使用
Linux x86_64
需要先準備
- 執行環境:
docker
從 ollaya.dev 下載安裝腳本
curl -fsSL https://ollaya.dev/install.sh -o /tmp/install.sh執行安裝腳本將 ollaya 安裝至 ~/.local
bash /tmp/install.sh
確認能用
ollaya --version 2>&1; ollaya -v 2>&1
ollaya help 2>&1輸出應包含「Run open decision models locally」。
先試試這個
ollaya servecurl -s http://127.0.0.1:11435/api/tags 2>&1; echo "---"; curl -s http://127.0.0.1:11435/api/ps 2>&1; echo "---"; curl -s http://127.0.0.1:11435/v1/models 2>&1加進你的 agent
claude mcp add ollaya -- ollaya mcpClaude Desktop、Cursor 等用戶端用的 JSON
{
"mcpServers": {
"ollaya": {
"command": "ollaya",
"args": [
"mcp"
]
}
}
}它能做什麼
- 透過 MCP server 將模型開放給 AI agent已測試
- 透過 CLI 與 daemon 在本機拉取並提供開放決策模型沒有看到它可用
- 在 /v1/systemone 提供 TypeSafe Jev 相容 API未測試
- 為具型別的決策回傳經校正的機率,無需生成文字未測試
pickfit 測到哪一步
Linux x86_64
- 可以安裝
- 可以連線
- 4 項功能中 1 項可用
- 可離線使用
Windows:專案說支援,但 pickfit 還沒試過。
適合用來
- 透過 Jev 相容 API 在本機提供開放決策模型
可替代 TypeSafe Jev 和 Ollama。
pickfit 怎麼測的
每次測試都從乾淨的機器開始,照上面的步驟執行。 pickfit 怎麼驗證
Linux x86_64
MCP 用戶端成功呼叫工具
- 從頭重跑
- 可離線使用
- 檢查於 2026年11月2日
- 版本 0.18.0
MCP 用戶端透過 stdio 連線,列出 4 個工具,呼叫 list_models 也回傳了結果。
測試機器遇到的差異
- README: curl -fsSL https://ollaya.dev/install.sh | sh
測試中: 先將腳本下載至 /tmp/install.sh 並閱讀,再執行 bash /tmp/install.sh;安裝會在無 root 權限時自動退回至 ~/.local