見出し画像

🚀 永遠に無料で使えるローカルAIエージェント構築ガイド OpenClaw + Ollama + Gemma4(Mac/Linux/Windows)で完全セルフホスト化

導入:ずっと0円でAIエージェントを運用する時代へ

ChatGPT Plus: 月額20ドル × 12ヶ月 = 年間240ドル(約36,000円)
Claude Pro: 月額20ドル × 12ヶ月 = 年間240ドル(約36,000円)
※筆者はPro/Maxなどを利用してるので考えたくないです…

これらのクラウドAIサービスは便利ですが、継続的にコストが発生します。

しかし、本記事で紹介する方法なら、最初のセットアップ以降、永遠に0円。あなたのPC上でプライベートに、制限なくAIを使い放題で運用できます。

本記事では、Mac/Linux/Windows上でOllama + Gemma4を使用し、OpenClawフレームワークを組み合わせて、完全に自分のPC上で動作する本格的なAIエージェントを構築する方法を、初心者から中級者向けに詳しく解説します。

このアプローチがもたらす圧倒的なメリット

画像

具体的には:

  • 💰 永遠に無料:クラウド API は月額課金ですが、ローカルなら初期セットアップのみ

  • 🔒 完全プライベート:あらゆるテキスト・データが自分のPC内で完結

  • 高速処理:クラウド通信のレイテンシーがゼロ

  • 🎛️ 完全コントロール:モデルやパラメータを自由にカスタマイズ可能

  • 📊 無制限利用:API呼び出し回数に制限なし、思う存分使える

システム要件と前提条件

ハードウェア要件

画像

OS 別 GPU 推奨

画像

GPU が無い場合: CPU のみでも動作します。応答速度が 5〜10 倍遅くなりますが、チャットやテキスト生成は問題なく使用可能。

ソフトウェア要件

画像

事前準備

すべてのOSで以下を用意してください:

  • Ollama(OSごとのインストーラーあり)

  • Git(バージョン管理)

  • Python 3.10+(スクリプト実行用)

従来のAI運用の課題と、ローカル化による解決

クラウドAI(ChatGPT等)の根本的な問題

企業や個人がChatGPT、Claude、GeminiなどのクラウドAIに依存する場合、以下の課題が発生します:

💸 コストの問題

  • ChatGPT Plus:月額 $20 → 年間 $240

  • Claude Pro:月額 $20 → 年間 $240

  • GPT-4 API:使用量に応じて 制限なし請求

  • エンタープライズ規模では月数万〜数十万円の支出

あなたが使い続ける限り、ずっと課金し続けます。

🔐 データプライバシーの問題

  • あなたの入力内容は OpenAI/Anthropic のサーバーに送信

  • プロンプトが学習データに使われる可能性

  • 機密情報・個人情報の流出リスク

  • 企業の重要なドキュメント、ソースコードをアップロードできない

  • 医療情報や財務データなど機密性の高い情報が外部に流出

⚙️ 運用の自由度の欠如

  • API呼び出し回数に制限(月単位、分単位のレート制限)

  • モデルやパラメータをカスタマイズできない

  • 特定のプロバイダーに依存

  • サービス停止時に使用不可

  • 新しいモデルが利用可能になるまで待つ必要がある

✅ ローカルAIエージェントで全て解決

本記事のアプローチ(Ollama + Gemma4 + OpenClaw)により、これらの課題が全て解決します:

💰 永遠に無料

  • 初期セットアップ後、1円も課金されない

  • 100万回実行しても 0 円

  • スケールに応じた追加課金なし

  • ハードウェア代(初回のみ)のみ

🔒 完全プライベート

  • データが自分のPC内で完全に完結

  • クラウド送信ゼロ(完全なオンプレミス化)

  • 機密情報・ソースコード、個人情報も安心

  • GDPR・個人情報保護法への完全準拠

⚡ 無制限の運用自由度

  • API呼び出し制限なし(思う存分使える)

