Как настроить агента в LM Studio

Настроить агента в LM Studio можно тремя путями: работать с агентом Bionic, подключить MCP-серверы как источник инструментов для модели или направить внешний агент-клиент на локальный сервер LM Studio по адресу http://localhost:1234. Выбор зависит от задачи: правка файлов в проекте, доступ к внешним функциям или запуск готового агента вроде Hermes Agent.

Три сущности под именем LM Studio

Разбираться стоит с трёх разных вещей, которые часто смешивают в одну.

Приложение LM Studio — настольная программа для запуска моделей на своём компьютере. В документации вендора оно описано как локальный бэкенд для внешних инструментов: «Use LM Studio as a seamless, drop-in local backend for your favorite tools». Здесь настраиваются модели, контекст, сервер и MCP.

Bionic — отдельное приложение. В документации прямо сказано: «Bionic is a new, separate app from LM Studio». Это агент для открытых моделей, который ведёт проекты, работает с документами и кодом. Важная деталь: Bionic не является полностью локальным. Модели для него бывают трёх видов — облачные в LM Studio Secure Cloud с Zero Data Retention, локальные на вашем компьютере и удалённые с другого устройства через LM Link. В документации это перечислено как «Choose a Cloud, Local, or Remote Model».

Локальный сервер — режим, в котором LM Studio отдаёт модель по HTTP. Внешние программы обращаются к нему через OpenAI-совместимые или Anthropic-совместимые эндпоинты. По документации интеграций, расширению IDE и собственному скрипту автоматизации достаточно указать base URL http://localhost:1234.

Путаница возникает из-за сторонних гайдов. Например, на qantcore.space Bionic описан так: «встроенный агент для кода и документов, работающий полностью локально». Это расходится с документацией вендора: Bionic — отдельное приложение, и у него есть облачные модели. Команды вида «lms bionic start» в документации LM Studio не встречаются, поэтому переносить их в свою настройку рискованно.

Запомнить просто: приложение запускает модель, Bionic выполняет задачи агента, сервер отдаёт модель наружу. Дальше — выбор под вашу задачу.

Таблица выбора пути

Перед настройкой определите, что именно должен делать агент. Ниже — сравнение трёх путей по явным критериям.

Путь Bionic выбирают, когда задача — работа с репозиторием или документами внутри одного проекта. MCP-инструменты нужны, когда модели не хватает встроенных возможностей и требуется доступ к внешним функциям. Внешний агент через API подходит, когда у вас уже есть любимый инструмент, а LM Studio нужен как локальный поставщик модели.

Пути можно сочетать: серверы из mcp.json подключаются к самому приложению LM Studio, а внешний агент обращается к его локальному серверу на порту 1234. Начинать стоит с одного пути и добавлять второй, когда первый заработал.

Настройка MCP-сервера как источника инструментов

MCP — способ дать модели доступ к функциям. По документации LM Studio, начиная с версии 0.3.17 (b10) приложение поддерживает локальные и удалённые MCP-серверы. Приложение выступает хостом MCP и делает подключённые серверы доступными вашим моделям.

Порядок настройки по документации:

1. Откройте вкладку Program в правой боковой панели.
2. Нажмите Install > Edit mcp.json. Файл откроется во встроенном редакторе.
3. Добавьте описание сервера в mcp.json. LM Studio следует нотации Cursor.
4. Сохраните файл.

Пример из документации — сервер Hugging Face MCP, дающий доступ к поиску моделей и датасетов:

{
  "mcpServers": {
    "hf-mcp-server": {
      "url": "https://huggingface.co/mcp",
      "headers": {
        "Authorization": "Bearer <YOUR_HF_TOKEN>"
      }
    }
  }
}

Токен YOUR_HF_TOKEN заменяется на ваш собственный. Документация отдельно предупреждает: при ручном добавлении копируйте только содержимое после "mcpServers": { и до закрывающей скобки.

Есть и второй способ — кнопка «Add to LM Studio», которая работает через deeplink, когда она доступна.

Два предупреждения из документации стоит держать в голове. Первое: некоторые MCP-серверы создавались под Claude, ChatGPT и Gemini и могут расходовать чрезмерное количество токенов — это быстро перегружает локальную модель и вызывает частые переполнения контекста. Второе касается безопасности, и его вендор формулирует прямо.

Предупреждение вендора о безопасности MCP

Документация LM Studio приводит предупреждение дословно:

Never install MCPs from untrusted sources.

Там же раскрыто, почему это важно: «Some MCP servers can run arbitrary code, access your local files, and use your network connection». Вендор просит быть осторожным при установке и работе с MCP-серверами и отказаться от установки, если источнику нет доверия.

Смысл простой: MCP-сервер — это код, который выполняется на вашей машине. Он может запускать произвольный код, читать локальные файлы и пользоваться сетевым подключением. Доверие к источнику — единственный барьер, который вы ставите сами.

Практический вывод: ставьте MCP-серверы от известных проектов, проверяйте адрес и содержимое mcp.json перед сохранением, не добавляйте серверы из случайных подборок. Если источник незнаком, установку лучше отложить.

