--- read_when: - 로컬 vLLM 서버에서 OpenClaw를 실행하려는 경우 - 자체 모델로 OpenAI 호환 /v1 엔드포인트를 사용하려는 경우 summary: vLLM으로 OpenClaw 실행하기(OpenAI 호환 로컬 서버) title: vLLM x-i18n: generated_at: "2026-06-27T18:04:58Z" model: gpt-5.5 postprocess_version: locale-links-v1 provider: openai source_hash: a3a5da5ce359bf62c44cddd0c97d2852d98c996ad6d44552a68d4aeb4d1d2893 source_path: providers/vllm.md workflow: 16 --- vLLM은 **OpenAI 호환** HTTP API를 통해 오픈 소스 및 일부 사용자 지정 모델을 제공할 수 있습니다. OpenClaw는 `openai-completions` API를 사용해 vLLM에 연결합니다. 또한 `VLLM_API_KEY`로 옵트인하면 OpenClaw가 vLLM에서 사용 가능한 모델을 **자동 검색**할 수 있습니다(서버가 인증을 강제하지 않는 경우 어떤 값이든 작동합니다). 사용자 지정 vLLM 기본 URL도 구성하는 경우 `agents.defaults.models`에서 `vllm/*`를 사용하여 검색을 동적으로 유지하세요. OpenClaw는 `vllm`을 스트리밍 사용량 집계를 지원하는 로컬 OpenAI 호환 제공자로 취급하므로, 상태/컨텍스트 토큰 수가 `stream_options.include_usage` 응답에서 업데이트될 수 있습니다. | 속성 | 값 | | ---------------- | ---------------------------------------- | | 제공자 ID | `vllm` | | API | `openai-completions` (OpenAI 호환) | | 인증 | `VLLM_API_KEY` 환경 변수 | | 기본 기준 URL | `http://127.0.0.1:8000/v1` | ## 시작하기 기준 URL은 `/v1` 엔드포인트(예: `/v1/models`, `/v1/chat/completions`)를 노출해야 합니다. vLLM은 일반적으로 다음에서 실행됩니다. ``` http://127.0.0.1:8000/v1 ``` 서버가 인증을 강제하지 않는 경우 어떤 값이든 작동합니다. ```bash export VLLM_API_KEY="vllm-local" ``` vLLM 모델 ID 중 하나로 바꾸세요. ```json5 { agents: { defaults: { model: { primary: "vllm/your-model-id" }, }, }, } ``` ```bash openclaw models list --provider vllm ``` ## 모델 검색(암시적 제공자) `VLLM_API_KEY`가 설정되어 있거나 인증 프로필이 존재하고, `models.providers.vllm`을 정의하지 **않은** 경우 OpenClaw는 다음을 쿼리합니다. ``` GET http://127.0.0.1:8000/v1/models ``` 그리고 반환된 ID를 모델 항목으로 변환합니다. `models.providers.vllm`을 명시적으로 설정하면 OpenClaw는 기본적으로 선언된 모델을 사용합니다. OpenClaw가 구성된 제공자의 `/models` 엔드포인트를 쿼리하고 광고된 모든 vLLM 모델을 포함하도록 하려면 `agents.defaults.models`에 `"vllm/*": {}`를 추가하세요. ## 명시적 구성(수동 모델) 다음과 같은 경우 명시적 구성을 사용하세요. - vLLM이 다른 호스트 또는 포트에서 실행되는 경우 - `contextWindow` 또는 `maxTokens` 값을 고정하려는 경우 - 서버에 실제 API 키가 필요한 경우(또는 헤더를 제어하려는 경우) - 신뢰할 수 있는 loopback, LAN 또는 Tailscale vLLM 엔드포인트에 연결하는 경우 ```json5 { models: { providers: { vllm: { baseUrl: "http://127.0.0.1:8000/v1", apiKey: "${VLLM_API_KEY}", api: "openai-completions", timeoutSeconds: 300, // Optional: extend connect/header/body/request timeout for slow local models models: [ { id: "your-model-id", name: "Local vLLM Model", reasoning: false, input: ["text"], cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 }, contextWindow: 128000, maxTokens: 8192, }, ], }, }, }, } ``` 모든 모델을 수동으로 나열하지 않고 이 제공자를 동적으로 유지하려면 표시되는 모델 카탈로그에 제공자 와일드카드를 추가하세요. ```json5 { agents: { defaults: { models: { "vllm/*": {}, }, }, }, } ``` ## 고급 구성 vLLM은 기본 OpenAI 엔드포인트가 아니라 프록시 스타일의 OpenAI 호환 `/v1` 백엔드로 취급됩니다. 