【更新履歴】

　・2026/2/20　バージョン1.0公開。

・ダウンロードされる方はこちら。↓

 llama.cpp サーバー起動マニュアル

・本エージェントは、
　裏側で動いている llama.cpp のサーバーと通信して思考します。

・本エージェントを起動する前に、
　コマンドプロンプト（またはPowerShell）で
　以下の手順に沿ってサーバーを立ち上げておく必要があります。

（1）基本の起動コマンド

・最もシンプルにサーバーを起動するコマンドは以下の通りです。

（※最近の llama.cpp では
　　実行ファイル名が llama-server.exe になっています。
　　古いバージョンの場合は server.exe の場合があります。）

llama-server.exe -m "モデルのパス.gguf" --port 8080

-m "モデルのパス.gguf":
・使用するGGUF形式のモデルファイルを指定します。
（例: -m C:\Models\Llama-3-8B-Instruct.Q4_K_M.gguf）

--port 8080:
・サーバーのポート番号です。
・今回のC#コードで http://localhost:8080 を指定しているため、
　必ず 8080 にしてください。

（2）自律型エージェント向けの推奨コマンド（GPUフル活用）

・エージェントに自律ループを回させると、
　過去のやり取り（コンテキスト）がどんどん蓄積していきます。

・そのため、コンテキストサイズを大きめに取り、
　GPUに処理を任せて高速化するのが実用的な使い方です。

・以下のコマンドでの起動を強くおすすめします。

llama-server.exe -m "モデルのパス.gguf" --port 8080 -c 8192 -ngl 99

💡 重要なオプションの解説

-c 8192　 (Context Size / コンテキストサイズ):
…AIが一度に記憶できるトークン（文字数）の上限です。
　デフォルト（512など）だとすぐに記憶喪失になってエラーになるため、
　エージェント用には 4096 や 8192 程度を指定しておくのが安全です。

-ngl 99 　(Number of GPU Layers / GPUオフロード):
…モデルの計算をどれだけGPU（グラフィックボード）に
　任せるかの設定です。

　PCパーツやハードウェアの知識をお持ちのユーザー環境であれば、
　GPUのVRAMにモデルを乗せることで爆発的に推論速度が上がります。

　99 を指定すると「可能な限りすべてGPUに乗せる」
　という意味になります。

（3）動作確認の方法

・サーバーを起動すると、コマンドプロンプトの画面に
　以下のようなログがズラーっと流れ、
　最後に次のような表示が出れば準備完了（待機状態）です。

llama_server_start: HTTP server listening on 127.0.0.1:8080

・この状態になったら、
　この黒い画面（コマンドプロンプト）は閉じずに
　そのまま開いておいてください。
　（閉じるとAIの頭脳が死んでしまいます）

（オプション）本当に動いているかテストする

・ブラウザを開いて http://localhost:8080 にアクセスしてみてください。

・llama.cpp の簡易的なチャットUI画面が表示されれば、
　サーバーは完璧に動作しています。

（4）エージェントアプリとの連携手順

・コマンドプロンプトで
　上記の llama-server.exe ... コマンドを実行し、
　サーバーを待機状態にする。

・Visual Studioに戻り、
　先ほど完成させた C# の自律型エージェントアプリ
　（Form1）を起動（F5キー）する。

・アプリのテキストボックスに指示
　（例：「test.txt というファイルを作って」）
　を入力して送信ボタンを押す。

・C#アプリからリクエストが飛ぶと、
　裏で開いているllama-serverの画面に
　「思考中のログ」がババババッ！と流れます。

・思考が終わると、C#アプリ側に実行結果が返ってきます。