Blog

OpenClaw Ollama 실행 방법

Ashley Innocent

Ashley Innocent

26 February 2026

OpenClaw Ollama 실행 방법

Apidog 엔터프라이즈

온프레미스 배포

SSO & RBAC

SOC 2 준수

Apidog Enterprise 살펴보기

요약

Ollama는 강력한 AI 모델을 로컬에서 실행하는 가장 쉬운 방법입니다. OpenClaw와 결합하면 유료 대안과 견줄 만한 무료의 프라이버시 중심 AI 비서가 만들어집니다. 이 가이드는 Ollama 설정, 올바른 모델 선택, 그리고 OpenClaw와 통합하여 개인 AI 비서를 만드는 과정을 안내합니다.

소개

AI를 로컬에서 실행하는 것은 한때 복잡한 설정과 비싼 하드웨어를 필요로 하는 취미 활동이었습니다. Ollama가 이를 변화시켰습니다. 간단한 설치 명령과 직관적인 API를 통해 Ollama는 누구나 AI 모델을 로컬에서 쉽게 실행할 수 있도록 합니다.

ollama launch openclaw --model qwen3.5:35b

OpenClaw와 함께 사용하면 다음과 같은 강력한 AI 비서를 얻을 수 있습니다:

이 가이드는 시작하는 데 필요한 모든 것을 다룹니다.

OpenClaw와 함께 Ollama를 사용하는 이유

로컬 AI의 이점

Ollama를 사용하는 이유

Ollama는 여러 가지 이유로 돋보입니다:

전제 조건

시작하기 전에 다음을 확인하세요:

하드웨어 요구 사항

모델 크기최소 RAM권장 RAM
7B 매개변수8GB16GB
14B 매개변수16GB32GB
32B 매개변수32GB64GB
70B 매개변수64GB128GB

소프트웨어 요구 사항

필요한 것

  1. RAM 요구 사항을 충족하는 컴퓨터
  2. 모델 다운로드를 위한 인터넷
  3. 초기 모델 다운로드 시간 (크기 및 연결에 따라 다름)

Ollama 설치

macOS 설치

가장 쉬운 방법은 Homebrew를 사용하는 것입니다:

brew install ollama

또는 공식 설치 스크립트를 사용하세요:

curl -fsSL https://ollama.ai/install.sh | sh

Linux 설치

# 설치 스크립트 사용 (권장)
curl -fsSL https://ollama.ai/install.sh | sh

# 또는 바이너리를 직접 다운로드
sudo curl -L https://ollama.ai/download/ollama-linux-amd64 -o /usr/bin/ollama
sudo chmod +x /usr/bin/ollama

Windows 설치

  1. 설치 프로그램 다운로드
  2. 설치 프로그램 실행
  3. 화면의 지시에 따르세요
Ollama 다운로드

설치 확인

ollama --version

ollama version 0.15.0 또는 그 이후 버전과 같은 출력을 볼 수 있습니다.

터미널의 Ollama 버전

Ollama 서비스 시작

Ollama는 백그라운드 서비스로 실행됩니다:

# Ollama가 실행 중인지 확인
ollama list

# 실행 중이 아니면 Ollama 시작
ollama serve
Ollama list 명령으로 ollama 실행 여부 확인

올바른 모델 선택

Ollama는 100개 이상의 모델을 지원합니다. 선택 방법은 다음과 같습니다:

사용 사례별

사용 사례권장 모델
일반 대화Qwen3.5, Llama 3.2, Mistral
코딩 지원Qwen3.5-Coder, DeepSeek-Coder
추론/수학DeepSeek-R1, Qwen3.5
작은 하드웨어Phi3.5, Gemma2.2B

하드웨어별

사용 가능한 RAM권장
8GB7B 모델 (Qwen3.5, Llama3.2, Mistral)
16GB8-14B 모델
32GB14-32B 모델
64GB+70B+ 모델

2026년 인기 모델

Qwen3.5 — 전반적으로 뛰어난 성능, 강력한 추론 능력, 코딩에 적합합니다. 2026년 OpenClaw의 가장 인기 있는 선택입니다.

