VS CodeでローカルAIを使う方法｜Ollama・LM Studio

先に結論：Chat・agent・補完を同じ「ローカルAI」と考えない

VS Codeの現行docsでは、BYOKでローカルモデルをChatに接続し、GitHubアカウントやCopilotプランなしで使う道が案内されています。一方、inline suggestions、semantic search、embeddingsに依存する機能は別の条件があり、ローカルモデルを選べばすべてオフラインになるわけではありません。

まず短いChatをローカルモデルで確認し、次にコード編集、agent、MCP、inline suggestionsの順で足します。Chatが返ることと、VS Codeの全AI機能がローカルで動くことは別です。

• WindowsローカルAIコーディング - Bionic・Ollama・API・差分確認の広い流れを見る
• ローカルAI APIサーバー - endpoint、model ID、OpenAI互換APIを確認する
• Windows ARM互換性 - アプリ・runtime・拡張機能の互換性を分ける

導入前にVS Codeとruntimeの状態を固定する

VS Code側の設定を触る前に、OllamaまたはLM Studioが単体でモデルを返すことを確認します。単体で失敗している場合は、VS Code拡張の再インストールを繰り返しても原因が隠れるだけです。

1. VS Codeのバージョン、Workspace Trust、拡張機能のpublisher、使いたい機能（Chat・agent・補完）を記録する。
2. Ollamaなら `ollama list` と `ollama ps`、LM StudioならDeveloper tabまたは `lms server status` でモデルとserverを確認する。
3. 同じ短い質問をruntime単体で送り、モデルID、応答、RAM/GPU、local/cloudの条件を控える。
4. VS CodeにはAPI keyやendpointだけを入れ、モデルファイルや秘密ファイルを不用意にworkspaceへコピーしない。

ollama list
ollama ps
lms server status

• Ollama Windows導入と初回確認 - Ollama単体のインストール・モデル・APIを確認する
• LM Studioで最初のモデル - LM Studio単体のモデルロードを確認する
• VS Code公式AI language models - 現行のprovider、BYOK、機能制限を確認する

Ollamaは組み込みproviderではなく公式拡張を先に見る

VS Code公式docsは、組み込みOllama providerをdeprecatedとし、local Ollama modelsにはOllama teamが保守する公式拡張を使うよう案内しています。過去の設定例をそのまま再利用せず、Visual Studio MarketplaceのpublisherがOllamaであること、拡張機能が現在のモデルやcapabilityを認識することを確認します。

1. Ollamaを起動し、`ollama list` で使うモデル、`ollama ps` で実行状態を確認する。
2. VS CodeのExtensions viewで、公式docsから辿れるOllama publisherの拡張機能を開く。名前や設定項目は利用時点のMarketplace表示を優先する。
3. VS CodeのChatのmodel pickerから「Chat: Manage Language Models」を開き、拡張機能が提供するlocal modelを確認する。
4. 短い質問を送り、model ID、送信先、応答、必要なcapabilityを確認する。モデルが出ない場合はVS Codeをreloadする。
5. 以前の組み込みprovider設定がある場合は、公式拡張の動作確認後に不要な古い設定を整理する。

• VS CodeのOllama現行案内 - 組み込みprovider非推奨と公式拡張の案内を見る
• Ollama publisher - 公式docsから案内されるMarketplace publisherを確認する
• Ollamaが起動しない時 - localhost、server、Windowsログの分岐へ進む

LM StudioはCustom Endpointとして接続する

LM StudioをVS Codeから使う場合は、まずLM StudioのDeveloper tabまたは `lms server start` でlocal serverを起動し、次にVS Codeの「Chat: Manage Language Models > Add Models > Custom Endpoint」を検討します。VS CodeのCustom EndpointはChat Completions、Responses、Messagesの3つのAPI typeを扱えるため、LM Studio側の実際のendpoint pathとmodel IDを合わせます。

[
  {
    "name": "Local LM Studio",
    "vendor": "customendpoint",
    "apiType": "chat-completions",
    "models": [
      {
        "id": "<loaded-model-id>",
        "name": "<display-name>",
        "url": "<full-local-endpoint>"
      }
    ]
  }
]

上の設定は形を確認するための例です。`<full-local-endpoint>`、model ID、API type、toolCallingやtoken上限は、LM StudioとVS Codeの利用時点の公式仕様・画面表示に合わせます。API keyが必要な構成では、VS Codeのinput variableや安全なsecret保管を使い、キーをJSONへ直書きしません。

