Tabby：ローカルにコード補完をインストール セルフホスト型

#ClineではなくTabbyを選ぶ理由

TabbyとClineは競合ではなく、補完関係です。Cline（およびAider）は会話型チャットやマルチファイルアジェントモードで優れていますが、入力中の各行の自動補完は実装されていません。一方、Tabbyはその機能を専門に実現しており、非常に優れたパフォーマンスを発揮します。2026年の勝利コンボ：Clineで会話とリファクタリング、Tabbyで入力中のグレイサジェストを提供。

インライン表示のグレーのテキスト

カーソルのすぐ後ろに、候補が灰色の文字で表示されます。Tabキーで採用し、Escキーで無視します。操作感はCopilotとまったく同じです。

100％セルフホスト

サーバーはお客様の環境（Docker）で動作します。第三者にコードの一部が送信されません——NDAや規制業界のコードに最適です。

Multi-utilisateurs

純粋にローカルな拡張機能とは異なり、Tabbyはサーバーです。1つのGPUでネットワークを介してチーム全体にサービスを提供できます。

テレメトリは無効化可能

Tabbyはデフォルトで匿名の統計情報を送信しますが、環境変数を設定することですべてを停止できます。入力したソースコードは一切送信されません。

#前提条件

Docker

Tabby はコンテナで展開されます。Windows/macOS では Docker Desktop、Linux では Docker Engine が使用できます。

NVIDIA GPU（推奨）

CUDAへのアクセスにはNVIDIA Container Toolkitを使います。TabbyはCPUでも動作しますが、インライン補完の待ち時間が長くなり、快適に使えなくなります。

~6 GBのVRAM

量子化された1B～3Bの補完モデルには十分です。VRAMが多ければ、より大きなモデルを使うか、より多くの開発者が同時に利用できます。

エディタ

VS Code または JetBrains の IDE（IntelliJ、PyCharm、WebStorm など）です。Tabby の拡張機能は両方に対応しています。

#どの補完モデルを選ぶか

インライン補完にはチャットが持たない制約があります。すなわち遅延です。提案が数百ミリ秒以内に表示されなければ、ユーザーはそれより速く入力してしまうため、遅延を最小限に抑えるために、FIM（Fill-In-the-Middle）方式のコンパクトなモデルを採用します。-baseバージョンを用い、チャット用の大きなインストラクションモデルは使用しません。

#1. DockerでTabbyを起動

TabbyサーバーをGPUにアクセスできるようにし、データを保持する永続的なボリュームと、選択された補完モデルで起動します。ポート8080はWebインターフェースおよびAPIを公開します。

docker run -d \
  --name tabby \
  --gpus all \
  -p 8080:8080 \
  -v $HOME/.tabby:/data \
  registry.tabbyml.com/tabbyml/tabby \
  serve --model StarCoder2-3B --device cuda

1. 01
   起動の確認

   最初の起動時にTabbyはモデルをダウンロードします（数分程度）。docker logs -f tabby でログを確認し、サーバーが8080ポートでリスニングしていることを示すメッセージが出るまで待機してください。
2. 02
   ウェブインターフェースを開く

   http://localhost:8080 にアクセスしてください。初回アクセス時に、管理者アカウント（メールアドレスとパスワード）の作成を求められます。これはローカル環境で動作するため、これらの認証情報は手元のボリューム ~/.tabby 内に保存されます。
3. 03
   コード補完をテストする

   インターフェースの「Playground」タブでは、エディタを接続する前でもモデルが応答することを確認できます。

#2. アクセストークンを作成する

エディタはトークンを使ってTabbyサーバーで認証を行います。これにより、チームで誰が接続しているかを把握し、システム全体に支障をきたすことなく個別のアクセス権を取り消せます。

1. 01
   設定に移動

   Webインターフェース（http://localhost:8080）で、アカウント／セキュリティのセクションを開いてください。現在のユーザーのトークンが表示されます。
2. 02
   トークンをコピー

   文字列（多くの場合、auth_で始まります）を取得してください。VS CodeとJetBrainsの拡張機能で入力を求められるのは、この文字列です。
3. 03
   必要に応じて再生成

   漏洩が起きた場合や、共同作業者が離任した場合は、インターフェースからトークンを再生成してください。古いトークンは直ちに無効になります。

Endpoint : http://localhost:8080
Token    : auth_xxxxxxxxxxxxxxxxxxxxxxxx

#3. VS Codeを接続する

1. 01
   拡張機能をインストール

   Extensions（Ctrl+Shift+X）→「Tabby」（公開元：TabbyML）を検索する → Install。
2. 02
   エンドポイントを入力する

   最初の起動時に、拡張機能はサーバーのURLを要求します。http://localhost:8080（またはネットワーク上の共有サーバーのIPアドレス）を入力してください。
3. 03
   トークンを貼り付ける

   前のステップでコピーしたアクセストークンを入力してください。ステータスバーのTabbyアイコンが緑色（接続済み）になるはずです。
4. 04
   Coder

   コードを入力してください。カーソルの後にグレーの補完候補が表示されます。採用するにはTabキーを押し、無視するにはそのまま入力を続けてください。

#4. JetBrains を接続する

同じ設定は、IntelliJ IDEA、PyCharm、WebStorm、GoLand、Riderなど、JetBrainsの全製品で使えます。Tabby拡張機能は、このプラットフォームに対応する一つの共通プラグインです。

