BoundaryML/baml项目中使用Ollama服务时URL配置问题解析
2025-06-25 17:28:18作者:幸俭卉
baml
A programming language to build strongly-typed LLM functions. Testing and observability included
在使用BoundaryML/baml项目与Ollama服务集成时,开发者可能会遇到一个常见的配置错误。本文将详细分析该问题的原因及解决方案,帮助开发者正确配置Ollama服务连接。
问题现象
当开发者尝试通过baml客户端连接本地运行的Ollama服务时,可能会遇到以下错误信息:
baml_py.BamlClientError: Something went wrong with the LLM client CustomOllama: Failed to build request: reqwest::Error {
kind: Builder,
source: RelativeUrlWithoutBase,
}
这个错误表明客户端在构建请求时遇到了URL格式问题,具体表现为缺少基础URL配置。
问题根源分析
该错误的根本原因在于Ollama服务的API端点URL配置不正确。Ollama服务默认运行在11434端口,并提供/v1的API端点。当开发者没有正确指定完整的base_url时,客户端无法构建有效的HTTP请求。
解决方案
正确的配置方式是在初始化客户端时明确指定完整的base_url,包括协议(http/https)、主机地址、端口和API版本路径:
def init_cr_ollama(model="deepseek-r1:8b"):
cr = ClientRegistry()
cr.add_llm_client(
name="CustomOllama",
provider="openai-generic",
options={
"model": model,
"base_url": "http://localhost:11434/v1", # 注意端口和/v1路径
},
)
cr.set_primary("CustomOllama")
return cr
同时,在baml的客户端配置文件中也需要保持一致的配置:
client<llm> CustomOllama {
provider "openai-generic"
options {
base_url "http://localhost:11434/v1"
model "llava:7b"
}
}
最佳实践建议
- 端口一致性:确保代码中使用的端口与Ollama服务实际运行的端口一致
- 协议明确:始终明确指定http或https协议
- 路径完整:包含API版本路径/v1
- 环境变量:考虑使用环境变量管理这些配置,便于不同环境的切换
- 连接测试:在正式使用前,先用简单curl命令测试Ollama服务是否可达
总结
通过正确配置base_url参数,开发者可以顺利解决BoundaryML/baml与Ollama服务集成时的连接问题。这个案例也提醒我们,在使用任何API客户端时,都应该仔细检查基础URL的配置格式,确保包含所有必要的组成部分。
baml
A programming language to build strongly-typed LLM functions. Testing and observability included
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660