  • モデルやパラメータを完全カスタマイズ

  • 複数モデルの同時実行も可能

  • 新しいモデルをすぐに試せる

🛠️ 完全セルフホスト化

  • どのプロバイダーにも依存しない

  • サービス停止リスクなし

  • OSやハードウェアをフルコントロール

  • 完全な独立性と自由度

2024年〜2026年の流れ:ローカルAIの台頭

かつては「ローカルLLMは遅い、メモリ不足」という問題がありました。しかし、ここ数年で状況は激変しました:

  • Ollama による革新的なセットアップ簡素化

  • Gemma4 などの高性能で軽量なモデル登場

  • OpenClaw などのエージェントフレームワーク成熟

  • 量子化技術(Quantization) による大幅なメモリ削減

  • Apple Silicon対応 で Macでの実行が超高速化

  • オープンモデル の急速な進化

これらすべてが揃った 今だからこそ、本気でローカル化が現実的になりました。

第1章:Gemma4とは何か?

Gemma4の特徴

Gemma4 は Google が公開した最新のオープンソースマルチモーダルモデルです。テキストだけでなく、画像・動画・音声も扱えます。

公式ドキュメント:https://ai.google.dev/gemma/docs/core?hl=ja

画像

3つのアーキテクチャ

Gemma4 は用途別に 3つの異なるアーキテクチャ で構成されています:

1. エッジモデル(e2b / e4b) ノートPC・スマホ・ブラウザなどでのオンデバイス実行向け。テキスト・画像・動画・音声すべてにネイティブ対応。

2. 高密度モデル(31b) 31B パラメータの高性能モデル。サーバーグレードのパフォーマンスをローカルで実現。

3. MoE(Mixture-of-Experts)モデル(26b) トークン生成時に 40億パラメータのみがアクティブになる効率的なアーキテクチャ。ただし全パラメータをメモリに読み込む必要あり。

モデル一覧と選び方

画像

e2b と e4b の違い

どちらも エッジデバイス向け(ノートPCやデスクトップで手軽に動かす用途)のモデルです:

  • e2b:有効パラメータ 2.3B(全体 5.1B)。Ollama では 7.2GB。軽量で高速、16GB RAM でも快適に動作

  • e4b:有効パラメータ 4.5B(全体 8B)。Ollama では 9.6GB。e2b より高精度、16GB RAM で動作可能

両モデルとも テキスト・画像・動画・音声のマルチモーダル入力にネイティブ対応 しているのが大きな特徴です。Google Pixel や Chrome でのオンデバイス実行も想定されています。

量子化形式とメモリ要件(公式値)

Gemma4 は複数の量子化形式で提供されています。推論時に必要なメモリ量:

画像

Ollama では最適な量子化形式が自動的に選択されます。

メモリ別おすすめ

画像

第2章:環境構築手順(OS別)

2-1. macOS での環境構築

ステップ1:Ollama のインストール

# Homebrewで一発インストール
brew install ollama

# または公式サイトからダウンロード
# https://ollama.ai/download/mac

ステップ2:必須ツールのインストール

brew install git python3 node npm

# パッケージ管理で最新化
pip install --upgrade pip

ステップ3:OpenClaw のインストール

# シェルスクリプトで自動インストール
curl -fsSL https://openclaw.ai/install.sh | bash

# シェル設定を更新
source ~/.zprofile

2-2. Windows での環境構築(WSL2推奨)

ステップ1:WSL2 の有効化

# PowerShell(管理者)で実行
wsl --install

# Windows 11なら自動的に Ubuntu が入ります
# 再起動後、Ubuntu ターミナルで以下を実行

ステップ2:Ollama + 開発ツールのインストール

Windows ネイティブまたは WSL2 内で:

# WSL2 Ubuntu ターミナルで実行
sudo apt update && sudo apt upgrade -y
sudo apt install -y build-essential curl git python3 python3-pip nodejs npm

# Ollama(WSL2内)
curl -fsSL https://ollama.ai/install.sh | bash

ステップ3:OpenClaw のインストール

curl -fsSL https://openclaw.ai/install.sh | bash
source ~/.bashrc

2-3. Linux(Ubuntu)での環境構築

ステップ1:システムパッケージの更新

sudo apt update && sudo apt upgrade -y
sudo apt install -y build-essential curl git jq python3 python3-pip nodejs npm

