Open WebUI と Ollama：ガイド complet

#Open WebUIを使う理由

Open WebUI（旧称Ollama WebUI）は、セルフホスト型LLM向けの定番フロントエンドになっています。寛容なライセンスのオープンソースWebアプリケーションで、Ollamaに標準で接続できるほか、OpenAI互換のあらゆるエンドポイントにも接続できます。LM Studio、vLLM、llama.cpp serverに対応し、OpenAIのAPIキーを持っていればOpenAIにも接続できます。

なじみのあるインターフェース

履歴付きのサイドバー、中央のチャット欄、上部のモデル選択欄。ChatGPTを開いたことがある人なら、30秒で使い方が分かります。

組み込みのRAG

PDF、.docx、.md、.txt のいずれかのファイルを会話にドラッグ＆ドロップしてください。Open WebUI がファイルをチャンクに分割し、埋め込みを生成して、コンテキストとして利用します。RAG スタックを手動で構築する必要はありません。

マルチユーザー機能を標準搭載

ローカルアカウント、admin/user/pending ロール、登録の手動承認。チームや家族向けに最適です。

インストール後は100％オフラインで動作します

コンテナ、UI、モデルはお使いのマシン上で動作します。テレメトリーは必須ではありません。設定でOpenAI/HuggingFaceをブロックすれば、外部への呼び出しもありません。

拡張可能

Pythonパイプライン（関数、フィルター、カスタムRAG）、MCPツール、ウェブ検索統合（SearXNG、Tavily）、TTS/STT、ComfyUIまたはAutomatic1111を用いた画像生成。

#前提条件

Ollamaがインストールされ、正常に動作している

デーモンは http://localhost:11434 で接続を待ち受けている必要があります。curl http://localhost:11434/api/tags で確認してください。空のJSON、または使用中のモデルを含むJSONが返ってくるはずです。

Docker Desktop または Docker Engine

Windows/macOS：Docker Desktop。Linux：使用しているディストリビューションのパッケージマネージャー経由でdocker-ceを導入。Compose v2は含まれています。

2 GBのRAMが空いている

Open WebUI自体のメモリ使用量は少なく、200〜400 MBです。RAM/VRAMの大部分は、モデルを読み込むOllamaが使用します。

Ollamaで取得済みのモデル

リストが空の場合は、始める前に ollama pull qwen3.5:4b または ollama pull granite4.2:8b を実行してください。そうしないと、UIで選択できるモデルがありません。

#1. Dockerを使って1コマンドでインストール

公式イメージは GitHub Container Registry に公開されています。Open WebUI を起動し、ローカルの Ollama に自動的に接続するには、単一のコマンドで十分です。

docker run -d \
  -p 3000:8080 \
  --add-host=host.docker.internal:host-gateway \
  -v open-webui:/app/backend/data \
  --name open-webui \
  --restart always \
  ghcr.io/open-webui/open-webui:main

docker run -d `
  -p 3000:8080 `
  --add-host=host.docker.internal:host-gateway `
  -v open-webui:/app/backend/data `
  --name open-webui `
  --restart always `
  ghcr.io/open-webui/open-webui:main

各フラグの意味を詳しく見ていきましょう。それぞれに明確な役割があります。

-p 3000:8080

Open WebUIはコンテナ内のポート8080で接続を待ち受けます。これをお使いのマシンのポート3000で公開します。http://localhost:3000 からアクセスできます。

--add-host=host.docker.internal:host-gateway

Linuxでは必須です。コンテナから、Dockerの外で動作するOllamaにホスト名host.docker.internalを使って接続できるようにします。Windows/macOSでは、Docker Desktopがこの設定をすでに行っています。

-v open-webui:/app/backend/data

会話履歴、ユーザーアカウント、インデックス化されたドキュメントを永続保存する名前付きボリュームです。これがないと、コンテナの再起動時にすべて消えてしまいます。

--restart always

コンテナはマシンの起動時に自動的に再起動します。Open WebUI は永続サービスになります。

ghcr.io/open-webui/open-webui:main

タグmain = 最新の安定版。バージョンを固定するには、:v0.5.0（またはその時点のリリース）を使用してください。本番環境ではmainに依存しないでください。

