【設定・環境構築】Gemma 4 を Ollama でローカル起動して OpenClaw と接続する

設定・環境構築2026年4月3日最終更新 2026/8/13約6分で読めます

この記事でわかること

Gemma 4 E4B を Ollama でローカル起動する手順と、必要な VRAM・ディスク容量
OpenClaw の推論先を有料 API からローカルモデルに切り替える方法
API キーを完全に外し、データを外部に送らない環境にする手順

WSL2（Ubuntu 22.04）/ NVIDIA GPU（VRAM 6GB 以上、余裕を見るなら 8GB）/ OpenClaw インストール済み / nvidia-smi が WSL2 から GPU を認識していること。モデルのダウンロードに約 9.6GB のディスク容量を使います。

メモ

Google が 2026年4月にリリースした Gemma 4 E4B を Ollama でローカル起動し、セルフホスト型 AI エージェント基盤 OpenClaw と接続する手順を完全解説します。有料 API キーなし・データ外部送信なしで動く AI エージェント環境が完成します。

はじめに

Claude や GPT-4o などのクラウド AI を使い続けていると、API 費用が気になってきます。また「自分のデータを外部サービスに送りたくない」という場面も増えてきました。

2026年4月、Google が Gemma 4 を Apache 2.0 ライセンスでリリースしました。コーディング性能が前世代から劇的に向上し、ローカルで動かしても実用レベルに達しています。

この記事では、Gemma 4 E4B を Ollama 経由でローカル起動し、セルフホスト型 AI エージェント基盤の OpenClaw と接続するまでの手順を解説します。

やることは、推論の行き先を有料 API から手元の Ollama に向け直すだけです。

flowchart LR
    A["OpenClaw"] -->|ollama provider| B["Ollama"]
    B -->|推論| C["Gemma 4 E4B"]
    A -.->|ここを外す| D["OpenAI API<br>従量課金"]

Gemma 4 E4B とは

Gemma 4 は Google DeepMind が 2026年4月2日にリリースしたオープンモデルです。

モデル	実効パラメータ	コンテキスト	VRAM (Q4)
E2B	2.3B	128K	~4 GB
E4B	4.5B	128K	~6 GB
26B A4B	3.8B active	256K	~17 GB
31B	31B	256K	~20 GB

E4B はテキスト・画像・音声・動画の入力に対応したマルチモーダルモデルです。

ポイント

VRAM とダウンロードサイズは別物です。E4B は Q4 量子化で VRAM 約 6GB を使いますので、8GB の GPU なら余裕をもって動きます。一方で ollama pull で落とすモデルファイルは 9.6GBで、こちらはディスク容量です。

コーディング性能の指標である Codeforces ELO は Gemma 3 の 110 → 2150 と劇的に向上しています。

Step 1: OpenClaw のアップデート

Ollama プロバイダーは OpenClaw 2026.4.2 以降に同梱されています。まずバージョンを確認します。

Bash

openclaw --version

古い場合はアップデートします。

Bash

npm install -g openclaw

アップデート後、Ollama プラグインが組み込まれたか確認します。

Bash

openclaw plugins list | grep ollama

以下のように loaded と表示されれば OK です。

│ @openclaw/ollama-provider │ ollama │ openclaw │ loaded │

Step 2: Ollama のインストール

WSL2 のターミナルで実行します（sudo パスワードが必要）。

まず zstd をインストールします（Ollama インストーラーが解凍に使用）。

Bash

sudo apt-get install -y zstd

次に Ollama をインストールします。

Bash

curl -fsSL https://ollama.com/install.sh | sudo sh

インストール完了後、動作確認します。

Bash

ollama --version

Step 3: Gemma 4 E4B のダウンロード

Bash

ollama pull gemma4:e4b

約 9.6 GB のダウンロードが始まります。完了したらモデル一覧で確認します。

Bash

ollama list
# NAME          ID              SIZE
# gemma4:e4b    c6eb396dbd59    9.6 GB

単体テストとして動作確認します。

Bash

curl -s http://localhost:11434/api/generate \
  -d '{"model":"gemma4:e4b","prompt":"hello","stream":false}' \
  | python3 -c "import json,sys; print(json.load(sys.stdin)['response'])"

返答が返ってくれば Ollama は正常に動作しています。

Step 4: OpenClaw に Ollama を設定する

4-1. Ollama モデルをデフォルトに設定

Bash

openclaw models set ollama/gemma4:e4b

設定を確認します。

Bash

openclaw models status
# Default: ollama/gemma4:e4b

4-2. 有料 API を削除する

不要になった OpenAI などのモデル設定を外します。

Bash

openclaw config set agents.defaults.models --json '{"ollama/gemma4:e4b": {}}'

auth-profiles.json からも有料 API キーを削除します。以下の2ファイルを書き換えます。

~/.openclaw/auth-profiles.json
~/.openclaw/agents/main/agent/auth-profiles.json

JSON

{
  "profiles": {
    "ollama:local": {
      "provider": "ollama",
      "id": "ollama:local",
      "token": "ollama-local"
    }
  }
}