DeepSeek-R1 — 수학 및 논리 작업에서 GPT-4와 경쟁하는 오픈소스 추론 모델입니다. 복잡한 문제 해결에 좋습니다.

Mistral — 가볍지만 유능합니다. 제한된 RAM을 가진 시스템에 탁월합니다.

모델 설치

모델 가져오기 (Pull)

# Qwen3.5 설치 (대부분의 사용자에게 권장)
ollama pull qwen2.5:7b

# 또는 최신 Qwen3
ollama pull qwen3:7b

# 추론 작업을 위한 DeepSeek-R1
ollama pull deepseek-r1:7b

# Llama 3.2
ollama pull llama3.2:7b

# Mistral
ollama pull mistral:7b

모델 태그

모델은 다양한 크기로 제공됩니다:

# 다양한 매개변수 크기
ollama pull qwen2.5:3b    # 더 작고 빠름
ollama pull qwen2.5:7b    # 균형 잡힘
ollama pull qwen2.5:14b   # 더 유능함

설치된 모델 보기

ollama list

다운로드된 모든 모델과 크기를 보여줍니다.

모델 실행 및 테스트

대화형 모드

# 모델과 대화
ollama run qwen2.5:7b

메시지를 입력하고 Enter 키를 누르세요. 종료하려면 /bye를 입력하세요.

API 모드

Ollama는 기본적으로 11434 포트에서 API 서버를 실행합니다:

# 생성 엔드포인트
curl http://localhost:11434/api/generate -d {
  "model": "qwen2.5:7b",
  "prompt": "Hello, how are you?",
  "stream": false
}

Python 라이브러리 사용

from ollama import Client

client = Client()
response = client.chat(
    model='qwen2.5:7b',
    messages=[
        {'role': 'user', 'content': 'Hello!'}
    ]
)
print(response['message']['content'])

Apidog로 테스트

OpenClaw에 연결하기 전에 Apidog를 사용하여 Ollama 설정을 테스트하세요:

  1. Apidog에서 새 요청 생성
  2. 메서드를 POST로 설정
  3. URL 입력: http://localhost:11434/api/generate
  4. 헤더 추가: Content-Type: application/json
Apidog에서 요청 생성

5. 본문 추가:

{
  "model": "qwen3-coder",
  "prompt": "What is 2 + 2?",
  "stream": false
}
Apidog 요청에 본문 추가

이것은 OpenClaw와 통합하기 전에 Ollama 설정이 작동하는지 확인합니다.

Ollama를 OpenClaw와 통합

이제 Ollama를 OpenClaw에 연결해 보겠습니다.

방법 1: 빠른 구성

# OpenClaw가 모델과 함께 Ollama를 사용하도록 설정
openclaw models set ollama/qwen2.5:7b

방법 2: 환경 변수

# Ollama 엔드포인트 구성
export OLLAMA_HOST=http://localhost:11434

# 기본 모델 설정
export OLLAMA_MODEL=qwen2.5:7b

방법 3: 구성 파일

~/.openclaw/config.yaml 파일을 생성하거나 편집하세요:

models:
  default: ollama/qwen2.5:7b

ollama:
  host: http://localhost:11434
  model: qwen2.5:7b
  temperature: 0.7
  top_p: 0.9

통합 확인

# OpenClaw 모델 상태 확인
openclaw models status

# 메시지로 테스트
openclaw chat "Hello!"

로컬 모델로부터 응답을 받아야 합니다.

구성 옵션

Ollama + OpenClaw 설정을 미세 조정하세요:

온도 (Temperature)

창의성과 정확성을 제어합니다:

ollama:
  temperature: 0.7    # 0.0 = 정확, 1.0 = 창의적

Top-P 및 Top-K

응답 다양성 제어:

ollama:
  top_p: 0.9         # 핵 샘플링
  top_k: 40          # 토큰 선택

컨텍스트 길이

더 긴 대화를 위해:

ollama:
  context_size: 4096  # 기본값은 종종 2048 또는 4096

시스템 프롬프트

모델 동작 사용자 정의:

ollama:
  system_prompt: |
    당신은 도움이 되는 코딩 비서입니다.
    명확하고 간결한 코드 예시를 제공하세요.
    개념을 간단하게 설명하세요.

