NemoClawをローカルvLLMで実行する：セットアップメモとエージェントエンジニアリングの観察

vLLMを使用したローカルNemoClawセットアップ

開発者が、WSL2上でvLLMを使用してローカルのNemotron 9B v2モデルでNVIDIAのNemoClaw（サンドボックス化されたAIエージェントプラットフォーム）を実行した経験を共有しました。このセットアップは、jieunl24のNemoClawフォークに基づいています。

主要な技術的詳細

推論ルーティング: NemoClawの推論ルーティングは、明確なパスをたどります：inference.local → gateway → vLLM。ただし、初期のオンボーディングバグにより、3層ネットワークハックが必要でしたが、これはPR #412によって修正されました。

パーサー互換性: 組み込みのvLLMパーサー（qwen3_coder、nemotron_v3）は、Nemotron v2モデルと互換性がありません。代わりに、NeMoリポジトリからNVIDIAの公式プラグインパーサーを使用する必要があります。

エージェントエンジニアリングのギャップ: エージェントプラットフォームとしてのOpenClawは堅牢なインフラストラクチャを提供しますが、最小限のプロンプトエンジニアリングしか備えていません。「モデルがテキストを提供する」と「エージェントが有用な作業を行う」の間のギャップは、主にモデルの能力制限ではなく、スキャフォールディングに関するものです。

リソース

• アーキテクチャ、vLLMパーサーセットアップ、およびエージェントエンジニアリングの観察をカバーするブログ記事：https://github.com/soy-tuber/nemoclaw-local-inference-guide/blob/master/BLOG-openclaw-agent-engineering.md
• 推論.localルーティングとネットワークハックなしのセットアップガイド（V2）：https://github.com/soy-tuber/nemoclaw-local-inference-guide
• 元のNemoClaw issue #315：https://github.com/NVIDIA/NemoClaw/issues/315

このセットアップは、AIエージェントプラットフォームの実用的なローカルデプロイメントを示しており、技術的な実装の詳細とエージェントエンジニアリングにおける継続的な課題の両方を強調しています。