4-3. OLLAMA_API_KEY を永続化する

~/.bashrc に追記します。

Bash

echo 'export OLLAMA_API_KEY=ollama-local' >> ~/.bashrc
source ~/.bashrc

systemd サービス経由でも渡るよう、サービスファイルにも追加します。

Bash

# ~/.config/systemd/user/openclaw-gateway.service の [Service] セクションに追加
Environment="OLLAMA_API_KEY=ollama-local"

変更を反映します。

Bash

systemctl --user daemon-reload
openclaw gateway restart

Step 5: 動作確認

エージェントにメッセージを送って返答を確認します。

Bash

OLLAMA_API_KEY=ollama-local openclaw agent --local --agent main -m "hello"

以下のような返答が返れば成功です。

Hello! I'm ready to help you with whatever you need.

Discord などのチャンネル経由でも同様に動作します。

うまく動かないとき

注意

GPU が使われていない（推論が極端に遅い）

まず WSL2 で nvidia-smi が通るか確認してください。通っていれば Ollama は自動で GPU を使います。通らなければ CPU 推論に落ちているので、WSL2 側の GPU パススルー設定が先です。

Tips

VRAM が足りないときは gemma4:e2b（VRAM 約 4GB）に下げると動きます。速度が出ないときは ollama show gemma4:e4b で Q4 量子化が効いているか、Ollama が立ち上がらないときは systemctl status ollama を見てください。

まとめ

OpenClaw 2026.4.2 から Ollama プロバイダーが標準搭載された
Gemma 4 E4B は Apache 2.0 ライセンスで商用利用可能、8GB VRAM で動作する
openclaw models set ollama/gemma4:e4b の一行でモデルを切り替えられる
有料 API キーを削除すれば完全無料・完全ローカルの AI エージェント環境が完成する

参考リンク

どのモデルを選ぶか、どの GPU を買うかで迷っている場合や、OpenClaw 自体のセットアップから始める場合はこちらをどうぞ。

更新履歴

2026/08/14目次の見出しを削除して他記事と揃え、関連記事リンクを追加
2026/08/13前提条件の VRAM 要件の食い違い（6GB / 8GB）を統一し、ダウンロードサイズとの違いを明記。構成図を追加

この記事のタグ

#Ollama #Gemma #OpenClaw #LocalLLM #WSL2

この記事が役に立ったら共有しよう

Koki

フルスタックエンジニア / React, Next.js, TypeScript

誤字・間違いを報告する Xで感想を書く

すべて見る

学習メモ

【設定・環境構築】Gemma 4 を Ollama でローカル起動して OpenClaw と接続する

この記事でわかること

はじめに

Gemma 4 E4B とは

Step 1: OpenClaw のアップデート

Step 2: Ollama のインストール

Step 3: Gemma 4 E4B のダウンロード

Step 4: OpenClaw に Ollama を設定する

4-1. Ollama モデルをデフォルトに設定

4-2. 有料 API を削除する

4-3. OLLAMA_API_KEY を永続化する

Step 5: 動作確認

うまく動かないとき

まとめ

参考リンク

更新履歴

この記事のタグ

関連記事

【学習メモ】2026年4月ローカルLLM比較 — Gemma 4・Llama 4・Qwen3.5 をハードウェア別に選ぶ

【環境構築】OpenClaw を WSL2 + Discord + OpenAI API でゼロからセットアップする

自宅のWindowsを開発機にするその1: TailscaleでMacとスマホからWSLに入る

この記事のトピック

最新の記事

この記事でわかること

はじめに#

Gemma 4 E4B とは#

Step 1: OpenClaw のアップデート#

Step 2: Ollama のインストール#

Step 3: Gemma 4 E4B のダウンロード#

Step 4: OpenClaw に Ollama を設定する#

4-1. Ollama モデルをデフォルトに設定#

4-2. 有料 API を削除する#

4-3. OLLAMA_API_KEY を永続化する#

Step 5: 動作確認#

うまく動かないとき#

まとめ#

参考リンク#

更新履歴

この記事のタグ

関連記事

【学習メモ】2026年4月 ローカルLLM比較 — Gemma 4・Llama 4・Qwen3.5 をハードウェア別に選ぶ

【環境構築】OpenClaw を WSL2 + Discord + OpenAI API でゼロからセットアップする

自宅のWindowsを開発機にする その1: TailscaleでMacとスマホからWSLに入る

この記事のトピック

最新の記事

はじめに

Gemma 4 E4B とは

Step 1: OpenClaw のアップデート

Step 2: Ollama のインストール

Step 3: Gemma 4 E4B のダウンロード

Step 4: OpenClaw に Ollama を設定する

4-1. Ollama モデルをデフォルトに設定

4-2. 有料 API を削除する

4-3. OLLAMA_API_KEY を永続化する

Step 5: 動作確認

うまく動かないとき

まとめ

参考リンク

【学習メモ】2026年4月ローカルLLM比較 — Gemma 4・Llama 4・Qwen3.5 をハードウェア別に選ぶ

自宅のWindowsを開発機にするその1: TailscaleでMacとスマホからWSLに入る