vLLM

vLLM est traité comme un backend /v1 compatible OpenAI de type proxy, et non comme un point de terminaison OpenAI natif. Cela signifie :

Pour les modèles Qwen servis via vLLM, définissez compat.thinkingFormat: "qwen-chat-template" sur la ligne de modèle du fournisseur configuré lorsque le serveur attend des kwargs de gabarit de chat Qwen. Les modèles configurés de cette façon exposent un profil /think binaire (off, on), car la pensée du gabarit Qwen est un indicateur de requête activé/désactivé, et non une échelle d’effort de style OpenAI.

{  models: {    providers: {      vllm: {        models: [          {            id: "Qwen/Qwen3-8B",            name: "Qwen3 8B",            reasoning: true,            compat: { thinkingFormat: "qwen-chat-template" },          },        ],      },    },  },}

OpenClaw associe /think off à :

{  "chat_template_kwargs": {    "enable_thinking": false,    "preserve_thinking": true  }}

Les niveaux de pensée autres que off envoient enable_thinking: true. Si votre point de terminaison attend plutôt des indicateurs de premier niveau de style DashScope, utilisez compat.thinkingFormat: "qwen" pour envoyer enable_thinking à la racine de la requête.

vLLM/Nemotron 3 peut utiliser des kwargs de gabarit de chat pour contrôler si le raisonnement est renvoyé comme raisonnement masqué ou comme texte de réponse visible. Lorsqu’une session OpenClaw utilise vllm/nemotron-3-* avec la pensée désactivée, le Plugin vLLM groupé envoie :

{  "chat_template_kwargs": {    "enable_thinking": false,    "force_nonempty_content": true  }}

Pour personnaliser ces valeurs, définissez chat_template_kwargs sous les paramètres du modèle. Si vous définissez aussi params.extra_body.chat_template_kwargs, cette valeur a la priorité finale, car extra_body est la dernière surcharge du corps de requête.

{  agents: {    defaults: {      models: {        "vllm/nemotron-3-super": {          params: {            chat_template_kwargs: {              enable_thinking: false,              force_nonempty_content: true,            },          },        },      },    },  },}

Assurez-vous d’abord que vLLM a été démarré avec le bon analyseur d’appels d’outils et le bon gabarit de chat pour le modèle. Par exemple, vLLM documente hermes pour les modèles Qwen2.5 et qwen3_xml pour les modèles Qwen3-Coder.

Symptômes :

• les skills ou outils ne s’exécutent jamais
• l’assistant affiche du JSON/XML brut comme {"name":"read","arguments":...}
• vLLM renvoie un tableau tool_calls vide quand OpenClaw envoie tool_choice: "auto"

Certaines combinaisons Qwen/vLLM ne renvoient des appels d’outils structurés que lorsque la requête utilise tool_choice: "required". Pour ces entrées de modèle, forcez le champ de requête compatible OpenAI avec params.extra_body :

{  agents: {    defaults: {      models: {        "vllm/Qwen-Qwen2.5-Coder-32B-Instruct": {          params: {            extra_body: {              tool_choice: "required",            },          },        },      },    },  },}

Remplacez Qwen-Qwen2.5-Coder-32B-Instruct par l’id exact renvoyé par :

openclaw models list --provider vllm

Vous pouvez appliquer la même surcharge depuis la CLI :

openclaw config set agents.defaults.models '{"vllm/Qwen-Qwen2.5-Coder-32B-Instruct":{"params":{"extra_body":{"tool_choice":"required"}}}}' --strict-json --merge

Il s’agit d’un contournement de compatibilité à activer explicitement. Il fait que chaque tour de modèle avec des outils exige un appel d’outil ; utilisez-le donc uniquement pour une entrée de modèle local dédiée où ce comportement est acceptable. Ne l’utilisez pas comme valeur par défaut globale pour tous les modèles vLLM, et n’utilisez pas de proxy qui convertit aveuglément du texte d’assistant arbitraire en appels d’outils exécutables.

Si votre serveur vLLM s’exécute sur un hôte ou un port non par défaut, définissez baseUrl dans la configuration explicite du fournisseur :

{  models: {    providers: {      vllm: {        baseUrl: "http://192.168.1.50:9000/v1",        apiKey: "${VLLM_API_KEY}",        api: "openai-completions",        timeoutSeconds: 300,        models: [          {            id: "my-custom-model",            name: "Remote vLLM Model",            reasoning: false,            input: ["text"],            contextWindow: 64000,            maxTokens: 4096,          },        ],      },    },  },}

Pour les grands modèles locaux, les hôtes LAN distants ou les liens tailnet, définissez un délai d’attente de requête limité au fournisseur :

{  models: {    providers: {      vllm: {        baseUrl: "http://192.168.1.50:8000/v1",        apiKey: "${VLLM_API_KEY}",        api: "openai-completions",        timeoutSeconds: 300,        models: [{ id: "your-model-id", name: "Local vLLM Model" }],      },    },  },}

timeoutSeconds s’applique uniquement aux requêtes HTTP de modèle vLLM, y compris l’établissement de la connexion, les en-têtes de réponse, le streaming du corps et l’abandon total du guarded-fetch. Préférez ceci avant d’augmenter agents.defaults.timeoutSeconds, qui contrôle l’exécution complète de l’agent.

Vérifiez que le serveur vLLM est en cours d’exécution et accessible :

curl http://127.0.0.1:8000/v1/models

Si vous voyez une erreur de connexion, vérifiez l’hôte, le port, et que vLLM a démarré avec le mode serveur compatible OpenAI. Pour les points de terminaison explicites en loopback, LAN ou Tailscale, OpenClaw fait confiance à l’origine exacte models.providers.vllm.baseUrl configurée pour les requêtes de modèle protégées. Les origines metadata/link-local restent bloquées sans activation explicite. Définissez models.providers.vllm.request.allowPrivateNetwork: true uniquement lorsque les requêtes vLLM doivent atteindre une autre origine privée, et définissez-le sur false pour refuser la confiance dans l’origine exacte.

Si les requêtes échouent avec des erreurs d’authentification, définissez une vraie VLLM_API_KEY qui correspond à la configuration de votre serveur, ou configurez explicitement le fournisseur sous models.providers.vllm.

La découverte automatique exige que VLLM_API_KEY soit défini. Si vous avez défini models.providers.vllm, OpenClaw utilise uniquement vos modèles déclarés sauf si agents.defaults.models inclut "vllm/*": {}.

Si un modèle Qwen affiche une syntaxe d’outil JSON/XML au lieu d’exécuter un skill, consultez les conseils Qwen dans la configuration avancée ci-dessus. La correction habituelle consiste à :

• démarrer vLLM avec l’analyseur/le gabarit correct pour ce modèle
• confirmer l’id exact du modèle avec openclaw models list --provider vllm
• ajouter une surcharge dédiée par modèle params.extra_body.tool_choice: "required" uniquement si tool_choice: "auto" renvoie encore des appels d’outils vides ou uniquement textuels