#2. 初回接続と管理者アカウント

コンテナが起動したら、ブラウザーで以下のURLを開いてください。

http://localhost:3000

1. 01
   管理者アカウントの作成

   初回起動時にOpen WebUIはアカウントの作成を求めます。最初に登録されたユーザーは自動的に管理者権限を取得します。メールアドレス、パスワードはすべてローカルに保存され、Dockerボリューム内に残ります。
2. 02
   利用可能なモデルを確認

   画面上部の選択メニューに、お使いのOllamaモデルが表示されるはずです。リストが空の場合は、Ollamaへの接続に失敗しています（下記のセクション3を参照してください）。
3. 03
   テスト会話の開始

   モデルを選択し、メッセージを入力してください。応答がストリーミングで届けば、すべて接続できています。そうでない場合は、Settings > Admin Panel > Connections を開いて原因を調べてください。

#3. Open WebUI を Ollama に接続する

95％の場合、host.docker.internalによって自動的に接続されます。自動で接続されない場合は、以下の方法で手動で接続を確立できます。

Settings（左下のアイコン）> Admin Panel > Connections > Ollama APIの順に進んでください。次のURLを入力してください：

http://host.docker.internal:11434

テストボタン（入力欄の横にある更新アイコン）をクリックしてください。緑色のインジケーターが点灯すれば、接続できていることを確認できます。モデル一覧はすぐに再読み込みされます。

CLIで、コンテナの外部からOllamaに接続できることを確認するには：

# Depuis l'hôte
curl http://localhost:11434/api/tags

# Depuis le conteneur Open WebUI (Linux)
docker exec -it open-webui curl http://host.docker.internal:11434/api/tags

#4. 2分で自分のドキュメントにRAGを適用

おそらく、この機能だけでもインストールする価値があります。Open WebUIには、テキスト抽出（PDF、DOCX、MD、TXT、HTML、ソースコード）、チャンク分割、埋め込み、ベクトル検索、コンテキストへの挿入までを備えた完全なRAGパイプラインが内蔵されています。

#方法1：その場でファイルを添付する

会話画面でクリップのアイコンをクリックしてください（または#を入力して、インデックス登録済みのドキュメントを一覧から探してください）。ファイルを選ぶと、数秒で取り込み、チャンク分割、埋め込み処理が行われます。これで、モデルはその内容に関する質問に答えられるようになります。

#方法2：Knowledge（永続的なナレッジベース）

社内ドキュメント、ナレッジベース、プロジェクトのアーカイブなど、継続的に使う場合はKnowledgeを作成してください。Workspace > Knowledge > Create Knowledgeを開きます。名前を付け（例：「製品ドキュメント」）、文書をまとめてアップロードし、Workspace > Modelsでカスタムモデルに関連付けてください。

デフォルトのチャンク分割

1000文字で、重複部分は100文字です。Settings > Documentsで調整できます。情報密度の高い技術文書では500/50に下げてください。物語文では1500/200のままにしてください。

Top K

モデルに渡すチャンクの数です。デフォルトは4です。複数の内容にまたがる質問では6〜8に増やし、モデルの回答が散漫になる場合は2〜3に下げてください。

ハイブリッド検索

同じページで有効にできます。BM25による語彙検索とベクトル類似度を組み合わせます。技術用語の正確な表記（製品の型番、固有名詞、コード）を含むクエリには不可欠です。

#5. 多ユーザー対応と認証

Open WebUI は三つのロールを管理します：admin（すべて）、user（チャット + 自身のナレッジ）、pending（アカウント作成済みだが承認待ち）。このシステムは、admin がインスタンスへの参加者を制御するように設計されています。

1. 01
   承認制のユーザー登録を有効にする

   Admin Panel > Settings > Generalで、Default User Roleを「pending」に設定してください。新規登録はすべて、Admin Panel > Usersで手動で承認する必要があります。
2. 02
   ユーザーの作成

   同僚がhttp://votre-ip:3000にアクセスし、アカウントを作成します。あなたはAdmin Panel > Usersで申請を確認し、ワンクリックで承認します。その後、同僚はログインできるようになります。
3. 03
   ユーザーごとにモデルを制限

   Workspace > Models > モデルを選択 > Visibility。モデルを公開または非公開にしたり、特定のユーザーだけがアクセスできるようにしたりできます（機密性の高いファインチューニング済みモデルに便利です）。
4. 04
   インスタンスを外部に公開する場合はHTTPSを必須にする

