Guida OpenClaw con Ollama

  1. Home
  2. News
  3. Guida OpenClaw con Ollama
Guida OpenClaw con Ollama
  • News

Guida OpenClaw con Ollama

Guida OpenClaw con Ollama

Indice dei contenuti – Guida OpenClaw con Ollama

  1. Che cos’è OpenClaw e che cos’è Ollama
  2. Perché integrare OpenClaw su Ollama
  3. Requisiti hardware e software
  4. Installazione e onboarding: il metodo rapido
  5. Setup manuale: configurazione passo per passo
  6. Configurazione avanzata: modelli, URL e context window
  7. Modelli consigliati: locali e cloud
  8. Web search, tool calling e streaming
  9. Quando conviene usare OpenClaw su Ollama (e quando no)
  10. Limiti e capacità attuali
  11. Troubleshooting: i problemi più comuni
  12. Best practice e conclusioni

1. Che cos’è OpenClaw e che cos’è Ollama

OpenClaw è un assistente AI personale progettato per girare direttamente sui propri dispositivi. La sua caratteristica distintiva è quella di fare da ponte tra i principali servizi di messaggistica (WhatsApp, Telegram, Slack, Discord, iMessage e altri)e gli agenti di coding AI, il tutto orchestrato attraverso un gateway centralizzato. In pratica, consente di interagire con modelli linguistici avanzati direttamente dalle app di chat che si usano ogni giorno, senza dipendere da servizi cloud proprietari.

Ollama è un runtime locale per Large Language Model (LLM) open source. Semplifica drasticamente il download, la gestione e l’esecuzione di modelli linguistici sulla propria macchina, esponendo un’API nativa (endpoint /api/chat) compatibile con i principali framework di integrazione. Con un singolo comando è possibile scaricare ed eseguire modelli come Llama 3.3, Qwen, Mistral, DeepSeek e molti altri.

2. Perché integrare OpenClaw su Ollama

L’integrazione tra OpenClaw e Ollama rappresenta una scelta strategica per chi vuole costruire pipeline AI completamente on-premise, senza inviare dati a terze parti. Il vantaggio principale è il controllo totale: i dati rimangono in locale, i costi di inferenza sono zero (Ollama è gratuito e open source), e la latenza è ridotta al minimo rispetto alle API cloud. Inoltre, OpenClaw supporta nativamente l’API Ollama (/api/chat), incluse le funzionalità di streaming e tool calling, rendendo l’integrazione robusta e senza workaround.

3. Requisiti hardware e software

Prima di procedere, è fondamentale verificare di disporre dell’infrastruttura adeguata.

Requisiti hardware minimi:

  • CPU moderna con almeno 8 core (consigliati 16+ per modelli medio-grandi)
  • RAM: minimo 16 GB, consigliati 32 GB per modelli da 7B parametri
  • GPU (fortemente consigliata): NVIDIA con almeno 8 GB VRAM per modelli 7B; 24 GB VRAM per modelli 13B-32B. Il modello locale raccomandato glm-4.7-flash richiede circa 25 GB VRAM
  • Spazio su disco: almeno 20-50 GB liberi per i modelli scaricati

Requisiti software:

  • Sistema operativo: macOS, Linux o Windows (tutte le piattaforme supportate da Ollama)
  • Ollama installato (https://ollama.com/download)
  • Node.js (necessario per l’installazione di OpenClaw via npm)
  • OpenClaw installabile tramite ollama launch openclaw o npm
  • Connessione internet per il download dei modelli e per i modelli cloud

Requisiti di context window: OpenClaw richiede una context window ampia. Per i modelli locali si raccomanda un minimo di 64.000 token. Verificare le impostazioni di context length di Ollama prima di procedere.

4. Installazione e onboarding: il metodo rapido – Guida OpenClaw con Ollama

Il modo più semplice per avviare OpenClaw con Ollama è tramite il comando integrato:

ollama launch openclaw

Ollama gestisce automaticamente l’intero processo:

  1. Installazione: se OpenClaw non è presente, Ollama propone l’installazione via npm
  2. Sicurezza: al primo avvio viene mostrato un avviso sui rischi legati all’accesso agli strumenti
  3. Selezione modello: viene proposto un selettore per scegliere tra modelli locali o cloud
  4. Onboarding: Ollama configura il provider, installa il gateway daemon, imposta il modello primario e installa il plugin per web search e fetch
  5. Avvio gateway: il gateway parte in background e apre l’interfaccia TUI di OpenClaw

In alternativa, l’onboarding può essere eseguito direttamente da OpenClaw:

openclaw onboard

5. Setup manuale: configurazione passo per passo

Per chi preferisce il controllo granulare, ecco il processo manuale completo.