ステップ2:Ollama のインストール

# 公式インストーラー
curl -fsSL https://ollama.ai/install.sh | sh

# または APT(Ubuntu 22.04 以降)
# echo "deb https://ollama.ai/linux/apt /" | sudo tee /etc/apt/sources.list.d/ollama.list
# sudo apt install ollama

ステップ3:OpenClaw のインストール

curl -fsSL https://openclaw.ai/install.sh | bash
source ~/.bashrc

確認:

openclaw --version

第3章:Gemma4 モデルのダウンロードと設定

Ollama でモデルをダウンロード

Ollama 公式ライブラリから Gemma4 をダウンロードします: https://ollama.com/library/gemma4

ステップ1:Ollama デーモンの起動

# macOS / Linux
ollama serve &

# または直接実行
ollama serve

ステップ2:Gemma4 モデルをプル

以下から推奨スペックに合わせて選択:

16GB RAM 推奨:

# 軽量版(2.3B、最も高速)- 推奨
ollama pull gemma4:e2b

# または中程度版(4.5B、バランス型)
ollama pull gemma4:e4b

32GB RAM 以上推奨:

# 大規模版(30.7B、高精度)
ollama pull gemma4:31b

ステップ3:モデルが正しくダウンロードされたか確認

ollama list

期待値の出力(e2b をダウンロードした場合):

NAME                    ID              SIZE      MODIFIED
gemma4:e2b              abc123def456    7.2 GB    2 minutes ago

モデルテスト実行

ダウンロードが完了したら、実際に実行して動作確認:

# e2b で実行テスト
ollama run gemma4:e2b

プロンプトが表示されたら:

>>> こんにちは。あなたは何ですか?

モデルが応答すれば成功です。以下の例のような回答が得られます:

こんにちは。私は Google が開発した Gemma4 という言語モデルです。
このローカル環境で実行されており、プライベートで安全です。
何かお手伝いできることはありますか?

終了は Ctrl+C または Ctrl+D。

第4章:OpenClaw による AIエージェント構築

セットアップウィザードの実行

すべてのセットアップが完了したら、OpenClaw を起動します:

openclaw

以下のようなセットアップが開始します。

📋 セットアップ進行中に出現する選択肢ガイド

次のステップで複数の選択肢が表示されます。以下に初心者向け推奨選択をまとめました。

① Security Warning への確認

◇ I understand this is personal-by-default and shared/multi-user use requires lock-down. Continue?

選択:Yes

説明:OpenClaw のセキュリティに関する警告です。個人利用であれば安全です。

② Setup Mode の選択

◇ Setup mode
   • QuickStart  ← 初心者向け推奨
   • Advanced
   • Custom

選択:QuickStart

説明:自動的に最適な設定をしてくれます。ほとんどの人はこれで OK。

③ Model/Auth Provider の選択

◇ Model/auth provider
   • Local Ollama  ← Gemma4 ローカル実行
   • OpenRouter
   • その他

選択:Local Ollama

説明:Ollama でダウンロードした Gemma4 をローカルで実行します。クラウド API は不要で、完全に無料です。

④ Local Model の選択

Select local modelgemma4:e2b  ← 軽量版(16GB RAM推奨)
   • gemma4:e4b  ← 中程度版(16GB RAM)
   • gemma4:31b  ← 大規模版(32GB+ RAM推奨)
   • その他(利用可能なモデル)

推奨選択(16GB RAM):gemma4:e2b

説明:軽量版で高速。メモリに余裕があれば e4b や 31b も選択可能です。

推奨選択(32GB+ RAM):gemma4:31b

説明:最大精度と推論品質。大規模タスク向け。

⑤ Channel Status(チャット連携)

◇ Channel status
   ├─ Telegram: needs token
   ├─ WhatsApp: not linked
   ├─ Discord: needs token
   ├─ Slack: needs tokens
   ├─ LINE: needs token + secret
   └─ ... その他多数

選択:スキップする(Skip for now)

説明:Discord、Slack、LINE などと連携する設定です。初心者は設定不要です。

⑥ Search Provider(Web検索機能)