   Open WebUI自体はTLSを処理しません。コンテナの前段にCaddy、Traefik、またはnginxを配置してください。HTTPSなしでLANの外部に公開しないでください。パスワードが平文で送信されるためです。

#Open WebUI vs Msty vs LobeChat

2026年には、成熟した3つのインターフェースが市場を分け合っています。利用者のタイプに応じた選び方を紹介します。

Open WebUI

最も包括的で拡張性が高い。RAG、Pythonパイプライン、マルチユーザー、MCP、Web検索に対応。Dockerが必要です。チーム全体で一つのインターフェースを使いたい場合に最適です。

Msty

ネイティブのデスクトップアプリ（Windows/Mac/Linux）で、Docker は不要、1 クリックでインストールできます。個人で使う場合の操作体験は優れています。RAG も内蔵されています。拡張性は Open WebUI より低めです。すぐに試したい開発者や、興味のある人に最適です。

LobeChat

見た目がChatGPTに似たインターフェースを目指した設計です。デザインが美しく、プラグインやエージェントのマーケットプレイスもあります。複数プロバイダーへの対応は非常によくできています。RAG機能はそれほど充実していません。ローカルのOllamaと複数のAPI（OpenAI、Anthropic、Mistralのクラウド）を使い分ける場合に最適です。

結論を手短に

個人利用＋自分のマシン：Msty。チーム利用＋専用サーバー：Open WebUI。複数のプロバイダーに対応した美しいフロントエンドを求める上級ユーザー：LobeChat。

#トラブルシューティング

モデルリストが空です

Open WebUI は Ollama と接続していません。確認してください：(1) ollama list がモデルを正しく表示していること、(2) curl http://localhost:11434/api/tags が応答すること、(3) Linuxでは OLLAMA_HOST=0.0.0.0:11434 が正しく設定されていること。Admin Panel > Connections でURLをテストしてください。

エラー502 Bad Gateway

コンテナが正常に起動していません。docker logs open-webuiで原因を確認できます。よくある原因は、ボリュームが読み取り専用でマウントされていること、ポート3000がすでに使用されていること、以前のインスタンスとの競合です（docker rm -f open-webuiで削除してから、再度起動してください）。

生成速度（トークン/秒）が低い

ボトルネックはOpen WebUIではなくOllamaにあります。ollama psには100 % GPUと表示される必要があります。CPUまたは一部のみGPUでの実行になっている場合、モデルがVRAMに収まっていません。より容量の小さい量子化に切り替えてください（Q5_K_MではなくQ4_K_M）。

インデックスされていないドキュメント

最初のアップロード時には埋め込みモデル（1〜2 GB）がダウンロードされるため、時間がかかる場合があります。docker logs open-webuiでログを確認してください。また、ファイルが最大サイズを超えていないかも確認してください（Settings > Documents > Max Upload File Sizeで調整できます）。

更新

docker pull ghcr.io/open-webui/open-webui:main puis docker stop open-webui && docker rm open-webui et relancez la commande run d'origine. Le volume open-webui:/app/backend/data préserve vos données.

バックアップ

docker run --rm -v open-webui:/data -v $(pwd):/backup alpine tar czf /backup/openwebui-backup.tar.gz -C /data . crée une archive de tout votre historique, comptes, knowledges. À faire avant chaque update majeure.

#さらに詳しく

Open WebUI をインストールして Ollama に接続すれば、本格的なローカル AI ワークステーションが整います。次のステップとして、以下のような活用が考えられます。

RAGの改善

Open WebUIの組み込みRAGは十分に優秀ですが、大規模な文書群やより高度な検索には、当サイトのRAG ChromaDBガイドが役立ちます。このガイドでは、性能が高く、より細かく調整できる専用パイプラインの構築方法を紹介しています。

適切な量子化の選択

デフォルトは Q4_K_M ですが、VRAM によって選ぶべきバランスは異なります。Q4/Q5/Q8 の量子化ガイドでは、おおよその規模を詳しく説明しています。これは、14B モデルを動かせるか、7B モデルにとどまるかを左右することがよくあります。

他のフロントエンドと比較

Open WebUI、LibreChat、AnythingLLM、SillyTavernのどれを選ぶかまだ迷っている場合は、チャットフロントエンドの比較ガイドで、それぞれの強みを1ページにまとめて紹介しています。