name}')
        print(f'Input: {block.input}')

const anthropic = new Anthropic({
  baseURL: "http://localhost:11434",
  apiKey: "ollama",
});

const message = await anthropic.messages.create({
  model: "qwen3-coder",
  max_tokens: 1024,
  tools: [
    {
      name: "get_weather",
      description: "Get the current weather in a location",
      input_schema: {
        type: "object",
        properties: {
          location: {
            type: "string",
            description: "The city and state, e.g. San Francisco, CA",
          },
        },
        required: ["location"],
      },
    },
  ],
  messages: [{ role: "user", content: "What's the weather in San Francisco?" }],
});

for (const block of message.content) {
  if (block.type === "tool_use") {
    console.log("Tool:", block.name);
    console.log("Input:", block.input);
  }
}

curl -X POST http://localhost:11434/v1/messages \
-H "Content-Type: application/json" \
-d '{
  "model": "qwen3-coder",
  "max_tokens": 1024,
  "tools": [
    {
      "name": "get_weather",
      "description": "Get the current weather in a location",
      "input_schema": {
        "type": "object",
        "properties": {
          "location": {
            "type": "string",
            "description": "The city and state"
          }
        },
        "required": ["location"]
      }
    }
  ],
  "messages": [{ "role": "user", "content": "What is the weather in San Francisco?" }]
}'

Verwendung mit Claude Code

Claude Code kann so konfiguriert werden, dass er Ollama als Backend verwendet.

Empfohlene Modelle

Für Anwendungsfälle im Bereich der Softwareentwicklung werden Modelle wie glm-4.7, minimax-m2.1 und qwen3-coder empfohlen.

Laden Sie ein Modell vor der Verwendung herunter:

ollama pull qwen3-coder

Hinweis: Qwen 3 Coder ist ein Modell mit 30 Milliarden Parametern, das mindestens 24 GB VRAM für einen reibungslosen Betrieb benötigt. Für längere Kontextlängen wird mehr VRAM benötigt.

ollama pull glm-4.7:cloud

Schnelleinrichtung

ollama launch claude

Dadurch werden Sie aufgefordert, ein Modell auszuwählen, Claude Code automatisch zu konfigurieren und zu starten. Um die Konfiguration ohne Start durchzuführen:

ollama launch claude --config

Manuelle Einrichtung

Setzen Sie die Umgebungsvariablen und führen Sie Claude Code aus:

ANTHROPIC_AUTH_TOKEN=ollama ANTHROPIC_BASE_URL=http://localhost:11434 claude --model qwen3-coder

Oder setzen Sie die Umgebungsvariablen in Ihrem Shell-Profil:

export ANTHROPIC_AUTH_TOKEN=ollama  # erforderlich, aber ignoriert
export ANTHROPIC_BASE_URL=http://localhost:11434

Führen Sie anschließend Claude Code mit einem beliebigen Ollama-Modell aus:

claude --model qwen3-coder

Endpunkte

/v1/messages

Unterstützte Funktionen

• [x] Messages
• [x] Streaming
• [x] System-Prompts
• [x] Mehrturnige Konversationen
• [x] Vision (Bilder)
• [x] Tools (Funktionsaufrufe)
• [x] Tool-Ergebnisse
• [x] Thinking/Erweitertes Thinking

Unterstützte Anfragefelder

• [x] model
• [x] max_tokens
• [x] messages
  • [x] Text content
  • [x] Bild content (Base64)
  • [x] Array von Inhaltsblöcken
  • [x] tool_use-Blöcke
  • [x] tool_result-Blöcke
  • [x] thinking-Blöcke
• [x] system (Zeichenkette oder Array)
• [x] stream
• [x] temperature
• [x] top_p
• [x] top_k
• [x] stop_sequences
• [x] tools
• [x] thinking
• [ ] tool_choice
• [ ] metadata

Unterstützte Antwortfelder

• [x] id
• [x] type
• [x] role
• [x] model
• [x] content (Text, tool_use, thinking-Blöcke)
• [x] stop_reason (end_turn, max_tokens, tool_use)
• [x] usage (input_tokens, output_tokens)

Streaming-Ereignisse

• [x] message_start
• [x] content_block_start
• [x] content_block_delta (text_delta, input_json_delta, thinking_delta)
• [x] content_block_stop
• [x] message_delta
• [x] message_stop
• [x] ping
• [x] error

Modelle

Ollama unterstützt sowohl lokale als auch Cloud-Modelle.

Lokale Modelle

Laden Sie ein lokales Modell vor der Verwendung herunter:

ollama pull qwen3-coder

Empfohlene lokale Modelle:

• qwen3-coder – Hervorragend für Aufgaben im Bereich der Softwareentwicklung
• gpt-oss:20b – Leistungsstarkes General-Purpose-Modell

Cloud-Modelle

Cloud-Modelle sind sofort verfügbar, ohne dass ein Herunterladen erforderlich ist:

• glm-4.7:cloud – Leistungsstarkes Cloud-Modell
• minimax-m2.1:cloud – Schnelles Cloud-Modell

Standardmodellnamen

Für Tools, die auf Standardmodellnamen von Anthropic wie claude-3-5-sonnet zurückgreifen, verwenden Sie ollama cp, um einen vorhandenen Modellnamen zu kopieren:

ollama cp qwen3-coder claude-3-5-sonnet

Anschließend kann dieser neue Modellname im Feld model angegeben werden:

curl http://localhost:11434/v1/messages \
    -H "Content-Type: application/json" \
    -d '{
        "model": "claude-3-5-sonnet",
        "max_tokens": 1024,
        "messages": [
            {
                "role": "user",
                "content": "Hello!"
            }
        ]
    }'

Unterschiede zur Anthropic API

Verhaltensunterschiede

• Der API-Schlüssel wird akzeptiert, aber nicht validiert
• Der Header anthropic-version wird akzeptiert, aber nicht verwendet
• Die Token-Anzahlen sind Näherungswerte basierend auf dem Tokenizer des zugrundeliegenden Modells

Nicht unterstützt

Die folgenden Funktionen der Anthropic API werden derzeit nicht unterstützt:

Funktion	Beschreibung
/v1/messages/count_tokens	Endpunkt zur Token-Zählung
tool_choice	Erzwingen der Verwendung bestimmter Tools oder Deaktivieren von Tools
metadata	Anfragemetadaten (user_id)
Prompt-Caching	cache_control-Blöcke zum Cachen von Präfixen
Batches-API	/v1/messages/batches für asynchrone Stapelverarbeitung
Zitate	citations-Inhaltsblöcke
PDF-Unterstützung	document-Inhaltsblöcke mit PDF-Dateien
Server-seitig gesendete Fehler	error-Ereignisse während des Streamings (Fehler geben HTTP-Status zurück)

Teilweise unterstützt

Funktion	Status
Bildinhalte	Base64-Bilder werden unterstützt; URL-Bilder werden nicht unterstützt
Erweitertes Thinking	Grundlegende Unterstützung; budget_tokens wird akzeptiert, aber nicht erzwungen