Cline + Ollama : VS内での100％ローカルコードエージェント コード

#ローカルでClineエージェントを使用する理由

Cline（旧称 Claude Dev）は、LLM をエージェントのループで動かす VS Code 拡張機能です。計画を立て、複数のファイルを編集し、ターミナルでコマンドを実行し、出力を読み取って修正します。単なるインライン補完とは異なり、関数の作成、モジュールの移行、スタックトレースのデバッグといったタスク全体を引き受けて実行します。

クラウドAPIではなくOllamaと組み合わせることで、具体的な利点が3つあります。プロプライエタリコードがワークステーションから外に出ないこと、トークン単位の費用が発生しないこと（Clineはコンテキストを大量に消費するため、クラウドではコストが急速に高くなります）、そしてエージェントがオフラインで動作することです。代償として、優れたローカルコードモデルにはVRAMが必要であり、Ollamaのデフォルト設定はエージェント用途には適していません。

#前提条件

VS Code

比較的新しいバージョン（1.90以降）。ClineはOpen VSX互換のフォーク（VSCodium、Cursor）でも動作しますが、このガイドは標準のVS Codeを対象としています。

Ollama インストール済み

デーモンが起動し、http://localhost:11434 で接続を待ち受けている必要があります。まだこの状態になっていない場合は、当サイトの Ollama インストールガイドを参照してください。

十分な VRAM を備えた GPU

エージェントを快適に動作させるには最低16 GB、上位クラスには24 GBが必要です。CPUだけでも実行できますが、エージェントの処理ループには遅すぎます。

VS Codeで開いたプロジェクト

Clineは現在のワークスペースのフォルダ内で動作します。単独のファイルではなく、実際のリポジトリを開いてください。

#VRAMに基づいてモデルを選択

モデルの選択が最も重要です。Clineエージェントはツール呼び出し、ファイル読み取り、差分の処理を連続して行うため、指示に従い、ツールの形式を遵守するモデルが必要です。2026年の大多数のカードをカバーする3つのプロファイルがあります。

24 GB（RTX 4090、3090、RX 7900 XTX）— Qwen3-Coder 32B

現在最も優れたローカルエージェントです。Q4_K_Mでは約19GBを使用し、32kのコンテキストを扱うための余裕が残ります。GPUに収まるなら、目指すべきモデルです。

16 GB (RTX 4080、5070 Ti、4060 Ti 16GB) — Devstral Small 2

コードエージェントに特化したMistralのモデルで、Q4_K_Mなら実用的なコンテキストを確保しつつ16 GBに収まるよう設計されています。このクラスのグラフィックカードでは、最もバランスのよい選択肢です。

堅実な汎用モデル — Qwen 3.6 27B

コードとそれ以外の用途に1つのモデルを使いたい場合、27BのバリアントはQ4形式で24 GBに収まり、エージェントとして非常に優れた性能を発揮します。純粋なコード処理ではQwen3-Coderより一歩劣りますが、汎用性では優れています。

エージェント用途では14B未満のモデルを避けてください。ツール呼び出しの形式を崩したり、ループしたり、適用できない差分（diff）を提示したりするためです。小型で高速なモデルは、TabbyやContinueを使ったインライン補完には優れていますが、Clineを動かす用途には向いていません。

#1. Ollamaの準備

まずOllamaが動作していることを確認し、次に選んだモデルをダウンロードしてください。ここではQwen3-Coder 32Bを例にしています。タグは、お使いのVRAM容量に合うものに置き換えてください。

# Vérifier que le daemon répond
curl http://localhost:11434/api/version

# Tirer le modèle de code (adapter au tag exact affiché sur ollama.com)
ollama pull qwen3-coder:32b

# Alternatives selon la VRAM
ollama pull devstral-small-2   # 16 Go
ollama pull qwen3.6:27b        # généraliste 24 Go

# Lister ce qui est installé
ollama list

#2. Ollamaのコンテキストを設定

ここは誰もがつまずくステップです。デフォルトでは、Ollamaは4096トークンのコンテキストウィンドウでモデルを実行します。しかし、Clineは複数のファイルの内容、タスクの履歴、ツールの定義を送信します。4kでは、エージェントが毎ターン自分のタスクの冒頭を忘れてしまい、使い物にならなくなります。

num_ctxを引き上げる必要があります。適切な方法は、Modelfileを使って派生モデルを作成し、設定を永続化してClineに依存しないようにすることです。

# Fichier : Modelfile
FROM qwen3-coder:32b

# Contexte élargi pour l'usage agent (32k)
PARAMETER num_ctx 32768

# Un peu de déterminisme pour le code
PARAMETER temperature 0.2

# Créer le modèle dérivé
ollama create qwen3-coder-agent -f Modelfile

# Il apparaît désormais dans la liste
ollama list

#3. Clineのインストール

1. 01
   マーケットプレイスを開く

   VS Codeで、拡張機能パネル（Ctrl+Shift+X）を開いてください。
2. 02
   Clineを検索する

   検索バーに「Cline」と入力してください。公式拡張機能の発行元は「Cline Bot Inc.」です。模倣版を避けるため、発行元を確認してください。
3. 03
   インストールおよびピン留め

