Ollama oferuje zgodność z Anthropic Messages API, aby ułatwić podłączenie istniejących aplikacji do Ollamy, w tym narzędzi takich jak Claude Code.

Użycie

Zmienne środowiskowe

Aby używać Ollamy z narzędziami oczekującymi interfejsu API Anthropic (takimi jak Claude Code), ustaw następujące zmienne środowiskowe:

export ANTHROPIC_AUTH_TOKEN=ollama  # wymagane, ale ignorowane
export ANTHROPIC_BASE_URL=http://localhost:11434

Prosty przykład /v1/messages

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

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", // wymagane, ale ignorowane
});

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?" }]
}'

Przykład przesyłania strumieniowego

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" }]
}'

Przykład wywoływania narzędzi

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

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?" }]
}'

Używanie z Claude Code

Claude Code można skonfigurować do używania Ollamy jako swojego backendu.

Zalecane modele

Do zastosowań związanych z programowaniem zaleca się modele takie jak glm-4.7, minimax-m2.1 i qwen3-coder.

Pobierz model przed użyciem:

ollama pull qwen3-coder

Uwaga: Qwen 3 coder to model o 30 miliardach parametrów, który do płynnego działania wymaga co najmniej 24 GB VRAM. Dla dłuższych kontekstów wymagana jest większa ilość pamięci.

ollama pull glm-4.7:cloud

Szybka konfiguracja

ollama launch claude

Spowoduje to wyświetlenie monitu o wybranie modelu, automatyczną konfigurację Claude Code i jego uruchomienie. Aby skonfigurować bez uruchamiania:

ollama launch claude --config

Ręczna konfiguracja

Ustaw zmienne środowiskowe i uruchom Claude Code:

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

Lub ustaw zmienne środowiskowe w profilu powłoki:

export ANTHROPIC_AUTH_TOKEN=ollama
export ANTHROPIC_BASE_URL=http://localhost:11434

Następnie uruchom Claude Code z dowolnym modelem Ollamy:

claude --model qwen3-coder

Punkty końcowe

/v1/messages

Obsługiwane funkcje

• [x] Wiadomości
• [x] Przesyłanie strumieniowe
• [x] Prompty systemowe
• [x] Wieloetapowe rozmowy
• [x] Wizja (obrazy)
• [x] Narzędzia (wywoływanie funkcji)
• [x] Wyniki narzędzi
• [x] Myślenie/rozszerzone myślenie

Obsługiwane pola żądania

• [x] model
• [x] max_tokens
• [x] messages
  • [x] Tekstowe content
  • [x] Obrazowe content (base64)
  • [x] Tablica bloków zawartości
  • [x] Bloki tool_use
  • [x] Bloki tool_result
  • [x] Bloki thinking
• [x] system (ciąg znaków lub tablica)
• [x] stream
• [x] temperature
• [x] top_p
• [x] top_k
• [x] stop_sequences
• [x] tools
• [x] thinking
• [ ] tool_choice
• [ ] metadata

Obsługiwane pola odpowiedzi

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

Zdarzenia przesyłania strumieniowego

• [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

Modele

Ollama obsługuje zarówno modele lokalne, jak i chmurowe.

Modele lokalne

Pobierz model lokalny przed użyciem:

ollama pull qwen3-coder

Zalecane modele lokalne:

• qwen3-coder - Doskonały do zadań związanych z programowaniem
• gpt-oss:20b - Wydajny model ogólnego przeznaczenia

Modele chmurowe

Modele chmurowe są dostępne od razu, bez konieczności pobierania:

• glm-4.7:cloud - Wydajny model chmurowy
• minimax-m2.1:cloud - Szybki model chmurowy

Domyślne nazwy modeli

Dla narzędzi, które polegają na domyślnych nazwach modeli Anthropic, takich jak claude-3-5-sonnet, użyj ollama cp, aby skopiować istniejącą nazwę modelu:

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

Następnie tę nową nazwę modelu można określić w polu model:

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!"
            }
        ]
    }'

Różnice w porównaniu do API Anthropic

Różnice w zachowaniu

• Klucz API jest akceptowany, ale nie weryfikowany
• Nagłówek anthropic-version jest akceptowany, ale nie używany
• Liczby tokenów są przybliżeniami opartymi na tokenizatorze podstawowego modelu

Nieobsługiwane funkcje

Następujące funkcje API Anthropic nie są obecnie obsługiwane:

Funkcja	Opis
/v1/messages/count_tokens	Punkt końcowy do liczenia tokenów
tool_choice	Wymuszenie użycia konkretnego narzędzia lub wyłączenie narzędzi
metadata	Metadane żądania (user_id)
Buforowanie promptów	Bloki cache_control do buforowania prefiksów
API partii	/v1/messages/batches do asynchronicznego przetwarzania wsadowego
Cytowania	Bloki zawartości citations
Obsługa PDF	Bloki zawartości document z plikami PDF
Błędy wysyłane przez serwer	Zdarzenia error podczas przesyłania strumieniowego (błędy zwracają status HTTP)

Częściowa obsługa

Funkcja	Status
Zawartość obrazowa	Obrazy base64 są obsługiwane; obrazy z adresu URL nie są obsługiwane
Rozszerzone myślenie	Podstawowa obsługa; budget_tokens jest akceptowany, ale nie wymuszany