LM Studio公式docsは、CORSを一部のVS Code拡張やWebアプリで有効にする場合があると説明しています。必要なときだけ `--cors` を検討し、`0.0.0.0` bindでLANへ公開する設定は、認証・ファイアウォール・送信範囲を確認するまで行いません。

• LM Studioのserver起動 - port、CORS、bind、statusの公式説明を見る
• LM StudioのTool Use - OpenAI互換API、server、tool useの条件を確認する
• ローカルAI APIの接続確認 - base URL、API path、model IDの共通切り分けを見る

Chat・agent・tool callingでモデル能力を確認する

VS Code公式docsでは、agentで使うモデルにはtool calling対応が必要で、モデル設定には `toolCalling`、`vision`、token上限、streamingなどのcapabilityがあります。モデル名に「coder」や「agent」が入っているだけで、VS Codeのagent機能を保証することはできません。

1. 短いChatで、モデルIDと応答の自然さを確認する。
2. コード編集を1ファイル・小さな差分に限定し、diff editorで内容を確認する。
3. agentを使う場合はtool calling対応が公式またはprovider表示で確認できるモデルを選ぶ。
4. MCPや外部ツールは最後に1つだけ追加し、ツール名、権限、送信先、承認を確認する。

• VS Codeのagent harness - Local・Copilot・Cloudの実行場所とモデルの関係を見る
• ローカルAIとMCP・tool calling - MCPを追加する前の仕組みと安全確認を見る
• VS Code公式tool概念 - built-in、MCP、extension toolsの違いを確認する

オフライン・Copilot・外部送信の境界を確認する

ローカルモデルを使うVS Code Chatは、GitHubアカウント、Copilotプラン、インターネットなしで動かせると公式docsにあります。ただし、inline suggestions、semantic search、embeddingsなど、GitHub/Copilotサービスを前提にする機能は別です。Local harness、Copilot harness、Cloud harnessも、モデルがローカルかどうかとは別の実行場所です。

「local model」と表示されても、拡張機能、MCP、GitHub由来のsemantic search、更新確認などが同じlocal処理になるとは限りません。機密コードを扱う前に、拡張機能の権限、送信先、ログ、API keyの保存場所を確認します。

• VS Code公式Language models concepts - BYOK、offline、Copilot依存機能の境界を見る
• ローカルLLMの安全性 - モデル・履歴・外部送信・権限を分ける
• 履歴・ログ・プライバシー - runtime、履歴、ログ、RAGを別々に確認する

Workspace Trustと差分レビューを先に設定する

ローカルAIは外部送信が少ない構成にできますが、VS Code agentやextensionがファイルを読み書きし、ターミナルやMCPを実行する権限まで持つこととは別問題です。VS Code公式のAI securityは、未確認workspaceをRestricted Modeで開くこと、変更をdiff editorでレビューすること、`.env`などの機密ファイルを保護すること、MCPの出所を確認することを推奨しています。

• 初めて開くリポジトリはWorkspace Trustを確認し、未確認ならRestricted Modeで内容を見る。
• agentを使う前に、現在のworkspace、Session Target、permission、tool pickerを確認する。
• `.env`、秘密鍵、Cookie、個人情報をmodel contextへ入れない。自動編集の対象外にする。
• MCPやextensionを追加する場合はpublisher、権限、設定、送信先、更新経路を確認する。
• 生成された変更はdiff、test、lint、Git statusを確認してから採用する。

• VS Code公式AI security - Workspace Trust、tool承認、MCP、secret、diffレビューを見る
• WindowsローカルAIコーディング - 安全な差分・test・権限確認の実務へ進む

うまくいかないときの分岐

再インストールを繰り返す前に、VS Code、provider拡張、runtime server、model ID、API path、capability、workspace権限のどの層で止まったかを一つに絞ります。機能が未対応なのか、設定が間違っているのかを分けるだけで、無関係な拡張機能を増やさずに済みます。

• ローカルAIの症状別トラブルハブ - 起動、速度、モデル、APIの共通分岐を見る
• LM StudioとOllamaの違い - GUI、CLI、API、初心者向け度を比較する
• VS Code公式AI language models - 設定名と現行仕様を再確認する