1. 01
   プラグインのインストール

   Settings → Plugins → Marketplace → 「Tabby」を検索 → Install、その後IDEを再起動する。
2. 02
   接続の設定

   Settings → Tools → Tabby：エンドポイント（http://localhost:8080）とアクセストークンを入力してください。
3. 03
   確認する

   ステータスバーのTabbyインジケーターで接続を確認できます。インラインの候補はVS Codeと同じように表示されます。

#5. Tabby の接続先を自分の Ollama に設定する

すでにClineやAiderのためにOllamaを動作させている場合は、第2の推論エンジンをロードする必要はありません。TabbyはOpenAI互換プロトコルを通じてOllamaバックエンドを利用できます。これにより、補完とチャットのために単一のモデルサーバーを共有できます。

# Tirez un modèle de complétion FIM dans Ollama
ollama pull qwen2.5-coder:1.5b-base
# ou
ollama pull starcoder2:3b

Tabby側では、ローカルモデルの代わりにHTTPバックエンドを指定します。設定はデータボリューム内のconfig.tomlファイル（~/.tabby/config.toml）で行い、補完エンジンの接続先をOllama APIに設定します。

[model.completion.http]
kind = "ollama/completion"
model_name = "qwen2.5-coder:1.5b-base"
api_endpoint = "http://localhost:11434"
prompt_template = "<|fim_prefix|>{prefix}<|fim_suffix|>{suffix}<|fim_middle|>"

#6.複数の開発者間でGPUを共有

純粋にローカルで動作する拡張機能と比べたTabbyの決定的な利点は、1台のサーバーと1基のGPUを複数の開発者で利用できることです。GPUを搭載したマシン（専用の端末やチーム用サーバー）にTabbyをインストールし、各開発者がエディタの接続先をそのネットワークアドレスに設定します。

ネットワーク上に公開

開発者の端末からポート 8080 にアクセスできる必要があります。内部ネットワークでは、サーバーのローカル IP アドレスで十分です（http://192.168.x.x:8080）。

開発者1人あたり1トークン

インターフェースで開発者ごとにアカウント/トークンを作成してください。追跡可能性を維持し、アクセスを個別に無効にできます。

必要なGPUの性能・容量を見積もる

小型のコード補完モデル（1.5B〜3B）なら、処理能力の限界に達することなく、複数の開発者が同時に利用できます。補完は短いため、リクエストの処理が重なることはまれです。

リバースプロキシ + HTTPS

LAN外からのアクセスが必要な場合、TabbyをCaddyまたはNginxによるリバースプロキシの後ろに配置し、TLSを用いてください。インターネット上では絶対に8080ポートを直接公開しないでください。

#パフォーマンス設定とトラブルシューティング

遅延が大きすぎる

モデルを一段小さいものに変更し（3B → 1.5B）、--device cudaが有効でCPUへのフォールバックになっていないことを確認して、補完候補の最大長を制限してください。

提案なし

拡張機能の状態アイコン（トークンとエンドポイントが正しいか）と、コンテナが稼働しているか（docker ps）を確認してください。Web Playgroundを使うと、問題がサーバー側にあるのか、エディタ側にあるのかを切り分けられます。

的外れな提案

ほぼ常に、FIM 用の prompt_template が間違っているか、-base ではなく instruct 版を使っていることが原因です。ベースモデルに戻し、正しい FIM テンプレートを使ってください。

リポジトリのインデックス化（RAG）

Tabbyは、コードをインデックス化してより文脈に基づいた提案を提供できます。GPUの余裕がある場合はインターフェースで有効にし、遅延が問題になる場合は無効にします。

GPUメモリがいっぱい

複数のモデルを併用する場合（Tabbyと、Ollama経由のCline）は、KVキャッシュを量子化し、nvidia-smiでVRAMを監視してください。

# Le conteneur tourne-t-il ?
docker ps | grep tabby
# Logs en direct
docker logs -f tabby
# Le GPU est-il bien vu ?
docker exec tabby nvidia-smi

#よくある質問

#結論

これで、100％セルフホストのコード自動補完サーバーが整いました。GPUを使ってDockerで動くTabby、Fill-In-the-Middle方式のStarCoderまたはQwen-Coderモデル、アクセストークン、そしてVS CodeでもJetBrainsでも使えるCopilot風の薄いグレーの補完候補表示がそろっています。さらに、1台のGPUでチーム全体にサービスを提供できます。チャットとエージェントにはClineを組み合わせれば、必要な環境がすべてそろい、コードが自分のインフラストラクチャの外に出ることはありません。設定に何時間もかけたくない場合（FIMテンプレート、Ollamaの設定、役割別のモデルなど）、有料ガイド「Copilote de code local」には、すぐに使えるOllama + Cline + Aiderのパッケージが用意されています。インライン自動補完用にTabbyを追加できる構成です。