localhost エンドポイントは存在しますが、他の場所から呼び出す方法がありません。ファインチューニング済みモデルをその場に留め、その隣で Tokios コネクタを実行し、デプロイメント名を登録してください。これにより、本物の https://api.tokios.com エンドポイントが得られます。これは sk-tok-… キーで保護されており、OpenAI または Anthropic 互換のクライアントが呼び出せます。
ファインチューニング後の最後の一手
たとえば Unsloth などのドキュメント化されたファインチューニング手順は、GGUF ファイルのエクスポートと、Modelfile からollama create による読み込み、または llama.cpp のサーバーによる提供までをカバーしています。Unsloth のバージョンに合わせて、正確なエクスポートと ollama create コマンドの構文を確認してください。どちらの方法でも、ファインチューニング済みモデルは 127.0.0.1 でリクエストに応答するようになります。
通常、ドキュメントはここで終わります。localhost エンドポイントは、同じマシン、同じターミナル、プロセスが稼働している間のみ機能します。チームメンバーのノートパソコン、CI ジョブ、ホストされたエージェント、または自分のスマートフォンからは機能しません。これをどこからでも呼び出せるものに変換することが、ドキュメント化されていない最後の一手であり、Tokios が解決する具体的な問題です。Tokios はファインチューニングの作成方法や提供方法には干渉せず、エンドポイントを到達可能で認証可能にします。
Tokios はファインチューニング、量子化、エクスポートを行いません。また、チャットテンプレートの不一致を修正することもありません。Tokios は、ランタイムがすでに OpenAI 互換の
/v1 API を公開しているところから引き継ぎ、そのエンドポイントを localhost 外部から呼び出せるようにします。ファインチューニング済みモデルを正しいチャットテンプレートで正しく提供することは、ランタイムの役割です。提供方法の決定中の方は、ローカルモデルの選択 を参照してください。手順
1
ファインチューニング済みモデルがローカルで提供されていることを確認
このガイドでは、GGUF がすでに読み込まれ、Ollama または llama.cpp のサーバーを通じて localhost でリクエストに応答していることを前提としています。Ollama の場合、通常は
ollama create <name> -f Modelfile で読み込んだモデルであり、ollama run <name> でクエリを実行できる状態です。llama.cpp の場合、デフォルトポートでリッスンしている llama-server です。インストールに合わせて正確なポートを確認してください。いずれにせよ、バインド方法を変更しないでください。127.0.0.1 のままにしておきます。2
Tokios コネクタのペアリング
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、約 15 分間有効なワンタイム ペアリングコード(すでに コンソールに戻り、デバイスを approve します。この操作は Setup または Connectors タブで行います。承認されると、コネクタのトークンは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 など)を表示します。ファインチューニング済みモデルを実行しているマシンで、OS に合わせたインストール用ワンライナーを実行します。Windows
macOS
Linux
tokios-connector がインストールされている場合は、代わりにコードを直接渡します。3
コネクタをランタイムの /v1 API に向けて設定
Tokios は、ランタイムが公開する OpenAI 互換の 完全なマルチモデルファイル形式については、コネクタ設定 を参照してください。
/v1 サーフェスと通信します。その下のモデルがファインチューニング済みモデルであり、標準チェックポイントではないことは問題ありません。基本的な単一モデルパスの場合、コンソールの Setup ウィザードは、選択したランタイムに基づいてアップストリームを自動的に埋めます(Ollama の場合は http://127.0.0.1:11434/v1、llama.cpp の場合は http://127.0.0.1:8080/v1)。tokios-connector.json 設定を通じて複数のモデルやアダプターを提供している場合は、アップストリーム BaseUrl を明示的に設定します。4
ファインチューニング済みモデルのデプロイメント名を登録
まず Models タブで、ファインチューニング済みモデルを登録し、公開名 を選択します。例えば、
my-finetune-tunnel などです。ollama create や llama.cpp で付けたローカルモデル ID ではなく、この公開名こそが、クライアントが model フィールドで送信するものです。また、同じコネクタを通じて提供する基本モデルや他のファインチューニング済みモデルと区別するためのものであり、ファインチューニング済みモデルを特定します。5
API キーの作成
まず Keys タブで、Create key をクリックします。オプションで、モデル名パターン(カンマ区切りのグロブ、
* はすべて)を使用して特定のデプロイメントにスコープを限定できます。ファインチューニング済みモデルにのみアクセスでき、他のモデルにはアクセスできないキーを作成したい場合に便利です。sk-tok-… キーを今すぐコピーしてください。一度だけ表示されます。コーディングエージェントからファインチューニング済みモデルを使用
デプロイメント名と API キーがあれば、ファインチューニング済みモデルは、ホストされたモデルと同じ方法で到達可能になります。Claude Code や OpenAI SDK クライアントからも同様です。FAQ
Tokios はこれがファインチューニング済みモデルであり基本モデルではないことを気にしますか?
Tokios はこれがファインチューニング済みモデルであり基本モデルではないことを気にしますか?
いいえ。Tokios は OpenAI 互換の
/v1 エンドポイントと、それにマッピングしたデプロイメント名のみを確認します。そのエンドポイントの背後にある重みが、標準チェックポイント、マージされたファインチューニング、または LoRA アダプターであるかどうかは、コネクタやゲートウェイにとって問題ありません。基本モデルとファインチューニング済みモデルを並列で提供できますか?
基本モデルとファインチューニング済みモデルを並列で提供できますか?
ファインチューニング済みモデルでもストリーミングは同じように機能しますか?
ファインチューニング済みモデルでもストリーミングは同じように機能しますか?
はい。
"stream": true を設定すると、Tokios は呼び出した API サーフェス(OpenAI または Anthropic)に応じて、標準のサーバー送信イベント(SSE)を返します。他のデプロイメントと同じです。ファインチューニング済みモデルのチャットテンプレートが間違っています。Tokios で修正できますか?
ファインチューニング済みモデルのチャットテンプレートが間違っています。Tokios で修正できますか?
いいえ。チャットテンプレートの正確性(ファインチューニングが学習された特殊トークンとターン形式との一致)は、完全にランタイムの責任です(Ollama の Modelfile
TEMPLATE、または llama.cpp のサーバープロンプトテンプレート)。Tokios はリクエストボディをそのままランタイムの /v1 API に転送します。ファインチューニング済みモデルはマシンを離れません — エンドポイントはどこでも機能します
重みは、すでに信頼している同じ Ollama または llama.cpp プロセス内のハードウェア上に留まります。コネクタは発信のみを行います。着信ポートはなく、マシン上に公開された API もありません。それ以降のすべて(認証、ルーティング、ストリーミング)は、キーを提供する任意のマシン、チームメンバー、エージェントから呼び出せる単一のエンドポイントです。クイックスタート
コネクタをペアリングし、最初のモデルをエンドツーエンドで登録します。
API キー
チームメンバーやエージェント用の
sk-tok-… キーを作成、スコープ設定、ローテーションします。