◇ Search provider
   • DuckDuckGo Search (experimental)  ← 推奨
   • Google Search
   • Perplexity Search
   • その他

選択:DuckDuckGo Search

説明:OpenClaw がインターネット検索できる機能です。API キー不要で使えます。

⑦ Configure Skills

◇ Configure skills now? (recommended)
   • Yes
   • No  ← 初心者向け推奨

選択:No

説明:Skills は OpenClaw の拡張機能です。初心者は最初は No で OK。基本機能を試してから必要に応じて追加。

⑧ Enable Hooks

◇ Enable hooks?
   • Yes
   • Skip for now  ← 初心者向け推奨

選択:Skip for now

説明:Hooks は自動化の設定です。初心者は必要ありません。

⑨ Systemd サービス有効化(Linux/macOS)

◇ Systemd
  ┌─────────────────────────────────────────
  │ Enable lingering now (may require sudo)
  └─────────────────────────────────────────

  ◓ Installing Gateway service…
  ✓ Installed systemd service:
    /home/YOUR_USERNAME/.config/systemd/user/openclaw-gateway.service

選択:Yes

説明:PC 起動時に自動的に OpenClaw が起動するようになります。

OpenClaw 設定ファイルの作成

セットアップが完了したら、~/.openclaw/openclaw.json で詳細な接続設定を行います。

ステップ1:ディレクトリ作成

mkdir -p ~/.openclaw

ステップ2:設定ファイルの作成

16GB RAM 環境向け(e2b 推奨):

cat > ~/.openclaw/openclaw.json <<'EOF'
{
  "gateway": {
    "mode": "local",
    "port": 18789
  },

  "env": {
    "shellEnv": {
      "enabled": true,
      "timeoutMs": 15000
    }
  },

  "models": {
    "local_gemma4_e2b": {
      "type": "ollama",
      "name": "gemma4:e2b",
      "alias": "gemma4-light",
      "baseUrl": "http://localhost:11434",
      "default": true
    },

    "local_gemma4_e4b": {
      "type": "ollama",
      "name": "gemma4:e4b",
      "alias": "gemma4-balanced",
      "baseUrl": "http://localhost:11434",
      "default": false
    }
  },

  "agents": {
    "defaults": {
      "workspace": "~/.openclaw/workspace",
      "model": "local_gemma4_e2b",
      "timeout": 30000
    }
  },

  "search": {
    "provider": "duckduckgo",
    "enabled": true
  }
}
EOF

32GB+ RAM 環境向け(31b 推奨):

cat > ~/.openclaw/openclaw.json <<'EOF'
{
  "gateway": {
    "mode": "local",
    "port": 18789
  },

  "env": {
    "shellEnv": {
      "enabled": true,
      "timeoutMs": 30000
    }
  },

  "models": {
    "local_gemma4_31b": {
      "type": "ollama",
      "name": "gemma4:31b",
      "alias": "gemma4-large",
      "baseUrl": "http://localhost:11434",
      "default": true
    },

    "local_gemma4_e4b": {
      "type": "ollama",
      "name": "gemma4:e4b",
      "alias": "gemma4-fast",
      "baseUrl": "http://localhost:11434",
      "default": false
    }
  },

  "agents": {
    "defaults": {
      "workspace": "~/.openclaw/workspace",
      "model": "local_gemma4_31b",
      "timeout": 60000
    }
  },

  "search": {
    "provider": "duckduckgo",
    "enabled": true
  }
}
EOF

設定ファイルの説明

画像

OpenClaw Gateway の起動

セットアップが完了したら、Gateway を起動します:

# Gateway ステータス確認
openclaw gateway status

# 起動していなければ、以下で起動
openclaw gateway start

期待値の出力:

🦞 OpenClaw Gateway
├─ Status: active (running)
├─ Web UI: http://127.0.0.1:18789/
├─ Gateway WS: ws://127.0.0.1:18789
├─ Default model: gemma:7b-instruct-q4_0
├─ Gateway port: 18789
├─ Ollama connection: http://localhost:11434 ✓
└─ Memory usage: 4.2 GB / 16 GB

