通義千問3（Qwen3）是阿里巴巴通義千問團隊發(fā)布的最新開源大語言模型，它具備強大的性能、高度的模塊化特性以及出色的工具使用能力。

本文教你如何通過Ollama在本地運行通義千問3，并啟用模型上下文協(xié)議（MCP），以使用代碼解釋器、數(shù)據獲取、時間查詢等工具。

通過學習，你會構建一個完全在本地機器上運行、由通義千問3驅動的智能助手，且無需云API密鑰！開始吧！

1.為什么選擇通義千問3 + Ollama + MCP

為了實現(xiàn)這些先進功能，阿里巴巴推出了模型上下文協(xié)議（MCP）。MCP允許模型通過調度命令行服務與外部工具進行交互，這讓大語言模型能夠以結構化且安全的方式獲取時間、從網站抓取數(shù)據，或調用其他本地工具。

在通義千問智能體（Qwen-Agent）生態(tài)系統(tǒng)中，諸如??mcp-server-time???和??mcp-server-fetch??之類的MCP工具，充當著端點的角色，模型可在需要時自行觸發(fā)這些端點。這些工具通過一個字典進行配置，該字典會告知智能體每個功能應運行的命令。

• 通義千問3：專為開源部署優(yōu)化的前沿大語言模型。
• Ollama：通過一條命令就能簡化本地大語言模型（如通義千問3）的部署。
• MCP：允許外部工具通過結構化消息進行通信（例如網頁瀏覽或時間查詢）。
• 工具使用：拓展通義千問3的能力，使其超越靜態(tài)文本處理——支持執(zhí)行代碼、調用API等更多功能！

2 在本地設置Ollama和通義千問3

步驟1：安裝Ollama并運行通義千問3

在本地終端（Linux/macOS系統(tǒng)）運行以下命令：

# 安裝Ollama
curl -fsSL https://ollama.com/install.sh | sh
# 啟動Ollama服務器
ollama serve

然后拉取通義千問3模型：

ollama pull qwen3

這會獲取通義千問3的模型權重，并通過??http://localhost:11434/v1??這個Ollama API端點，為在本地使用做好準備。

步驟2：克隆并安裝通義千問智能體（Qwen-Agent）

接下來，克隆通義千問智能體的官方代碼庫，并安裝支持圖形用戶界面（GUI）、檢索增強生成（RAG）、代碼解釋以及MCP所需的額外組件。運行以下命令：

# 克隆代碼庫
git clone https://github.com/QwenLM/Qwen-Agent.git
# 安裝所有額外組件
pip install -e ./Qwen-Agent"[gui, rag, code_interpreter, mcp]"

??-e??標記確保以可編輯模式安裝該軟件包，方便在需要時深入研究其內部機制。安裝完成后，你可以編寫一個Python腳本來連接智能助手和Ollama，并啟用工具使用功能。

步驟3：編寫Python腳本

以下是通過MCP + Ollama運行一個支持工具使用的智能助手的完整代碼：

from qwen_agent.agents import Assistant

# 步驟1：配置本地通義千問3模型（由Ollama提供服務）
llm_cfg = {
   'model': 'qwen3',
   'model_server': 'http://localhost:11434/v1',  # Ollama API
    'api_key': 'EMPTY',
}

# 步驟2：定義工具（MCP + 代碼解釋器）
tools = [
    {'mcpServers': {
            'time': {
                'command': 'uvx',
                'args': ['mcp-server-time', '--local-timezone=Asia/Shanghai']
            },
            'fetch': {
                'command': 'uvx',
                'args': ['mcp-server-fetch']
            }
        }
    },
    'code_interpreter',
]

# 步驟3：初始化通義千問智能體助手
bot = Assistant(llm=llm_cfg, function_list=tools)

# 步驟4：發(fā)送包含URL的用戶消息
messages = [{'role': 'user', 'content': 'https://qwenlm.github.io/blog/ Introduce the latest developments of Qwen'}]

# 步驟5：運行智能助手并打印結果
for responses in bot.run(messages=messages):
    pass
print(responses)

這個腳本使用Ollama后端初始化通義千問3模型，并注冊了兩個MCP工具（??time???和??fetch???）以及內置的??code_interpreter??。在根據需求評估工具或代碼后，智能助手會處理用戶消息并返回響應。

3.總結

通義千問 3 搭配通義千問智能體（Qwen - Agent）、模型上下文協(xié)議（MCP）和 Ollama，可構建強大的本地人工智能助手，擺脫對外部云服務的依賴。該組合支持多輪對話、實時信息檢索與 Python 代碼執(zhí)行，所有操作均可在本地環(huán)境完成。

對于重視隱私、追求靈活性與擴展性，且致力于構建智能體的開發(fā)者、研究人員和產品團隊而言，這無疑是理想之選。隨著通義千問 3 持續(xù)迭代，未來它將更有力地支持復雜任務，實現(xiàn)與自定義工具的無縫融合，為本地自主人工智能智能體的發(fā)展開拓廣闊前景。

本文轉載自??AI科技論談?????，作者：AI科技論談