Skip to main content
파인튜닝을 GGUF로 내보내고 Ollama 또는 llama.cpp에서 실행 중이라면 localhost 엔드포인트는 있지만 다른 곳에서 호출할 방법은 없습니다. 파인튜닝을 있는 그대로 유지하고 옆에 Tokios 커넥터를 실행한 후 배포 이름을 등록하면, 실제 https://api.tokios.com 엔드포인트를 sk-tok-… 키로 보호되게 얻어, OpenAI 또는 Anthropic 호환 클라이언트가 호출할 수 있습니다.

파인튜닝 후 마지막 단계

문서화된 파인튜닝 경로 — 예를 들어 Unsloth — 는 GGUF 파일을 내보내고 Modelfile에서 ollama create로 로드하거나 llama.cpp 서버로 서빙하는 단계까지 지원합니다. Unsloth 버전에 따라 정확한 내보내기 및 ollama create 명령어 구문을 확인하세요. 이 두 가지 방법 모두 파인튜닝이 127.0.0.1에서 요청에 응답하도록 합니다. 보통 문서화는 여기서 멈춥니다. localhost 엔드포인트는 프로세스가 실행되는 동안 동일한 머신과 터미널에서만 작동합니다. 동료의 노트북, CI 작업, 호스팅된 에이전트 또는 휴대폰에서는 작동하지 않습니다. 이를 어디서나 호출할 수 있는 형태로 만드는 것은 문서화되지 않은 마지막 단계이며, Tokios가 해결하는 구체적인 문제입니다. Tokios는 파인튜닝이 어떻게 만들어졌거나 서빙되는지 건드리지 않고, 엔드포인트에 도달 가능하고 인증되도록 만듭니다.
Tokios는 파인튜닝, 양자화 또는 내보내기를 수행하지 않으며, 채팅 템플릿 불일치를 수정하지도 않습니다. 런타임이 이미 OpenAI 호환 /v1 API를 노출하는 곳에서부터 시작하여 해당 엔드포인트를 localhost 외부에서 호출할 수 있도록 만듭니다. 올바른 채팅 템플릿과 함께 파인튜닝을 올바르게 서빙하는 것은 런타임의 역할입니다. 서빙 방법을 아직 결정 중이라면 로컬 모델 선택을 참조하세요.

단계

1

파인튜닝이 로컬에서 서빙 중인지 확인하세요

이 가이드는 GGUF가 이미 로드되어 Ollama 또는 llama.cpp 서버를 통해 localhost에서 요청에 응답한다고 가정합니다. Ollama의 경우, 일반적으로 ollama create <name> -f Modelfile로 로드하고 ollama run <name>으로 이미 쿼리할 수 있는 모델입니다. llama.cpp의 경우, 기본 포트에서 수신 대기하는 llama-server입니다. 설치에 따라 정확한 포트를 확인하세요. 어쨌든 바인딩 방식을 변경하지 마세요. 127.0.0.1로 그대로 두세요.
2

Tokios 커넥터 페어링

로그인은 tokios.com/console에서 하고, Setup 탭을 연 후 Start pairing을 클릭하세요. Tokios는 일회용 페어링 코드 형식인 TKS-XXXX-XXXX를 약 15분간 표시합니다.파인튜닝이 실행 중인 머신에서 OS에 맞는 설치 원라인을 실행하세요:
Windows
macOS
Linux
이미 tokios-connector가 설치되어 있나요? 대신 코드를 직접 전달하세요:
콘솔로 돌아가 기기를 approve하세요. Setup 또는 Connectors 탭에서 진행합니다. 승인되면 커넥터의 토큰이 터널을 통해 전달됩니다. 화면에 표시되지도 않고 파일에 붙여넣지도 않습니다.
3

커넥터를 런타임의 /v1 API로 지시하세요

Tokios는 런타임이 노출하는 OpenAI 호환 /v1 표면과 통신합니다. 아래 모델이 기본 체크포인트가 아닌 파인튜닝이라는 사실은 중요하지 않습니다. 기본 단일 모델 경로의 경우, 콘솔의 설정 마법사는 선택한 런타임(Ollama의 경우 http://127.0.0.1:11434/v1, llama.cpp의 경우 http://127.0.0.1:8080/v1)을 기반으로 업스트림을 자동으로 채웁니다. tokios-connector.json 구성을 통해 여러 모델 또는 어댑터를 서빙하는 경우, 업스트림 BaseUrl을 명시적으로 설정하세요:
전체 다중 모델 파일 형식은 커넥터 구성을 참조하세요.
4

