Comment utiliser ego (lite) avec un modèle local

Configurez Qwen en local avec Ollama sous Windows, connectez-le à votre Agent Harness et utilisez ego-browser pour mener à bien une tâche dans le navigateur.

Ce tutoriel connecte un modèle Qwen local à ego (lite) sous Windows. Les vidéos utilisent DeepSeek Harness avec un modèle nommé Qwen3.5 9B Local Demo pour chercher un logement à Tokyo sur Airbnb et renvoyer trois annonces.

La configuration repose sur trois éléments : Ollama exécute le modèle, votre Agent Harness gère la conversation et exécute les outils, et ego (lite) ouvre les pages web via la Skill ego-browser. Télécharger un modèle ne suffit pas à le connecter au navigateur.

Vous pouvez utiliser un autre modèle local et un autre Harness s’ils savent appeler des outils, charger ego-browser et exécuter ses commandes sur l’ordinateur Windows où ego (lite) est installé.

Avant de commencer : préparer les logiciels

Installez ces applications sur le même ordinateur Windows :

Ollama pour Windows : télécharge le modèle et le sert en local. Ouvrez l’application après l’installation et laissez-la tourner.
Votre Agent Harness : les vidéos utilisent DeepSeek Harness. Il doit prendre en charge Ollama en local ou une connexion à un modèle compatible OpenAI, ainsi que l’exécution de commandes locales.
ego (lite) : installez-le et terminez la configuration initiale pour que votre Harness puisse charger la Skill ego-browser. Après la configuration, quittez complètement le Harness, rouvrez-le et démarrez une nouvelle session.

Gardez une connexion Internet pour le téléchargement initial du modèle et pour les sites web que vous voulez consulter. L’inférence du modèle peut s’exécuter en local pendant que le navigateur continue d’accéder aux pages en ligne.

Configurer le modèle local avec Ollama

La vidéo de configuration ouvre le site d’Ollama, recherche qwen3.5 et affiche la famille de modèles avec ses tailles disponibles. Suivez les étapes ci-dessous pour installer et connecter la variante 9B utilisée dans ce tutoriel. La vidéo ne montre ni le téléchargement du modèle ni la configuration du fournisseur dans le Harness.

1. Vérifier Ollama et télécharger Qwen

Ouvrez PowerShell dans Windows Terminal et exécutez :

ollama --version
ollama list
ollama pull qwen3.5:9b
ollama list

Attendez la fin du téléchargement. La dernière liste doit contenir qwen3.5:9b. Indiquez explicitement le tag :9b pour télécharger la taille voulue, plutôt que de vous fier au tag par défaut de la famille. La page officielle du modèle indique le téléchargement disponible et les caractéristiques du modèle. Prévoyez de la mémoire supplémentaire pour le contexte du modèle et pour vos autres applications : la taille du téléchargement ne correspond pas à la mémoire totale nécessaire à l’exécution.

Si PowerShell ne trouve pas ollama, terminez l’installation d’Ollama et ouvrez un nouveau terminal. S’il ne parvient pas à se connecter au service, ouvrez Ollama depuis le menu Démarrer de Windows. Pour l’installation et le service, consultez les instructions d’installation pour Windows.

2. Régler la longueur du contexte

Les tâches dans le navigateur accumulent instructions, texte des pages et résultats d’outils. Dans les paramètres de l’application Ollama, réglez la longueur du contexte sur 64k ou plus, à condition que votre ordinateur dispose d’assez de mémoire. Le guide sur la longueur du contexte d’Ollama recommande au moins 64 000 tokens pour les tâches d’agent et explique la mémoire supplémentaire nécessaire.

Pour une installation en CLI uniquement, vous pouvez plutôt démarrer le service depuis PowerShell avec :

$env:OLLAMA_CONTEXT_LENGTH = "65536"
ollama serve

Utilisez cette méthode à la place de l’application Ollama en cours d’exécution. Quittez d’abord normalement l’application de la zone de notification pour ne pas démarrer un second service sur le même port. Laissez cette fenêtre PowerShell ouverte et utilisez un autre terminal pour les commandes suivantes. La variable d’environnement définie ci-dessus ne vaut que pour cette session de terminal ; définissez-la de nouveau chaque fois que vous lancez un nouveau service en CLI.

3. Vérifier que le modèle répond

Dans PowerShell, exécutez :

ollama run qwen3.5:9b

Envoyez un court message comme Reply with one sentence to confirm you are ready. Attendez la réponse, puis saisissez /bye pour quitter la conversation avec le modèle. Laissez Ollama tourner.

Cette vérification montre que le modèle peut générer du texte. La connexion au navigateur sera vérifiée lorsque vous lancerez la tâche ci-dessous.

4. Connecter votre Harness à Ollama en local

Dans la configuration des modèles ou des fournisseurs prise en charge par votre Harness, ajoutez la connexion locale. Pour une connexion OpenAI-compatible, utilisez ces valeurs issues de la documentation de compatibilité d’Ollama :

Champ	Valeur
Nom du fournisseur	Un nom que vous reconnaîtrez, par exemple `Ollama`
Type d’API	OpenAI-compatible
URL de base	L’adresse de connexion de votre Ollama local
ID du modèle	`qwen3.5:9b` pour le modèle officiel téléchargé ci-dessus
Nom d’affichage	Un nom que vous reconnaîtrez, par exemple `Qwen3.5 9B`
Clé API, si le client en exige une	`ollama` comme valeur de substitution ; Ollama en local l’ignore

Ajoutez le fournisseur via les réglages ou le fichier de configuration pris en charge par votre Harness. Utilisez le format de fichier que prend en charge la version installée de votre Harness, et laissez les autres réglages intacts lorsque vous ajoutez le fournisseur.

