Collegare Ollama MCP a ChatGPT

💡 Non vuoi installare nulla? Usa direttamente cloud.anythingmcp.com. Accedi, clicca su Connectors → Ollama, incolla le tue credenziali, genera una chiave API MCP — fatto. Niente Docker, niente git clone, nessun server locale.

Ollama + ChatGPT

Permetti alla tua AI di usare modelli open-weight come Gemma, Llama, Qwen, Mistral e DeepSeek in esecuzione sul tuo server Ollama (o su Ollama Cloud): elenca i modelli installati e caricati, leggi i dettagli e le capacità di un modello, chatta, genera testo e crea embedding, senza inviare dati a un provider AI esterno.

Prerequisiti

Consulta le istruzioni complete di configurazione incluse nel connettore (visibili nello store dell'app quando selezioni il connettore). Le variabili d'ambiente richieste per questo connettore sono:

OLLAMA_URL

Passaggio 1 — Ottieni le credenziali

La configurazione richiede circa 2 minuti. Ti serve un server Ollama raggiungibile da AnythingMCP, con almeno un modello scaricato, oppure una chiave API di Ollama Cloud.

1. Installa Ollama da https://ollama.com/download e scarica un modello, ad es. ollama pull gemma3.
2. Inserisci in OLLAMA_URL l'URL di base del server, senza /api, ad es. http://localhost:11434 (la porta predefinita di Ollama). Se AnythingMCP gira in Docker e Ollama gira sull'host, usa http://host.docker.internal:11434. Per Ollama su un'altra macchina, avvialo lì con OLLAMA_HOST=0.0.0.0 e usa l'indirizzo di quella macchina.
3. AnythingMCP self-hosted: aggiungi quell'host (ad es. localhost, host.docker.internal o l'IP del server) a SSRF_ALLOWED_HOSTS nel backend di AnythingMCP, che per impostazione predefinita blocca gli indirizzi locali e privati. AnythingMCP Cloud non può raggiungere un server sulla tua macchina o sulla tua rete: usa Ollama Cloud (passaggio 4) oppure un server Ollama con un indirizzo pubblico.
4. Lascia OLLAMA_API_KEY vuota per un server locale. Per Ollama Cloud, imposta OLLAMA_URL su https://ollama.com e incolla una chiave da https://ollama.com/settings/keys. Per un server dietro un reverse proxy che verifica un token, inserisci qui il bearer token del proxy. La chiave viene inviata come Authorization: Bearer solo se è impostata.
5. Installa il connettore ed esegui ollama_get_version: se il server risponde, la configurazione è corretta.

Cosa fa: ollama_list_models elenca i modelli installati con famiglia, numero di parametri e quantizzazione, mentre ollama_list_running_models mostra quali sono caricati in memoria in questo momento. ollama_show_model restituisce le capacità di un modello (completion, vision, tools, thinking, embedding), la lunghezza del contesto, i parametri e il template del prompt, così l'AI può verificare cosa supporta un modello prima di inviare immagini o strumenti. ollama_chat gestisce una conversazione con prompt di sistema, cronologia, immagini per i modelli vision, tool calling, output JSON e thinking. ollama_generate risponde a un singolo prompt, incluso il fill-in-the-middle con suffix sui modelli per il codice. ollama_embed crea vettori di embedding con un modello di embedding come embeddinggemma o nomic-embed-text. Prompt e risposte restano sul tuo server.

Velocità e costi: le risposte non vengono inviate in streaming. La prima chiamata a un modello non caricato lo carica anche, e ci vogliono da pochi secondi fino a un minuto per i modelli grandi (load_duration nel risultato lo indica, in nanosecondi). Un server locale è gratuito; l'uso di Ollama Cloud viene conteggiato nel piano del tuo account. L'output di un modello può essere sbagliato o contenere istruzioni, quindi l'AI lo tratta come dati, non come ordini.

Errori comuni: connection refused o bloccata significa che Ollama non è in esecuzione all'indirizzo OLLAMA_URL, che è in ascolto solo su 127.0.0.1 di un'altra macchina, oppure che l'host non è presente in SSRF_ALLOWED_HOSTS. 404 model 'x' not found significa che il modello non è installato: esegui ollama pull x sul server. 400 does not support tools/thinking/insert, oppure un errore di embedding, significa che il modello non ha quella capacità (controlla con ollama_show_model). 401 su Ollama Cloud significa che la chiave API manca o è errata.

Il connettore non scarica, non pubblica, non copia, non crea e non elimina modelli, quindi non modifica mai ciò che è installato sul tuo server.

Passaggio 2 — Installa l'adapter

curl -fsSL https://raw.githubusercontent.com/HelpCode-ai/anythingmcp/main/docker-compose.quickstart.yml -o docker-compose.yml
printf 'JWT_SECRET=%s\nENCRYPTION_KEY=%s\n' "$(openssl rand -hex 32)" "$(openssl rand -hex 32)" > .env
docker compose up -d

Passaggio 3 — Aggiungi il connettore in ChatGPT

L'URL del tuo server: in AnythingMCP, apri MCP Servers → il server su cui si trova questo connettore e copia il suo URL (https://cloud.anythingmcp.com/mcp/…). Usalo ovunque questa guida riporti YOUR_SERVER_ID.

ChatGPT aggiunge i server MCP come plugin nella pagina Plugins, sul web e nei piani a pagamento. La modalità sviluppatore non è più necessaria. In un workspace Business solo gli admin e i proprietari possono aggiungerne uno; in Enterprise ed Edu un admin può concedere il permesso Create plugins with MCPs.

1. Vai su chatgpt.com/plugins, clicca su Add, poi su Add custom MCP server.
2. Inserisci un nome, ad es. Name: Ollama.
3. In Connection, inserisci come Server URL https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID e lascia Authentication su OAuth.
4. Seleziona I understand and want to continue, poi Create as a plugin. Quando ChatGPT lo chiede, accedi ad AnythingMCP e consenti l'accesso.
5. Installa il nuovo plugin dai tuoi plugin personali, poi digita @ in una chat e selezionalo.

Tool disponibili

FAQ

Il piano gratuito di ChatGPT funziona con i server MCP personalizzati? OpenAI documenta i server MCP personalizzati solo per i piani a pagamento; il piano Free non è nel suo elenco.

Prossimi passi

• Pagina del connettore
• Collegare a Claude