Use o LM Studio como agente de programação

Carregue um modelo no LM Studio, inicie o servidor local dele e rode oharness -m lmstudio/<model-id>. O provedor lmstudio já vem embutido em localhost:1234, sem chave.

Três passos

Carregue no LM Studio um modelo com chamada de ferramentas e defina o tamanho do contexto em 32K ou mais.
Inicie o servidor pela aba Developer ou com lms server start.
Inicie o agente com o id de modelo que o LM Studio mostra. Só a primeira barra separa o provedor, então ids que têm uma barra própria funcionam como estão.

$npm install -g oharness

$oharness -m lmstudio/qwen/qwen3-coder-30b

Bom saber

/models lista o que o servidor do LM Studio tem carregado; /models refresh pergunta de novo depois que você carrega outro.
Se o tamanho do contexto ficar baixo, sessões longas são truncadas pelo servidor antes que o OHarness as compacte.
Rodar totalmente offline cobre o tráfego de rede restante.

Perguntas frequentes

O LM Studio consegue rodar um agente de programação?

O LM Studio serve o modelo; o loop do agente vem de um harness. O OHarness se conecta ao servidor local do LM Studio em localhost:1234 como provedor embutido, sem chave.

Qual id de modelo uso para o LM Studio no OHarness?

O id que o LM Studio mostra para o modelo carregado, com o prefixo lmstudio/ — por exemplo, oharness -m lmstudio/qwen/qwen3-coder-30b.

Referência de LM Studio

Id do provedor	`lmstudio`
URL base	`http://localhost:1234/v1`
Protocolo	Chat completions compatível com OpenAI
Chave de API	Nenhuma — o endpoint é local.
Descoberta de modelos	Sim — a lista de modelos é pedida ao endpoint em vez de vir embutida.

Como conectar

Nada a configurar e nenhuma chave a obter. Inicie o servidor na porta de costume, e o provedor aparece no seletor de modelos; o harness pede a ele a própria lista de modelos em vez de trazer uma embutida.

Modelos em LM Studio

Os modelos mais recentes que LM Studio serve com chamada de ferramentas, do snapshot do models.dev incluído no OHarness. O harness também pede ao endpoint a lista atual, então um modelo lançado depois deste snapshot ainda aparece no seletor.

Id do modelo	Contexto / saída	$/M entrada / cache / saída	Raciocínio
`openai/gpt-oss-20b`	131K / 33K	0 / — / 0	Sim
`qwen/qwen3-30b-a3b-2507`	262K / 16K	0 / — / 0	Não
`qwen/qwen3-coder-30b`	262K / 66K	0 / — / 0	Não

Preços de tabela em USD por milhão de tokens, lidos do models.dev em 2026-09-19. LM Studio muda seus preços e modelos; a própria página de preços é a referência. Inicie uma sessão com o mais recente:

$oharness -m lmstudio/openai/gpt-oss-20b

Apontando para outro lugar

Um host regional, um gateway ou um servidor seu. As sobrescritas em ~/.oharness/config.json são por campo, então mudar o endpoint não significa repetir o resto do provedor — este é o bloco inteiro, mostrado com o valor padrão para deixar o formato claro:

{
  "providers": {
    "lmstudio": {
      "baseUrl": "http://localhost:1234/v1"
    }
  }
}

O que você tem de qualquer forma

O mesmo loop do agente, as mesmas ferramentas, os mesmos servidores MCP e as mesmas regras de permissão, qualquer que seja o provedor por baixo — e trocar entre eles no meio da sessão não converte nada, porque o histórico nunca é guardado no formato de um fornecedor. O que é um harness de agentes explica por que essa é a parte difícil, e a referência de provedores cobre o próprio catálogo.

Todos os 34 provedores · Instalar o OHarness