모델 간 전환

Ollama의 한 가지 장점은 쉬운 모델 전환입니다:

# 추론을 위해 DeepSeek-R1으로 전환
openclaw models set ollama/deepseek-r1:7b

# 코딩 작업을 위해 Qwen-Coder로 전환
openclaw models set ollama/qwen2.5-coder:7b

# 일반 모델로 다시 전환
openclaw models set ollama/qwen2.5:7b

다중 모델 설정

config.yaml에서 여러 모델을 구성하세요:

models:
  default: ollama/qwen2.5:7b
  coding: ollama/qwen2.5-coder:7b
  reasoning: ollama/deepseek-r1:7b

그런 다음 모델 간에 전환하세요:

openclaw models set coding
openclaw models set reasoning

문제 해결

모델 로드 실패

문제: 메모리 부족 오류

해결책:

느린 응답

문제: 응답 시간이 너무 오래 걸림

해결책:

연결 거부됨

문제: OpenClaw가 Ollama에 연결할 수 없음

해결책:

# Ollama가 실행 중인지 확인
ollama serve

# 포트 확인
curl http://localhost:11434

모델을 찾을 수 없음

문제: Ollama에 모델이 존재하지 않음

해결책:

# 모델 가져오기 (Pull)
ollama pull qwen2.5:7b

# 사용 가능한 모델 확인
ollama list

결론

이제 로컬에서 강력하고 사적인 AI 비서를 실행할 수 있게 되었습니다. Ollama + OpenClaw는 클라우드 대안으로 월 20달러 이상이 들었을 기능을 제공하며, 이 모든 것이 당신이 제어하는 하드웨어에서 실행됩니다.

이제 할 수 있는 것:

유일한 한계는 당신의 하드웨어입니다.

다음 단계:

  1. 다양한 모델로 실험
  2. Qwen3.5, DeepSeek-R1 및 기타 모델 시도
  3. 시스템 프롬프트 사용자 정의
  4. ClawHub에서 OpenClaw 기술 탐색

전문적인 AI 애플리케이션을 구축할 준비가 되셨나요? Apidog를 무료로 다운로드하고 개발자를 위해 설계된 시각적 인터페이스로 AI 통합을 테스트하세요.

button

자주 묻는 질문

OpenClaw에 가장 적합한 Ollama 모델은 무엇인가요?

Qwen3.5는 현재 가장 인기가 많으며, 좋은 추론 및 코딩 능력과 균형 잡힌 성능을 제공합니다. 추론 작업이 우선이라면 DeepSeek-R1이 탁월합니다.

여러 Ollama 모델을 동시에 실행할 수 있나요?

네, 하지만 각 모델에는 RAM이 필요합니다. 일반적인 설정은 필요에 따라 전환하면서 한 번에 하나의 모델을 실행합니다.

GPU가 필요한가요?

아니요, Ollama는 CPU에서 작동합니다. GPU 가속은 더 빠르게 만들지만 필수는 아닙니다. 더 작은 모델(7B)은 CPU에서도 상당히 잘 작동합니다.

모델은 어떻게 업데이트하나요?

ollama pull model-name

새로운 버전이 사용 가능한 경우 Ollama는 자동으로 업데이트됩니다.

나만의 미세 조정된 모델을 사용할 수 있나요?

네, Ollama의 가져오기 기능을 사용하여 사용자 정의 모델을 가져올 수 있습니다. 자세한 내용은 Ollama 문서를 확인하세요.

Apidog에서 API 설계-첫 번째 연습

API를 더 쉽게 구축하고 사용하는 방법을 발견하세요

무료 회원가입다운로드