# モデル (Models)

Source: https://langbot.app/docs/ja/usage/models/readme

LangBot で LLM プロバイダを設定：OpenAI GPT・Anthropic Claude・Google Gemini・DeepSeek・Qwen・Ollama・OpenAI 互換モデル。

## LangBot Models

LangBot Modelsは、LangBotが公式に提供するモデルサービスです。LangBot Spaceアカウントでローカルインスタンスを初期化すると、利用可能なモデルが自動的にインスタンスに追加され、設定は不要です。すぐに始められるように、一定の無料枠が提供されます。

![langbot\_models](https://langbot.app/docs/images/zh/deploy/models/langbot_models.png)

具体的な利用可能モデルについては、[LangBot Space](https://space.langbot.app/models)をご確認ください。

## カスタムモデル

他のソースからモデルを追加することもできます。

### 対話モデル (LLM Model)

モデルはパイプラインによってメッセージ処理に使用されます。最初に設定したモデルがデフォルトパイプラインのモデルとして設定されます。

![arch](https://langbot.app/docs/images/zh/deploy/models/arch.png)

複数のモデルを追加して、パイプラインでどのモデルを使用するかを選択できます。

![model\_config](https://langbot.app/docs/images/zh/deploy/models/model_config.png)

これら4つのパラメータを入力します: `モデル名`、`モデルプロバイダー`、`リクエストURL`、`APIキー`、そして送信します。

モデルの機能は、ベースモデルが実際にサポートしているものを有効化します：

- **ビジョン**：有効にすると画像を認識可能
- **ツール使用**（function calling / tool use）：有効にすると LLM が会話中にツールを呼び出せる

> info:
>
> **MCP サーバー、サンドボックスの組み込みツール（`exec`/`read`/`write`/`edit`/`glob`/`grep`）、Skills のいずれかを利用したい場合は、モデルでツール使用を必ず有効にしてください。** 有効でなければ、パイプラインで拡張機能をバインドしていても Agent はツールを呼び出しません。
>
> ベースモデル自体が function calling に対応している必要があります。不明な場合はモデル提供元のドキュメントを確認してください。

### 埋め込みモデル (Embedding Model)

埋め込みモデルはメッセージのベクトル表現を計算するために使用されます。ナレッジベースを使用する場合は、このモデルを設定してください。

![embedding\_model](https://langbot.app/docs/images/zh/deploy/models/embedding_model.png)

これら4つのパラメータを入力します: `モデル名`、`モデルプロバイダー`、`リクエストURL`、`APIキー`、そして送信します。その後、ナレッジベースでこのモデルを使用するように設定してください。

### seekdb 内蔵埋め込みモデルの使用（オプション依存関係が必要）

リクエストパラメータの入力は不要です。ソースデプロイでは `uv sync --extra seekdb`、パッケージデプロイでは `uvx --from 'langbot[seekdb]@latest' langbot` を使用します。公式 Docker/Kubernetes イメージには SeekDB 依存関係がすでに含まれています。ネイティブデプロイの対応環境は `pylibseekdb` wheel に依存します。

- 「埋め込みモデル」ページで「seekdb-内蔵」を選択します；
- 「保存」をクリックするとすぐに使用できます；
- その後、ナレッジベースでこのモデルを選択すると有効になります。

### Chroma内蔵埋め込みモデルの使用（ゼロ設定）

システムにはChromaの内蔵埋め込みモデル（all-MiniLM-L6-v2）が統合されており、パラメータの入力は不要です。

- 「埋め込みモデル」ページで「chroma-内蔵」を選択します；
- 「保存」をクリックするとすぐに使用できます；
- その後、ナレッジベースでこのモデルを選択すると有効になります。

### 再順位付けモデル (Rerank Model)

再順位付けモデルはRAG検索結果を再スコアリングし、ナレッジベース回答の精度を大幅に向上させます。ナレッジベースが複数の候補ドキュメントを返す場合、再順位付けモデルはクロスエンコーダを使用して各ドキュメントとクエリの関連性を正確にスコアリングし、最も関連性の高いコンテンツのみを選択します。

`モデル名`を入力し、`モデルプロバイダー`を選択して送信します。その後、パイプラインの「AI」設定でこのモデルを選択してください。

> idea:
>
> 再順位付けモデルはオプションです。設定しない場合、ナレッジベースの結果は元の検索順序で使用されます。再順位付けモデルを設定すると、結果が再スコアリングされ、最も関連性の高い上位K件のみが保持されます。