Ollama デーモンの確認

OpenClaw が正常に Ollama と接続しているか確認:

# Ollama デーモンが実行中か確認
ollama list

# Ollama エンドポイントにアクセス
curl -s http://localhost:11434/api/tags | jq .

# 期待値:ダウンロード済みモデルが表示される
# {
#   "models": [
#     {
#       "name": "gemma:7b-instruct-q4_0",
#       "modified_at": "2024-12-15T10:30:00Z"
#     }
#   ]
# }

Web UI へアクセス

ブラウザで以下のURLにアクセス:

http://127.0.0.1:18789/

チャット画面が表示され、Gemma4 と対話できます。

初回テスト例

Web UI で以下を入力して動作確認:

ユーザー入力:「自分の環境について教えてください」

Gemma4 の応答例:
「こんにちは。私は Gemma4 という Google 開発のオープンソース言語モデルです。
現在、あなたのローカル PC で直接実行されており、以下の特徴があります:

- 🌐 インターネット接続なし、完全にローカルで動作
- 💾 データはあなたの PC のみに保存
- ⚡ クラウド通信遅延なし、超高速応答
- 💰 無料で無制限に使用可能

何かお手伝いできることはありますか?」

OpenClaw CLI での直接実行

Web UI 以外にも、CLI からも Gemma4 を実行できます:

# ローカルモデルで対話
openclaw chat --model gemma-q4

# プロンプト入力後、応答が得られます
# 終了は Ctrl+D または quit コマンド

複数モデルの同時管理

設定ファイルで複数のモデルを定義済みなので、以下で切り替え可能:

# デフォルトモデルを e4b(中程度版)に変更
openclaw models set local_gemma4_e4b

# または 31b(大規模版)に変更
openclaw models set local_gemma4_31b

# 確認
openclaw models status

各モデルの使い分け:

画像

第5章:実践的な使用例

例1:テキスト生成

ユーザー:「React の初心者向けチュートリアルを書いてください」

Gemma4 が数秒以内に詳細なコードと説明を生成します。

例2:コード最適化

ソースコードを貼り付けて、最適化提案を受け取ります:

ユーザー:
「以下の Python コードを最適化してください。」
[コード貼り付け]

Gemma4 がパフォーマンス改善案を提案します。

例3:Web 検索と回答

DuckDuckGo Search を有効化していれば:

ユーザー:「2024年の最新 AI ニュースをまとめてください」

Gemma4 がリアルタイムの情報を検索して要約します。

第6章:トラブルシューティング

Q1:Ollama でモデルダウンロード中に失敗

症状:Error downloading model が表示される

対策

# ネットワーク接続確認
ping ollama.ai

# Ollama デーモンを再起動
killall ollama
ollama serve

Q2:OpenClaw が起動しない

症状:openclaw コマンドが見つからない

対策

# PATH を確認
echo $PATH

# ~/.bashrc (Linux) または ~/.zprofile (macOS) に追加
export PATH="/home/$USER/.npm-global/bin:$PATH"
source ~/.bashrc  # または ~/.zprofile

Q3:メモリ不足エラー

症状:Cannot allocate memory が表示される

対策

  1. より軽量なモデルを使用

# e2b(最軽量)に変更
ollama pull gemma4:e2b
openclaw models set gemma4:e2b
  1. バックグラウンドアプリを終了

    • ブラウザ、IDE などのメモリ消費アプリを一時停止

  2. スワップメモリを設定(Linux)

# Linux の例
sudo fallocate -l 8G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile

Q4:GPU を使用したい(オプション)

NVIDIA GPU(CUDA)の場合

# NVIDIA CUDA Toolkit をインストール
# https://developer.nvidia.com/cuda-downloads

# Ollama に CUDA 対応させる
export CUDA_VISIBLE_DEVICES=0
ollama serve

Apple Silicon(M1/M2/M3)の場合

Ollama は自動的に Metal(Apple 独自の GPU API)を使用します。追加設定不要で高速化されます。

AMD GPU(ROCm)の場合

# ROCm 環境変数を設定
export HSA_OVERRIDE_GFX_VERSION=gfx906
ollama serve

第7章:高度な設定

カスタム Prompt テンプレート

OpenClaw で、モデルの振る舞いをカスタマイズできます:

openclaw prompts edit default

テンプレート例(技術支援用):

