AgenticSeek 如何接入 LM Studio 作为本地模型提供方【免费下载链接】agenticSeekFully Local Manus AI. No APIs, No $200 monthly bills. Enjoy an autonomous agent that thinks, browses the web, and code for the sole cost of electricity.项目地址: https://gitcode.com/GitHub_Trending/ag/agenticSeekAgenticSeek 是一个 100% 本地运行的自主 AI 助手所有 LLM 推理都跑在你自己的硬件上不经过云端。如果你的硬件已经够跑本地大模型而平时用的模型加载工具是 LM Studio这篇文档说明如何把 LM Studio 作为 LLM 提供方接进 AgenticSeek在config.ini中把provider_name设为lm-studio地址指向http://127.0.0.1:1234然后启动服务并验证后端能正常应答。以下所有配置值、命令和排查方法均来自仓库 README 的本地提供方章节与已知问题章节实现细节可对照 LLM 提供方实现。前提条件LM Studio 已在本机提供模型服务开始改配置之前先确认本机这一侧已经就绪LM Studio 已安装并已加载你要使用的模型LM Studio 的本地服务器已启动监听在127.0.0.1:1234这是.env中LM_STUDIO_PORT的默认值也是 README 给出的 LM Studio 默认端口。README 未说明 LM Studio 的具体启动按钮位置只需保证http://127.0.0.1:1234可达即可模型规模与你的显存匹配README FAQ 给出的参考是模型规模显存文档评价7B8 GB VRAM不推荐性能差、幻觉频繁planner 类 agent 大概率失败14B12 GB VRAM如 RTX 3060简单任务可用网页浏览和任务规划可能吃力32B24 GB VRAM如 RTX 4090多数任务可成功任务规划仍可能吃力70B48 GB VRAM适合进阶用例README 推荐选用推理类模型例如 Magistral 或 DeepSeek。在 config.ini 中配置 lm-studio编辑仓库根目录的config.ini仓库里自带该文件查看示例把[MAIN]段改成[MAIN] is_local True provider_name lm-studio provider_model 换成你加载到LMStudio的模型名 provider_server_address http://127.0.0.1:1234 agent_name Jarvis三个字段必须和 LM Studio 对上README 对此有明确警告provider_name必须写lm-studio不要写openai——即使你用的是 LM Studio 这类兼容服务写openai会走云端 API 的逻辑并要求 API keyREADME 专门用一条警告强调这点provider_server_address必须带http://前缀。lm-studio等本地提供方要求地址形如http://127.0.0.1:1234缺前缀会直接触发连接适配错误见后文排查provider_model填 LM Studio 中实际加载的模型名AgenticSeek 会以这个名字发请求名称不匹配就会失败is_local True表示本地提供方Ollama、LM Studio、本地 OpenAI 兼容服务只有使用云端 API 时才写False。注意这里的 local 指就在本机LM Studio 跑在局域网另一台机器上时也要写成False见文末可选项。另外注意config.ini的格式不支持注释README 明确要求不要直接复制带#注释的示例配置注释会导致解析报错上面的配置块已经去掉了所有注释可直接使用。启动服务并验证配置改完后重启后端config.ini和.env一样只在进程启动时读取改完必须重启。Web 界面模式后端在 Docker 内运行./start_services.sh full # macOS / Linux start start_services.cmd full # WindowsREADME 提醒首次启动要拉取全部 Docker 镜像可能耗时到 30 分钟在日志里看到后端健康检查通过之前不要发任何消息文档示例的日志是backend: GET /health HTTP/1.1 200 OK首次运行后端最多可能需要 5 分钟。然后打开http://localhost:3000/确认出现 Web 界面发一条简单任务验证模型链路例如 README 用法章节给的示例Make a snake game in python!AgenticSeek 会自动把任务分配给合适的 agent。如果 LM Studio 侧正常回复来自你加载的模型如果模型没加载或服务器没开后端会返回 LM Studio 的连接或超时错误见下节。排查LM Studio 连不上时的两个典型错误README 已知问题章节记录了两种现象都与config.ini写法或 LM Studio 服务状态有关错误 1缺少http://前缀Exception: Provider lm-studio failed: HTTP request failed: No connection adapters were found for 127.0.0.1:1234/v1/chat/completions端口可能因你的 LM Studio 设置而不同。文档给出的原因是provider_server_address缺http://或端口指错解决方式是确认 LM Studio 实际端口默认 1234并把地址改为provider_server_address http://127.0.0.1:1234。错误 2服务未启动或无响应AgenticSeek 对 LM Studio 的请求超时上限是 30 秒实现侧会分别抛出LM Studio request timed out - check if server is responsive和Cannot connect to LM Studio at {url} - check if server is running。对应排查动作就是回到前提条件那一节确认 LM Studio 服务器在跑、模型已加载、地址端口正确。Docker 模式下的一个提醒README 的 Ollama 排查章节说明后端在 Docker 内运行时config.ini中provider_server_address的主机部分会被替换为.env里的DOCKER_INTERNAL_URL只取端口号使用——所以不要为了连上本机服务而把地址改成host.docker.internal。lm-studio走的是同一条地址处理逻辑代码里对localhost/127.0.0.1会改走 Docker 内部地址。另外如果你的硬件跑不动本地 LLMREADME 提供了改用云端 API 的整套配置is_local False 对应provider_name API key那是一条独立路径不属于本文范围。可选让 AgenticSeek 从局域网另一台机器使用 LM StudioREADME 的在自有服务器上运行 LLM章节支持这种部署LM Studio或任何暴露 OpenAI 兼容 API 的服务跑在一台机器上AgenticSeek 跑在另一台机器上通过网络接入。此时在 AgenticSeek 一侧的config.ini中[MAIN] is_local False provider_name lm-studio provider_model 换成实际模型名 provider_server_address http://x.x.x.x:8080其中x.x.x.x换成运行 LM Studio 那台机器的 IP端口换成该 LM Studio 实际监听端口文档示例用的 8080 只是示例端口。is_local在这里必须写False写True时 AgenticSeek 只会在本机找服务并忽略远端地址。lm-studio提供方走的是标准 OpenAI 兼容/v1/chat/completions接口不需要 API key。限制说明本地提供方Ollama、lm-studio、本地 OpenAI 兼容服务下所有 API key 环境变量都可以留空这是项目的主要使用方式表单填写等部分能力在文档中标注为实验性与模型提供方选择无关但对实际任务体验有影响改完config.ini或.env都必须重启后端才生效.env只在进程启动时读取。完整的config.ini字段解释见 README 的 Config 章节本地提供方与 API 提供方的对照表见 README 的 Local Providers 和 API Providers 两张表。【免费下载链接】agenticSeekFully Local Manus AI. No APIs, No $200 monthly bills. Enjoy an autonomous agent that thinks, browses the web, and code for the sole cost of electricity.项目地址: https://gitcode.com/GitHub_Trending/ag/agenticSeek创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考