llama-server は http://127.0.0.1:8080/v1 で待ち受けているが、バインド設定を広げたりポート転送を行わない限り他のマシンからはアクセスできない。llama-server には任意で有効化可能な --api-key フラグも備わっているが、初期状態では無効となっており、TLSの設定はユーザー自身が行う必要がある。そのため llama-server はローカルホスト上で起動させ、その隣で Tokios コネクターを実行するのが最適だ。コネクターが https://api.tokios.com へ接続し、各種ツールやチームメンバー、エージェントはどこからでも認証済みのエンドポイントを呼び出せるようになる。
llama-server の認証機能は任意設定であり、初期状態では無効となっている
llama-server は llama.cpp に同梱されている OpenAI互換サーバーで、GGUFモデルをHTTP経由で提供するための仕組みだ。通常通り起動すれば、特別な設定をしない限りポートにアクセス可能な誰からのリクエストも受け付けるが、認証情報は不要だ。
--api-key <key> を渡せます。これは妥当な最初の防御層です。ただしデフォルトでは有効になっておらず、TLS終端は別途手動で設定する必要があります。llama-server が自動で設定してくれるわけではありません。
これは
llama-server を批判しているわけではない。これは軽量で組み込み可能な推論サーバーであり、認証やTLSをオプション扱いにすることで信頼できるマシンや独自インフラ内での運用を容易にしている。一方 Tokios は別の課題を解決するために作られた。つまりローカルエンドポイントを、インバウンドポートを開放したりTLSを自前で構築することなく、どこからでも呼び出せる認証付きAPIへ変換するのだ。llama.cpp は Tokios が公式にサポートするバックエンドの一つだ。アウトバウンド専用の接続方法
1
いつも通り llama-server をローカルで起動する
必ず デフォルトの
llama-server は 127.0.0.1 にとどめ、ループバックより広い範囲にバインドしないでください。GGUF モデルを指定して起動します:http://127.0.0.1:8080 設定のまま待ち受けさせる。2
Tokiosコネクターをペアリングする
まず tokios.com/console にサインインし、Setup タブを開いて Start pairing をクリックします。Tokios は一度だけ使える ペアリングコード を すでにコンソールに戻り、デバイスを approve してください。Setup タブまたは Connectors タブで操作できます。承認されると、コネクターのトークンがトンネル経由で配信されます。画面に表示されたり、ファイルに貼り付けたりすることはありません。
TKS-XXXX-XXXX のような形式で表示します。有効期間は約15分です。次に、llama-server を実行しているマシンで、お使いのOS向けのインストール用ワンライナーを実行してください:Windows
macOS
Linux
tokios-connectorがインストール済みの場合は、代わりにそのコードを直接指定します。3
コネクターをllama-serverの/v1 APIに向けます
llama-serverはすでにTokiosが期待するOpenAIチャット補完形式に対応しています。単一モデルを利用する場合、コンソールのセットアップウィザードが自動的にhttp://127.0.0.1:8080/v1をアップストリームモデルIDとして設定します。複数モデルをtokios-connector.json設定で提供する場合は、明示的にアップストリームをBaseUrlに指定する必要があります。4
デプロイを登録する
次に Models タブで、llama.cpp モデルを登録し、public name(例:
llama-tunnel)を選択します。クライアントが model フィールドに送信するのは、GGUFファイルやその内部モデルIDではなく、この公開名です。5
APIキーを作成する
続いて Keys タブで、Create key をクリックします。必要に応じて、モデル名パターン(カンマ区切りのグロブ、すべての場合は
*)で特定のデプロイにスコープを設定できます。sk-tok-… キーは今すぐコピーしてください。一度だけしか表示されません。どこからでも利用可能
デプロイ名とAPIキーを取得すれば、OpenAIやAnthropicと互換性のあるあらゆるクライアントから、別のマシンやチームメイトのノートパソコン、あるいはホスティングされたエージェントからでも、ご自身のllama.cppモデルにアクセスできるようになります。よくある質問
ストリーミングは利用可能ですか?
ストリーミングは利用可能ですか?
はい。
"stream": trueを設定すると、呼び出したAPIの種類に応じてTokiosがOpenAIまたはAnthropic形式の標準的なサーバー送信イベント(SSE)を返します。微調整済みのGGUFモデルを配信できますか?
微調整済みのGGUFモデルを配信できますか?
はい。
llama-serverは-mで指定した任意のGGUFファイルを配信します。微調整済みモデルも含まれます。他のモデルと同様に、独自の公開名で新たなデプロイとして登録してください。微調整済みモデルからTokiosデプロイまでの全手順については、微調整モデルの配信法をご参照ください。複数のGGUFモデルを配信できますか?
複数のGGUFモデルを配信できますか?
llama-serverの--api-keyフラグは引き続き必要ですか?
llama-serverの--api-keyフラグは引き続き必要ですか?
コネクターと
llama-server間のループバック接続を保護するため、引き続き設定しておくことも可能ですが、Tokios経由でアクセスするクライアントを認証するのはこのフラグではありません。https://api.tokios.comへのクライアントリクエストはsk-tok-…キーで認証され、コネクター自体が127.0.0.1:8080にアクセスできる権限を持つ仕組みとなっています。ご使用のモデルは一切外部に流出せず、エンドポイントはどこからでも利用可能です
llama-serverは今まで通りローカルホスト上で動作し続けます。受信用ポートや手動でのTLS設定も一切不要です。コネクターは送信処理のみを行います。認証やルーティング、ストリーミングといった処理もすべて一つのエンドポイントで完結し、キーを付与した任意のマシンやチームメイト、エージェントから呼び出せます。
クイックスタート
コネクターをペアリングし、最初のモデルエンドポイントを一通り登録しましょう。
APIキー
チームメイトやエージェント向けに
sk-tok-… キーを作成・スコープ設定・ローテーションできます。