You are a technical support AI assistant.
- Respond in clear, step-by-step instructions
- Always provide code examples when relevant
- Assume the user is a beginner
- Ask clarifying questions if needed

複数モデルの管理と使い分け

用途に応じて異なるモデルをダウンロードしておくと便利です:

# 軽量・高速(日常のチャットや簡単な質問に)
ollama pull gemma4:e2b

# バランス型(画像・音声も含む作業に)
ollama pull gemma4:e4b

# 高精度(複雑な推論や長文生成に)
ollama pull gemma4:31b

OpenClaw でデフォルトモデルを切り替え:

# 普段は e2b で高速に
openclaw models set local_gemma4_e2b

# 重要な作業は 31b に切り替え
openclaw models set local_gemma4_31b

ローカルデータベースとの連携

OpenClaw は以下をサポートします:

  • SQLite データベース

  • CSV ファイル

  • JSON データ

  • テキスト検索インデックス

第8章:まとめと今後の展開

この構築の価値

観点価値経済性年間36,000円以上の節約セキュリティデータが完全に自分のPC内に自由度制限なく、いつでも使用可能スキルAI エージェント構築の知識獲得

今後のスケール方向

  1. 複数マシンでの分散実行

複数のPC・サーバーを連携させて、大規模なAIネットワークを構築可能。

  1. 企業内AI基盤への展開

プライベートクラウドや社内サーバーで完全な AI インフラを構築。

  1. カスタムモデルの訓練

Gemma4 をベースに、自社データで ファインチューニング。

  1. リアルタイムデータ処理

Kafka、RabbitMQ などのストリーミング基盤と連携。

付録:コマンドリファレンス

Ollama コマンド

ollama serve              # デーモン起動
ollama pull <model>       # モデルダウンロード
ollama list              # ダウンロード済みモデル表示
ollama run <model>       # モデル実行
ollama rm <model>        # モデル削除
ollama show <model>      # モデル詳細表示

OpenClaw コマンド

openclaw                 # インタラクティブセットアップ
openclaw --version       # バージョン確認
openclaw models list     # 利用可能なモデル表示
openclaw models set <m>  # デフォルトモデル変更
openclaw gateway start   # Gateway 起動
openclaw gateway status  # Gateway ステータス
openclaw logs --follow   # ログ表示
openclaw doctor          # 診断ツール

最後に

永遠に無料で使えるローカルAIエージェントの構築は、もはや技術者だけの特権ではなくなりました。

このガイドに従えば、初心者でも1時間で完全にセルフホストされたAI環境を手に入れられます

クラウド AI の制限と費用から解放され、完全な独立性を持つ AI パワーを享受してください。

Happy AI Building! 🚀

参考リンク

最終更新:2026年4月 このガイドは継続的に更新されます。最新版をご確認ください。

いいなと思ったら応援しよう!

zephel01 サーバー代とコーヒー代になります☕ 役に立ったら応援よろしくお願いします!

ピックアップされています

ローカルLLM モデルガイド

  • 90本

コメント

1
コメントするには、 ログイン または 会員登録 をお願いします。
blue06_2022のプロフィールへのリンク
blue06_2022

たいへん有意義な情報ありがとう。 LOCAL環境の構築に将来役立てたい CPU8COREのパソコン安い中古を購入して考えます。 gpuは外付け blue06 20260408 wroute

1
zephel01 いいね
🚀 永遠に無料で使えるローカルAIエージェント構築ガイド OpenClaw + Ollama + Gemma4(Mac/Linux/Windows)で完全セルフホスト化|zephel01
word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word word

mmMwWLliI0fiflO&1
mmMwWLliI0fiflO&1
mmMwWLliI0fiflO&1
mmMwWLliI0fiflO&1
mmMwWLliI0fiflO&1
mmMwWLliI0fiflO&1
mmMwWLliI0fiflO&1