파인튜닝에 대한 배포 이름 등록

등록은 Models 탭에서 파인튜닝을 등록하고 공개 이름을 선택하세요. — 예를 들어, my-finetune-tunnel. 이 공개 이름은 ollama create 또는 llama.cpp에서 부여한 로컬 모델 ID가 아니라 클라이언트가 model 필드에서 전송하는 이름입니다. 또한 동일한 커넥터를 통해 서빙하는 기본 모델 또는 다른 파인튜닝과 파인튜닝을 구분하는 역할도 합니다.
5

API 키 생성

생성은 Keys 탭에서 Create key를 클릭하세요. 모델 이름 패턴(쉼표로 구분된 글로브, * for all)으로 특정 배포에 범위를 지정할 수 있습니다. 파인튜닝에만 접근할 수 있는 키가 필요한 경우에 유용합니다. sk-tok-… 키를 지금 복사하세요. 한 번만 표시됩니다.

코딩 에이전트에서 파인튜닝 사용

배포 이름과 API 키가 있으면 파인튜닝은 호스팅된 모델과 동일한 방식으로 도달 가능합니다. Claude Code 또는 OpenAI SDK 클라이언트에서도 마찬가지입니다.
Claude Code의 모델 선택기에는 claude* ID만 나열되므로 파인튜닝의 배포 이름은 여기에 표시되지 않습니다. 매번 명시적으로 --model my-finetune-tunnel을 전달하세요. 세션 간 환경 변수를 유지하는 방법은 Claude Code 사용을 참조하세요.
응답이 잘못 형성되거나 잘리거나 어조가 어색한 경우, 이는 거의 항상 모델이 파인튜닝된 방식과 런타임이 프롬프트하는 방식 사이의 채팅 템플릿 불일치 때문이며 Tokios 경로 내의 문제가 아닙니다. Tokios는 요청을 런타임의 /v1 API로 그대로 전달하며 프롬프트나 템플릿을 재작성하지 않습니다. 런타임 수준에서 Modelfile 또는 서버 프롬프트 템플릿을 수정한 후 다시 테스트하세요.

FAQ

아닙니다. Tokios는 OpenAI 호환 /v1 엔드포인트와 이를 매핑한 배포 이름만 봅니다. 해당 엔드포인트 뒤의 가중치가 기본 체크포인트, 병합된 파인튜닝 또는 LoRA 어댑터인지 여부는 커넥터나 게이트웨이에 영향을 미치지 않습니다.
네. Models 탭에서 각각을 고유한 배포로 등록하거나, 하나의 커넥터가 여러 모델을 서빙하도록 tokios-connector.json 구성에서 여러 업스트림 및 라우트를 정의하세요. 커넥터 구성 및 모델 라우팅을 참조하세요.
네. "stream": true를 설정하면 Tokios는 호출한 API 표면에 따라 OpenAI 또는 Anthropic 형식의 표준 서버 전송 이벤트(SSE)를 반환합니다. 다른 배포와 동일합니다.
아닙니다. 채팅 템플릿의 정확성(파인튜닝이 훈련된 특수 토큰 및 턴 형식과 일치)은 완전히 런타임의 책임입니다(Ollama의 Modelfile TEMPLATE 또는 llama.cpp의 서버 프롬프트 템플릿). Tokios는 요청 본문을 그대로 런타임의 /v1 API로 전달합니다.

파인튜닝은 머신을 떠나지 않습니다 — 엔드포인트는 어디서나 작동합니다

가중치는 이미 신뢰하는 동일한 Ollama 또는 llama.cpp 프로세스에서 하드웨어에 남아 있습니다. 커넥터는 오직 아웃바운드만 연결합니다. 인바운드 포트나 머신에 노출된 API는 없습니다. 그 이후의 모든 것 — 인증, 라우팅, 스트리밍 — 은 키를 제공하기로 선택한 모든 머신, 동료 또는 에이전트에서 호출할 수 있는 하나의 엔드포인트입니다.

빠른 시작

커넥터를 페어링하고 처음 모델을 끝까지 등록하세요.

API 키

동료와 에이전트를 위한 sk-tok-… 키를 생성, 범위 지정 및 회전하세요.