【設定・環境構築】Gemma 4 を Ollama でローカル起動して OpenClaw と接続する
この記事でわかること
- Gemma 4 E4B を Ollama でローカル起動する手順と、必要な VRAM・ディスク容量
- OpenClaw の推論先を有料 API からローカルモデルに切り替える方法
- API キーを完全に外し、データを外部に送らない環境にする手順
WSL2（Ubuntu 22.04）/ NVIDIA GPU（VRAM 6GB 以上、余裕を見るなら 8GB）/ OpenClaw インストール済み / nvidia-smi が WSL2 から GPU を認識していること。モデルのダウンロードに約 9.6GB のディスク容量を使います。
はじめに
Claude や GPT-4o などのクラウド AI を使い続けていると、API 費用が気になってきます。また「自分のデータを外部サービスに送りたくない」という場面も増えてきました。
2026年4月、Google が Gemma 4 を Apache 2.0 ライセンスでリリースしました。コーディング性能が前世代から劇的に向上し、ローカルで動かしても実用レベルに達しています。
この記事では、Gemma 4 E4B を Ollama 経由でローカル起動し、セルフホスト型 AI エージェント基盤の OpenClaw と接続するまでの手順を解説します。
やることは、推論の行き先を有料 API から手元の Ollama に向け直すだけです。
flowchart LR
A["OpenClaw"] -->|ollama provider| B["Ollama"]
B -->|推論| C["Gemma 4 E4B"]
A -.->|ここを外す| D["OpenAI API<br>従量課金"]
Gemma 4 E4B とは
Gemma 4 は Google DeepMind が 2026年4月2日にリリースしたオープンモデルです。
| モデル | 実効パラメータ | コンテキスト | VRAM (Q4) |
|---|---|---|---|
| E2B | 2.3B | 128K | ~4 GB |
| E4B | 4.5B | 128K | ~6 GB |
| 26B A4B | 3.8B active | 256K | ~17 GB |
| 31B | 31B | 256K | ~20 GB |
E4B はテキスト・画像・音声・動画の入力に対応したマルチモーダルモデルです。
ollama pull で落とすモデルファイルは 9.6GBで、こちらはディスク容量です。コーディング性能の指標である Codeforces ELO は Gemma 3 の 110 → 2150 と劇的に向上しています。
Step 1: OpenClaw のアップデート
Ollama プロバイダーは OpenClaw 2026.4.2 以降に同梱されています。まずバージョンを確認します。
openclaw --version古い場合はアップデートします。
npm install -g openclawアップデート後、Ollama プラグインが組み込まれたか確認します。
openclaw plugins list | grep ollama以下のように loaded と表示されれば OK です。
│ @openclaw/ollama-provider │ ollama │ openclaw │ loaded │Step 2: Ollama のインストール
WSL2 のターミナルで実行します（sudo パスワードが必要）。
まず zstd をインストールします（Ollama インストーラーが解凍に使用）。
sudo apt-get install -y zstd次に Ollama をインストールします。
curl -fsSL https://ollama.com/install.sh | sudo shインストール完了後、動作確認します。
ollama --versionStep 3: Gemma 4 E4B のダウンロード
ollama pull gemma4:e4b約 9.6 GB のダウンロードが始まります。完了したらモデル一覧で確認します。
ollama list
# NAME ID SIZE
# gemma4:e4b c6eb396dbd59 9.6 GB単体テストとして動作確認します。
curl -s http://localhost:11434/api/generate \
-d '{"model":"gemma4:e4b","prompt":"hello","stream":false}' \
| python3 -c "import json,sys; print(json.load(sys.stdin)['response'])"返答が返ってくれば Ollama は正常に動作しています。
Step 4: OpenClaw に Ollama を設定する
4-1. Ollama モデルをデフォルトに設定
openclaw models set ollama/gemma4:e4b設定を確認します。
openclaw models status
# Default: ollama/gemma4:e4b4-2. 有料 API を削除する
不要になった OpenAI などのモデル設定を外します。
openclaw config set agents.defaults.models --json '{"ollama/gemma4:e4b": {}}'auth-profiles.json からも有料 API キーを削除します。以下の2ファイルを書き換えます。
~/.openclaw/auth-profiles.json~/.openclaw/agents/main/agent/auth-profiles.json
{
"profiles": {
"ollama:local": {
"provider": "ollama",
"id": "ollama:local",
"token": "ollama-local"
}
}
}4-3. OLLAMA_API_KEY を永続化する
~/.bashrc に追記します。
echo 'export OLLAMA_API_KEY=ollama-local' >> ~/.bashrc
source ~/.bashrcsystemd サービス経由でも渡るよう、サービスファイルにも追加します。
# ~/.config/systemd/user/openclaw-gateway.service の [Service] セクションに追加
Environment="OLLAMA_API_KEY=ollama-local"変更を反映します。
systemctl --user daemon-reload
openclaw gateway restartStep 5: 動作確認
エージェントにメッセージを送って返答を確認します。
OLLAMA_API_KEY=ollama-local openclaw agent --local --agent main -m "hello"以下のような返答が返れば成功です。
Hello! I'm ready to help you with whatever you need.Discord などのチャンネル経由でも同様に動作します。
うまく動かないとき
GPU が使われていない（推論が極端に遅い）
まず WSL2 で nvidia-smi が通るか確認してください。通っていれば Ollama は自動で GPU を使います。通らなければ CPU 推論に落ちているので、WSL2 側の GPU パススルー設定が先です。
gemma4:e2b（VRAM 約 4GB）に下げると動きます。速度が出ないときは ollama show gemma4:e4b で Q4 量子化が効いているか、Ollama が立ち上がらないときは systemctl status ollama を見てください。まとめ
- OpenClaw 2026.4.2 から Ollama プロバイダーが標準搭載された
- Gemma 4 E4B は Apache 2.0 ライセンスで商用利用可能、8GB VRAM で動作する
openclaw models set ollama/gemma4:e4bの一行でモデルを切り替えられる- 有料 API キーを削除すれば完全無料・完全ローカルの AI エージェント環境が完成する
参考リンク
どのモデルを選ぶか、どの GPU を買うかで迷っている場合や、OpenClaw 自体のセットアップから始める場合はこちらをどうぞ。
更新履歴
- 目次の見出しを削除して他記事と揃え、関連記事リンクを追加
- 前提条件の VRAM 要件の食い違い（6GB / 8GB）を統一し、ダウンロードサイズとの違いを明記。構成図を追加