Это относится и к серверам, которые вы пишете сами. Если ваш MCP-сервер обращается к внешнему API, храните ключ в переменной окружения и не выводите его в логи. Пример ниже — учебная заготовка: она показывает, как объявлять секрет через os.environ.

import os
import httpx
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("demo-tools")
API_KEY = os.environ["DEMO_API_KEY"]
BASE_URL = os.environ.get("DEMO_BASE_URL", "https://api.example.com")

@mcp.tool()
def lookup(query: str) -> str:
    """Ищет запись по строке запроса."""
    response = httpx.get(
        f"{BASE_URL}/search",
        params={"q": query},
        headers={"Authorization": f"Bearer {API_KEY}"},
        timeout=20.0,
    )
    response.raise_for_status()
    return response.text

if __name__ == "__main__":
    mcp.run()

Здесь DEMO_API_KEY и DEMO_BASE_URL задаются в окружении. Значение ключа в терминал и логи не попадает. Адрес api.example.com — условный, его нужно заменить на реальный эндпоинт вашего сервиса.

Подключение внешнего агента через base URL

Внешний агент работает с LM Studio как с локальным API. Документация интеграций перечисляет поддерживаемые инструменты: Claude Code, Codex, Hermes Agent, OpenClaw. Вендор отмечает, что список интеграций постоянно пополняется.

Общий принцип один: укажите в настройках внешнего агента base URL http://localhost:1234. Для Claude Code документация задаёт этот адрес переменными окружения: export ANTHROPIC_BASE_URL=http://localhost:1234 и export ANTHROPIC_AUTH_TOKEN=lmstudio, после чего claude работает с LM Studio через Anthropic-совместимый эндпоинт. Если в LM Studio включена опция Require Authentication, в ANTHROPIC_AUTH_TOKEN вместо lmstudio подставляется API-токен LM Studio.

Разберём путь Hermes Agent, для которого у вендора есть отдельная страница. В документации сказано: «Hermes Agent now supports LM Studio as a first class model provider». Порядок такой:

1. Убедитесь, что LM Studio работает как сервер. По умолчанию используется порт 1234. Запустить можно из приложения или из терминала командой lms server start --port 1234.
2. Запустите hermes setup и пройдите интерактивную настройку, выбрав LM Studio провайдером модели.
3. Если Hermes уже настроен, выполните hermes model и переключитесь на LM Studio.

Документация даёт отдельный совет по контексту: «Use a model with more than ~64k context length». Агенты вроде Hermes расходуют много контекста, и с длинным окном работа идёт заметно ровнее. Hermes также поддерживает JIT-загрузку с увеличенным контекстом и учётом reasoning effort.

Для мощной машины есть вариант через LM Link: запускать Hermes Agent на ноутбуке, а модель держать на стационарном компьютере. Этот совет дан на странице Hermes Agent, а для Claude Code и Codex тот же сценарий через LM Link описан на общей странице интеграций.

Если что-то не заработало, документация предлагает обратиться в Discord проекта.

Первый проект в Bionic

Bionic ведёт работу через проекты. В документации сказано: «A project keeps related sessions and files together». Один проект создаётся под работу с общей целью, исходными файлами или кодовой базой.

Порядок первого запуска по документации:

1. Создайте новый проект и дайте ему имя.
2. Для работы с локальным кодом включите переключатель Allow coding.
3. При включённом кодинге выберите папку через Choose a folder — корень вашей кодовой базы.
4. Нажмите Create.
5. В новой сессии выберите модель, если Bionic не подставил её сам.
6. Опишите агенту задачу.

Внутри проекта можно вести несколько сессий под разные задачи и запускать их параллельно. Документация советует: «Within a project, create separate sessions for separate tasks».

Работа с документами строится на файлах. Прикрепляйте или перетаскивайте файлы и папки как исходный материал. Файлы, которые создаёт Bionic, появляются в правой панели в разделе Project Files и доступны всем сессиям проекта. Пример задачи из документации: изучить варианты в заметках, суммировать компромиссы и сохранить рекомендацию в recommendation.md.

При включённом кодинге агент умеет искать по репозиторию, править файлы, работать с Git и запускать shell-команды в выбранной папке. Пример задачи: найти обработку таймаутов запросов, объяснить текущее поведение, исправить проблемный крайний случай и прогнать тесты.

Ключевое правило из документации: «Review Bionic’s diffs and command output before keeping the changes». Просматривайте диффы и вывод команд перед тем, как принять правки. Задачи формулируйте узко: ясная цель, релевантные файлы, конкретный результат. Для крупной работы сначала попросите исследовать, потом — реализовать в той же сессии.

Частые вопросы

Чем Bionic отличается от обычного LM Studio?
Bionic — отдельное приложение. В документации сказано: «Bionic is a new, separate app from LM Studio». Оно ведёт проекты, сессии и файлы, работает с кодом и документами. Для низкоуровневой настройки можно держать LM Studio рядом с Bionic.

Bionic работает полностью локально?
Не обязательно. Bionic умеет брать модели из трёх источников: облако LM Studio Secure Cloud с Zero Data Retention, локальные модели на вашем компьютере и удалённые с другого устройства через LM Link. Локальный вариант — один из трёх.

Как подключить Hermes Agent к LM Studio?
Запустите сервер LM Studio на порту 1234 командой lms server start --port 1234. Затем выполните hermes setup и выберите LM Studio провайдером модели, либо hermes model, если Hermes уже настроен. Документация советует модель с контекстом больше примерно 64k.

Что делать, если MCP-сервер перегружает модель?
Документация предупреждает: некоторые MCP-серверы создавались под Claude, ChatGPT и Gemini и расходуют много токенов. Это быстро нагружает локальную модель и вызывает частые переполнения контекста. Уберите лишние серверы и оставьте только нужные для задачи.

Можно ли запускать агента на ноутбуке, а модель — на другом компьютере?
Да, через LM Link. Документация описывает этот сценарий для Hermes Agent и для инструментов вроде Claude Code и Codex. Модель работает на мощной машине, а агент — на ноутбуке.