이는 다음을 의미합니다. | 동작 | 적용 여부 | |----------|----------| | 기본 OpenAI 요청 형태 조정 | 아니요 | | `service_tier` | 전송되지 않음 | | Responses `store` | 전송되지 않음 | | 프롬프트 캐시 힌트 | 전송되지 않음 | | OpenAI 추론 호환 페이로드 형태 조정 | 적용되지 않음 | | 숨겨진 OpenClaw 귀속 헤더 | 사용자 지정 기준 URL에 주입되지 않음 | vLLM을 통해 제공되는 Qwen 모델의 경우 서버가 Qwen 채팅 템플릿 kwargs를 예상할 때 구성된 제공자 모델 행에 `compat.thinkingFormat: "qwen-chat-template"`을 설정하세요. 이렇게 구성된 모델은 Qwen 템플릿 thinking이 OpenAI 스타일 노력 단계가 아니라 켜기/끄기 요청 플래그이기 때문에 바이너리 `/think` 프로필(`off`, `on`)을 노출합니다. ```json5 { models: { providers: { vllm: { models: [ { id: "Qwen/Qwen3-8B", name: "Qwen3 8B", reasoning: true, compat: { thinkingFormat: "qwen-chat-template" }, }, ], }, }, }, } ``` OpenClaw는 `/think off`를 다음으로 매핑합니다. ```json { "chat_template_kwargs": { "enable_thinking": false, "preserve_thinking": true } } ``` `off`가 아닌 thinking 수준은 `enable_thinking: true`를 전송합니다. 엔드포인트가 대신 DashScope 스타일의 최상위 플래그를 예상하는 경우 `compat.thinkingFormat: "qwen"`을 사용해 요청 루트에 `enable_thinking`을 전송하세요. vLLM/Nemotron 3는 추론이 숨겨진 추론으로 반환될지 표시되는 답변 텍스트로 반환될지 제어하기 위해 채팅 템플릿 kwargs를 사용할 수 있습니다. OpenClaw 세션이 thinking off 상태로 `vllm/nemotron-3-*`를 사용할 때, 번들 vLLM Plugin은 다음을 전송합니다. ```json { "chat_template_kwargs": { "enable_thinking": false, "force_nonempty_content": true } } ``` 이 값을 사용자 지정하려면 모델 params 아래에 `chat_template_kwargs`를 설정하세요. `params.extra_body.chat_template_kwargs`도 설정한 경우, `extra_body`가 마지막 요청 본문 override이므로 해당 값이 최종 우선순위를 갖습니다. ```json5 { agents: { defaults: { models: { "vllm/nemotron-3-super": { params: { chat_template_kwargs: { enable_thinking: false, force_nonempty_content: true, }, }, }, }, }, }, } ``` 먼저 vLLM이 해당 모델에 맞는 올바른 도구 호출 파서와 채팅 템플릿으로 시작되었는지 확인하세요. 예를 들어 vLLM은 Qwen2.5 모델에는 `hermes`, Qwen3-Coder 모델에는 `qwen3_xml`을 문서화합니다. 증상: - Skills 또는 도구가 실행되지 않음 - 어시스턴트가 `{"name":"read","arguments":...}` 같은 원시 JSON/XML을 출력함 - OpenClaw가 `tool_choice: "auto"`를 전송할 때 vLLM이 빈 `tool_calls` 배열을 반환함 일부 Qwen/vLLM 조합은 요청이 `tool_choice: "required"`를 사용할 때만 구조화된 도구 호출을 반환합니다. 