   「インストール」をクリックしてください。サイドバーのアクティビティバーにClineのアイコンが表示されます。すぐにアクセスできるように、ピン留めしてください。

#4. ClineをOllamaに接続する

ClineはOllamaに標準で対応しているため、OpenAI互換APIのURLを手作業で設定する必要はありません。Clineパネルを開き、設定アイコンをクリックして、プロバイダーを設定してください。

1. 01
   API Provider → Ollama

   API Provider のドロップダウンリストから「Ollama」を選択してください。
2. 02
   Base URL

   デフォルト値のhttp://localhost:11434を維持してください。他のマシンまたはコンテナ上でOllamaが動作している場合にのみ変更してください。
3. 03
   Model

   qwen3-coder-agent（ステップ2で作成した派生モデル）を選択してください。コンテキストが4kの、変更を加えていない元のモデルは選択しないでください。
4. 04
   コンテキストウィンドウの確認

   Clineには「Context Window」という入力欄があります。Modelfileのnum_ctx（32768）と値を揃えてください。ここにずれがあると、Ollamaに渡される前に、Cline側でプロンプトが切り詰められます。

#5. エージェントモードでの最初の実行

実際のプロジェクトを開き、Clineに具体的で範囲を限定したタスクを与えてください。最初に試すなら、変更するファイルが少ないタスクが適しています。たとえば、テストを追加する、特定済みのバグを修正する、小さなユーティリティ関数を書く、といったタスクです。

Ajoute une fonction `slugify(texte)` dans src/utils/strings.js qui met en minuscules, remplace les accents et les espaces par des tirets. Écris aussi un test unitaire dans le fichier de tests existant à côté.

Clineはフォルダーを読み取り、差分を提案し、編集とコマンドの一つひとつについて承認を求めます。初回は動作を理解するために、一つずつ承認してください。安心して使えるようになったら、設定で一部の操作（ファイルの読み取り、非破壊的なコマンド）の自動承認を有効にできます。

#よくある落とし穴

エージェントがタスクを忘れる

ほぼ必ずコンテキストの問題です。Ollama 側の num_ctx が低すぎるか、Cline 側の「Context Window」が適切に設定されていません。両方の値を合わせ直してください。

差分は適用されません

モデルが小さすぎるか、量子化が強すぎるため、編集フォーマットを守れません。モデルを一段階大きくする（14B → 27B/32B）か、Q3 から Q4_K_M に変更してください。

推論がCPUに切り替わります

モデルとコンテキストに必要なメモリがVRAM容量を超えています。`ollama ps`で確認し、num_ctxを減らすか、より小さいモデルを選んでください。一部がCPUで動作するエージェントは、実用になりません。

ツールの無限ループ

一部のモデルは同じコマンドを繰り返し実行します。まずPlan Modeに切り替え、タスクをより小さなサブタスクに分割してください。

接続が拒否されました

Ollamaが接続を待ち受けていないか、想定したURLで待ち受けていません。`curl http://localhost:11434/api/version` を実行して確認してください。コンテナで動かしている場合はポートを公開し、Clineの接続先を正しいアドレスに設定してください。

#さらに詳しく

これで、何も外部に公開せずにコードを編集する、100％ローカルのClineエージェントが使えるようになりました。次のステップとして自然なのは、モデル選びをさらに詰めることと、Clineにはないインライン自動補完を追加することの2つです。

2026年のコーディングに最適なローカルLLM

Devstral、Qwen3-Coderとその代替モデルを、VRAMとコード品質も含めて比較し、Clineに接続するモデルの選択を絞り込むための比較記事です。

CursorによるContinue.devの買収：Clineへ移行する

Continue.devから移行する場合は、設定のエクスポートと、この同じ構成への移行に特化したガイドをご参照ください。

量子化の選択（Q4、Q5、Q8、FP16）

品質とVRAMのトレードオフを理解し、グラフィックカードに収まる範囲で最大のモデルを使えるようにする。