Step 1 — Installare Ollama da https://ollama.com/download

Step 2 — Scaricare un modello locale:

ollama pull glm-4.7-flash
# oppure
ollama pull llama3.3
# oppure
ollama pull qwen2.5-coder:32b

Step 3 — Per abilitare i modelli cloud, effettuare il login:

ollama signin

Step 4 — Abilitare Ollama come provider per OpenClaw tramite variabile d’ambiente:

export OLLAMA_API_KEY="ollama-local"

Step 5 — Verificare i modelli disponibili e impostare quello desiderato:

openclaw models list
openclaw models set ollama/glm-4.7-flash

Step 6 — In alternativa, definire il modello di default nel file di configurazione:

{
  "agents": {
    "defaults": {
      "model": { "primary": "ollama/glm-4.7-flash" }
    }
  }
}

6. Configurazione avanzata: modelli, URL e context window

Per installazioni su host remoti o scenari enterprise, è possibile specificare una configurazione esplicita nel file config. Attenzione: non aggiungere /v1 all’URL base. L’endpoint OpenAI-compatibile compromette il tool calling e può causare output non strutturati.

{
  "models": {
    "providers": {
      "ollama": {
        "baseUrl": "http://ollama-host:11434",
        "apiKey": "ollama-local",
        "api": "ollama",
        "models": [
          {
            "id": "gpt-oss:20b",
            "name": "GPT-OSS 20B",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 8192,
            "maxTokens": 81920
          }
        ]
      }
    }
  }
}

È possibile anche definire fallback multipli per la selezione del modello:

{
  "agents": {
    "defaults": {
      "model": {
        "primary": "ollama/gpt-oss:20b",
        "fallbacks": ["ollama/llama3.3", "ollama/qwen2.5-coder:32b"]
      }
    }
  }
}

7. Modelli consigliati: locali e cloud – Guida OpenClaw con Ollama

Modelli cloud (richiedono ollama signin, non necessitano di pull locale):

  • kimi-k2.5:cloud — Ragionamento multimodale con subagent
  • minimax-m2.7:cloud — Veloce ed efficiente per coding e produttività
  • glm-5:cloud — Ragionamento avanzato e generazione di codice

Modelli locali:

  • glm-4.7-flash — Ragionamento e generazione di codice in locale (richiede ~25 GB VRAM)
  • llama3.3 — Uso generale
  • qwen2.5-coder:32b — Specializzato nel coding

Per i modelli di reasoning (es. DeepSeek R1), OpenClaw li riconosce automaticamente tramite euristica sul nome (r1, reasoning, think):

ollama pull deepseek-r1:32b

8. Web search, tool calling e streaming

OpenClaw integra un plugin nativo per web search e fetch, attivato automaticamente al lancio tramite Ollama. Per installarlo manualmente:

openclaw plugins install @ollama/openclaw-web-search

Nota importante sul tool calling: l’integrazione nativa usa l’endpoint /api/chat di Ollama, che supporta pienamente streaming e tool calling in modo simultaneo, senza configurazioni aggiuntive. La modalità OpenAI-compatibile (/v1) non garantisce questa affidabilità e va evitata per qualsiasi scenario che preveda l’uso di tool.

9. Quando conviene usare OpenClaw su Ollama (e quando no)

Conviene usare OpenClaw su Ollama quando:

  • Si vuole un assistente AI completamente on-premise, senza trasmissione di dati a cloud esterni
  • Si devono rispettare vincoli di privacy e compliance (es. GDPR, ambienti aziendali regolamentati)
  • Si desidera eliminare i costi variabili delle API cloud (tutti i costi sono a 0€)
  • Si vuole integrare l’AI nelle app di messaggistica aziendali o personali già in uso
  • Si lavora in ambienti disconnessi o con connettività limitata (inferenza locale pura)
  • Si vuole fare model switching rapido tra modelli diversi senza cambiare interfaccia