해당 모델 항목의 경우 `params.extra_body`로 OpenAI 호환 요청 필드를 강제하세요. ```json5 { agents: { defaults: { models: { "vllm/Qwen-Qwen2.5-Coder-32B-Instruct": { params: { extra_body: { tool_choice: "required", }, }, }, }, }, }, } ``` `Qwen-Qwen2.5-Coder-32B-Instruct`를 다음에서 반환되는 정확한 ID로 바꾸세요. ```bash openclaw models list --provider vllm ``` CLI에서도 동일한 override를 적용할 수 있습니다. ```bash openclaw config set agents.defaults.models '{"vllm/Qwen-Qwen2.5-Coder-32B-Instruct":{"params":{"extra_body":{"tool_choice":"required"}}}}' --strict-json --merge ``` 이는 옵트인 호환성 우회 방법입니다. 도구가 포함된 모든 모델 턴에서 도구 호출이 필요해지므로, 이 동작이 허용되는 전용 로컬 모델 항목에만 사용하세요. 모든 vLLM 모델에 대한 전역 기본값으로 사용하지 말고, 임의의 어시스턴트 텍스트를 실행 가능한 도구 호출로 무분별하게 변환하는 프록시를 사용하지 마세요. vLLM 서버가 기본값이 아닌 호스트 또는 포트에서 실행되는 경우 명시적 제공자 구성에서 `baseUrl`을 설정하세요. ```json5 { 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, }, ], }, }, }, } ``` ## 문제 해결 큰 로컬 모델, 원격 LAN 호스트 또는 tailnet 링크의 경우 제공자 범위 요청 시간 초과를 설정하세요. ```json5 { 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`는 연결 설정, 응답 헤더, 본문 스트리밍, 전체 guarded-fetch 중단을 포함하여 vLLM 모델 HTTP 요청에만 적용됩니다. 전체 에이전트 실행을 제어하는 `agents.defaults.timeoutSeconds`를 늘리기 전에 이를 우선 사용하세요. vLLM 서버가 실행 중이고 접근 가능한지 확인하세요. ```bash curl http://127.0.0.1:8000/v1/models ``` 연결 오류가 표시되면 호스트, 포트, 그리고 vLLM이 OpenAI 호환 서버 모드로 시작되었는지 확인하세요. 명시적 loopback, LAN 또는 Tailscale 엔드포인트의 경우 OpenClaw는 보호된 모델 요청에 대해 정확히 구성된 `models.providers.vllm.baseUrl` 원본을 신뢰합니다. 메타데이터/link-local 원본은 명시적 옵트인 없이는 계속 차단됩니다. vLLM 요청이 다른 비공개 원본에 도달해야 하는 경우에만 `models.providers.vllm.request.allowPrivateNetwork: true`를 설정하고, 정확한 원본 신뢰를 옵트아웃하려면 이를 `false`로 설정하세요. 요청이 인증 오류로 실패하면 서버 구성과 일치하는 실제 `VLLM_API_KEY`를 설정하거나 `models.providers.vllm` 아래에서 제공자를 명시적으로 구성하세요. vLLM 서버가 인증을 강제하지 않는 경우 비어 있지 않은 어떤 `VLLM_API_KEY` 값이든 OpenClaw의 옵트인 신호로 작동합니다. 자동 검색에는 `VLLM_API_KEY` 설정이 필요합니다. `models.providers.vllm`을 정의한 경우, `agents.defaults.models`에 `"vllm/*": {}`가 포함되어 있지 않으면 OpenClaw는 선언된 모델만 사용합니다. Qwen 모델이 skill을 실행하는 대신 JSON/XML 도구 구문을 출력하는 경우 위의 고급 구성에서 Qwen 지침을 확인하세요. 일반적인 해결 방법은 다음과 같습니다. - 해당 모델에 맞는 올바른 파서/템플릿으로 vLLM 시작 - `openclaw models list --provider vllm`으로 정확한 모델 ID 확인 - `tool_choice: "auto"`가 여전히 비어 있거나 텍스트 전용 도구 호출을 반환하는 경우에만 전용 모델별 `params.extra_body.tool_choice: "required"` override 추가 추가 도움말: [문제 해결](/ko/help/troubleshooting) 및 [FAQ](/ko/help/faq). ## 관련 항목 공급자, 모델 참조, 장애 조치 동작 선택. 네이티브 OpenAI 공급자 및 OpenAI 호환 라우트 동작. 인증 세부 정보 및 자격 증명 재사용 규칙. 일반적인 문제와 해결 방법.