完全オフライン・APIコストゼロ・プライバシー完全保護の「ローカルLLMによる自律型AIコーディングエージェント環境」を夢見て、OpenCode + LM Studio / Ollama の組み合わせを徹底検証しました。
結論から言うと、2026年現在のローカルLLM環境では実用化は極めて厳しい（＝自律エージェントは素直にクラウドAPIを使え）という結論に至りました。
その理由と、インストール時のハマりポイント、実際の構築・完全削除手順、ログとともに記録しておきます。
今回検証した動作環境
検証に使用したマシンスペックおよびOS環境は以下の通りです。GPU帯域やVRAM容量的にはかなり余裕のある構成で検証を行っています。
- ホストOS: Windows 11
- 実行環境: WSL2 (Ubuntu 24.04 LTS)
- PC本体: MinisForum AI X1Pro(AMD Ryzen AI 9 HX 370)
- GPU構成:
- 内蔵GPU（iGPU）: AMD Radeon Graphics（890M）
- 外付けGPU（eGPU）: AMD Radeon RX 9070 XT（Oculink経由で高速接続）
- LLM実行基盤: LM Studio / Ollama (OpenAI互換APIサーバーとして稼働)
1. 最初の罠：インストール段階で普通に詰まる
「さあ試そう」と npm install -g opencode-ai を叩いた瞬間から、すでに最初のトラップが待っていました。
OpenCodeは内部でビルドスクリプトやネイティブ依存関係を動かすため、近年のNode.js/npm環境ではセキュリティ保護（Postinstallスクリプトの自動ブロック）に引っかかり、通常のインストールコマンドでは正常にセットアップが完了しないという罠があります。
明示的に --allow-scripts=opencode-ai オプションを付与してスクリプトの実行を許可してあげる必要がありました。
正しいインストール手順
Bash
# スクリプト実行許可フラグを明示してグローバルインストール
npm install -g opencode-ai --allow-scripts=opencode-ai
# OpenCodeの起動
opencode
設定ファイル（~/.config/opencode/opencode.json）
LM Studio（デフォルト: ポート1234）やOllama（デフォルト: ポート11434）をローカルAPIエンドポイントとして接続します。
JSON
{
"$schema": "https://opencode.ai/config.json",
"customInstructions": "すべての回答、思考ログ、コードコメントは日本語で出力してください。",
"provider": {
"lmstudio": {
"npm": "@ai-sdk/openai-compatible",
"name": "LM Studio",
"options": {
"baseURL": "http://localhost:1234/v1"
},
"models": {
"your-model-name": {}
}
}
},
"model": "lmstudio/your-model-name"
}
2. なぜ「使い物にならない」という結論になったのか？
① 軽量モデル（Qwen2.5-Coder 7B）の壁：
日本語が崩れ、画面にRAWなJSONを吐き出す
レスポンス速度を期待して Qwen2.5-Coder-7B を試したところ、エージェントが求める「Tool Call（関数呼び出しのための構造化JSON）」の生成精度が低く、以下の事象が発生しました。
- 日本語仕様書の解釈拒絶: 「I’m sorry, I can’t understand Japanese」と返されたり、処理をスキップされる。
- JSONの漏れ出し: 本来バックグラウンドで処理されるべきTool CallのJSON（
{"name": "write", ...}など）がそのままテキストとして画面に出力される。 - 設定の破壊: 存在しないスキーマ（
system_instructions等）を勝手に生成して設定ファイルを破損させる。
② 大型・Thinkingモデル（Gemma 4 / Qwen重モデル）の壁：
1ターン50秒以上で開発体験（DX）崩壊
知能を上げるため大型モデル（Gemma 4や30B超のQwen）に切り替えたところ、Tool Callの精度や日本語解釈は向上したものの、今度は速度（レイテンシ）が壊滅的でした。
- 自律型エージェントは「思考 → ファイル検索 → 編集 → ターミナル実行 → ログ解析」というマルチステップの往復を行う。
- 1回のレスポンスに50秒〜1分近くかかるため、1つのタスクを終えるのに数十分単位の待ち時間が発生。
- 途中で判断ミスやループが起きると、待った時間がすべて無駄になる。
3. 補足：OpenCodeのメリットと「コスト」という決定的な罠
「ローカルLLMがダメなら、OpenCodeで複数のクラウドLLM（Claude, DeepSeek, OpenAI）を切り替えながら使えばいいのでは？」という考え方もあります。
確かに、OpenCodeのようなOSSツールを使うメリットとして以下が挙げられます。
- ベンダーロックインの回避: 特定のエディタやプラットフォームに縛られない
- 複数LLMの柔軟な切り替え: レートリミット回避や、モデルごとの使い分け
しかし、ここにも「WebサブスクとAPI従量課金の壁」という巨大な罠が存在します。
- Web定額枠（ChatGPT Plus / Claude Pro等）とAPIクレジットは完全に別物
Web上でいくら月額サブスクを払っていても、OpenCodeなどのCLIツールから叩く場合は「APIキー経由の従量課金」になります。 - 自律エージェントのトークン消費量は桁違い
エージェントはマルチステップで思考・検索・試行錯誤を行うため、1回のタスクで膨大なコンテキスト（ファイル群ややり取り履歴）を毎回APIに送信します。調子に乗って回していると、あっという間にAPI請求額が跳ね上がります。
結局のところ、有料のクラウドAPIをOpenCode経由で従量課金で回すくらいなら、最初からClaude CodeやCursor、Webサブスク枠で直接やり取りした方が遥かに安く安全です。
4. クリーンアップ（完全アンインストール手順）
検証後、環境を元通りに消去するための完全アンインストール手順です。ローカルデータキャッシュまで含めて綺麗さっぱり削除します。
Bash
# 1. グローバルパッケージの削除
npm uninstall -g opencode-ai
# 2. 設定ファイル・データ・ログキャッシュの完全削除
rm -rf ~/.config/opencode ~/.opencode ~/.local/share/opencode
5. まとめ：現時点での結論
- セットアップ時点から罠があり、ローカルLLMでの自律エージェントは【使い物にならない】 インストール時のスクリプト権限問題に始まり、7Bはフォーマット崩れで自律処理できず、30B超はレスポンスが重すぎて開発のリズム（DX）が壊滅する。
- クラウドAPIでOpenCodeを回すのも【コスト的に選択肢になり得ない】 複数LLMを切り替えられるメリットはあるが、Webサブスク枠とは別に高額なAPI従量課金が発生するため、コスパが劣悪。
- 現時点での最適解 「Web定額サブスクの枠内で優秀なモデル（Claude等）に設計・コードを出させるか、完成されたコーディングエージェント（Claude Code / Cursor等）に任せる」。ローカルLLMを使うなら、VS Codeの Continue 等で
Qwen2.5-Coder-7Bによる「インラインコード補完（FIM）」専用で回すのが唯一の現実解。
以上、何かの参考になれば幸いです。