Non conviene quando:

  • Non si dispone di GPU con VRAM sufficiente (i modelli locali performanti richiedono almeno 25 GB VRAM)
  • Si necessita di modelli allo stato dell’arte con capacità superiori a quelle dei modelli open source disponibili localmente
  • Il progetto richiede SLA di disponibilità elevata senza infrastruttura dedicata
  • Si usano proxy che supportano solo il formato OpenAI-compatibile (il tool calling risulta inaffidabile in modalità /v1)

10. Limiti e capacità attuali

Capacità attuali:

  • Integrazione nativa con i principali servizi di messaggistica (WhatsApp, Telegram, Slack, Discord, iMessage)
  • Auto-discovery dei modelli locali Ollama tramite /api/tags
  • Support completo a streaming e tool calling sull’API nativa
  • Plugin web search e fetch integrato
  • Model failover configurabile con lista di fallback
  • Supporto a modelli di reasoning (DeepSeek R1 e simili) con riconoscimento automatico
  • Modalità headless/non-interattiva per CI/CD e Docker

Limiti attuali:

  • La context window minima raccomandata di 64k token esclude i modelli più leggeri per uso serio in produzione
  • L’auto-discovery viene disabilitata non appena si definisce una configurazione esplicita del provider, richiedendo la definizione manuale di tutti i modelli
  • Il tool calling non è affidabile in modalità OpenAI-compatibile (/v1), limitando la compatibilità con alcuni proxy
  • I modelli locali con elevate prestazioni (es. glm-4.7-flash) richiedono hardware enterprise con ~25 GB VRAM
  • La web search per modelli locali richiede l’autenticazione tramite ollama signin

11. Troubleshooting: i problemi più comuni

  • Ollama non rilevato: verificare che Ollama sia in esecuzione e che la variabile OLLAMA_API_KEY sia impostata. Avviare il server con ollama serve e testare la connettività:
curl http://localhost:11434/api/tags
  • Nessun modello disponibile: eseguire ollama list per verificare i modelli installati e fare pull del modello desiderato:
ollama pull glm-4.7-flash
  • Connection refused: verificare che Ollama sia in esecuzione sulla porta corretta:
ps aux | grep ollama
ollama serve

12. Best practice e conclusioni

Per evitare errori e ottenere il massimo dall’integrazione OpenClaw-Ollama, si raccomanda di seguire queste best practice:

  1. Usare sempre l’API nativa (http://host:11434 senza /v1) per garantire tool calling e streaming affidabili
  2. Impostare sempre la context window a 64k token o più quando si usano modelli locali
  3. Definire modelli di fallback nella configurazione per garantire continuità operativa
  4. Non definire una configurazione esplicita del provider se si vuole sfruttare l’auto-discovery
  5. Utilizzare la modalità non-interattiva (--yes) negli ambienti CI/CD e Docker per evitare prompt bloccanti
  6. Effettuare sempre il test di connettività con curl http://localhost:11434/api/tags prima di avviare OpenClaw in produzione
  7. Evitare la modalità OpenAI-compatibile a meno che non sia strettamente necessaria e si sia disposti a rinunciare al tool calling nativo

Padroneggiare tecnologie come OpenClaw e Ollama, e più in generale l’intero ecosistema degli agenti AI e dei modelli linguistici open source, richiede oggi una formazione strutturata e aggiornata. Non è sufficiente leggere documentazione: è necessario acquisire competenze pratiche, comprendere le architetture, saper configurare pipeline end-to-end e integrare modelli in contesti reali.

Per questo, Innovaformazione offre i Corsi AI Generativa dedicati a sviluppatori, AI engineer e professionisti IT, tra cui il corso per lo sviluppo di applicazioni LLM e il corso Claude Code per sviluppatori, due percorsi pratici e immediatamente applicabili in ambito professionale.

I corsi sono attivati su richiesta per le aziende, con calendario da concordare e modalità online in classe virtuale. Le aziende aderenti a Fondimpresa o altri fondi interprofessionali possono accedere alla formazione finanziata.

Per richiedere un preventivo come corso aziendale:

📧 info@innovaformazione.net 📞 3471012275 — Dario Carrassi

(fonte) (fonte)

Per altri articoli di settore consigliamo di navigare sul nostro blog QUI.