Utilisez l’ID de modèle exact renvoyé par ollama list. Un nom d’affichage ne crée ni ne renomme à lui seul un modèle Ollama.

Utilisez l’adresse de connexion locale qu’exige l’intégration Ollama de votre Harness. Avant d’enregistrer le fournisseur, vérifiez s’il attend une connexion Ollama native ou une connexion compatible OpenAI.

Enregistrez la configuration et choisissez le modèle local dans le sélecteur de modèles du Harness. Dans la vidéo, Qwen3.5 9B Local Demo est déjà sélectionné sous la zone de message. Ce n’est qu’un libellé d’affichage : pour configurer votre propre connexion, utilisez l’ID de modèle renvoyé par ollama list. Chaque Harness a ses propres réglages de fournisseur ou fichiers de configuration ; utilisez donc la méthode de configuration prise en charge par le vôtre.

Envoyez un court message de test depuis le Harness, avec votre modèle local sélectionné. Pendant la génération, exécutez ceci dans un autre terminal :

ollama ps

Vérifiez le modèle en cours d’exécution et sa valeur CONTEXT. Une liste vide signifie qu’aucun modèle n’est chargé pour le moment ; refaites la vérification pendant la génération. Vous pouvez ainsi distinguer un modèle simplement enregistré dans la configuration d’un modèle réellement en cours d’exécution dans Ollama.

Étape 1 : régler les autorisations de la session

Avec votre modèle Qwen local sélectionné, ouvrez le menu des autorisations sous la zone de message. Dans l’interface de DeepSeek Harness montrée dans la vidéo, passez de Workspace Write à Full access, sélectionnez I understand the risks and want to continue, puis choisissez Enable Full access.

Ces autorisations sont celles du Harness pour exécuter des outils sur votre ordinateur. Elles sont distinctes de la configuration du modèle dans Ollama. Si vous utilisez un autre Harness, choisissez ses autorisations équivalentes pour les commandes locales et examinez les éventuelles demandes d’approbation.

Étape 2 : charger la Skill ego-browser

Démarrez une nouvelle session. Saisissez /ego-browser, sélectionnez ego-browser dans le sélecteur de commandes slash, ajoutez un espace et saisissez votre tâche dans le même message. Vérifiez que votre modèle Qwen local est toujours sélectionné, puis envoyez le message.

Dans la vidéo, l’agent doit chercher un logement à Tokyo sur Airbnb et trouver trois options bon marché. Vous pouvez utiliser :

Utilise ego-browser pour chercher un logement à Tokyo, au Japon, sur Airbnb. Compare trois annonces bon marché et donne-moi leurs liens et les prix affichés sur la page.

Étape 3 : laisser le modèle local travailler

Qwen génère les actions suivantes via le Harness. Le Harness exécute les commandes ego-browser, ouvre Airbnb dans un Space d’ego (lite), applique des filtres de recherche et lit les annonces. Basculez dans le Space de l’agent pour suivre les actions dans le navigateur, tandis que vos propres onglets restent dans votre Space.

Laissez Ollama et le Harness tourner jusqu’à la fin de la tâche. Pour continuer, le modèle a besoin à la fois du service d’inférence local et de l’exécution des outils par le Harness.

Étape 4 : vérifier le résultat

La tâche enregistrée se termine par un tableau de trois annonces, avec leurs liens et les informations de prix, dans la conversation du Harness. Les pages de l’agent restent disponibles dans ego (lite) : vous pouvez ouvrir les liens renvoyés et les comparer avec la réponse.

Résolution des problèmes

Ollama ne parvient pas à se connecter ou le modèle est introuvable

Ouvrez Ollama, exécutez ollama list et vérifiez la présence de qwen3.5:9b. Terminez le téléchargement avant de réessayer. Si le service fonctionne mais que le Harness n’arrive pas à s’y connecter, comparez son type de connexion, son URL de base et l’ID exact du modèle avec le tableau ci-dessus.

Le modèle n’apparaît pas dans le Harness

Enregistrez la configuration du fournisseur local et redémarrez le Harness s’il n’actualise pas sa liste de modèles. Vérifiez que le fournisseur parvient à se connecter à votre service Ollama en cours d’exécution. Un modèle listé par Ollama doit tout de même être ajouté ou détecté via l’intégration de fournisseur du Harness.

Le modèle répond, mais le navigateur ne bouge pas

Vérifiez que le Harness a chargé ego-browser et qu’il émet des appels d’outils. Si la Skill est absente, terminez la configuration initiale d’ego (lite) et redémarrez le Harness. Contrôlez les autorisations d’exécution locale et les éventuelles approbations en attente. Le Harness doit exécuter les commandes sur le même ordinateur Windows qu’ego (lite).

La tâche est lente, manque de mémoire ou s’interrompt

Lisez l’erreur affichée dans le Harness ou dans Ollama avant de réessayer. Fermez les applications gourmandes en mémoire dont vous n’avez pas besoin et commencez par une tâche plus petite dans le navigateur. Pendant la génération, vérifiez avec ollama ps le modèle chargé et son contexte. Si vous choisissez un modèle plus petit, téléchargez-le et mettez aussi à jour l’ID du modèle dans le Harness ; ce modèle doit lui aussi prendre en charge l’appel d’outils.

Airbnb vous demande de vous connecter

Ouvrez le Space de l’agent, effectuez vous-même la connexion ou la vérification, puis demandez à l’agent de continuer.

Pour aller plus loin

DeepSeek Harness présente l’interface utilisée dans les vidéos.
Votre propre Agent Harness explique ce qu’il faut pour utiliser un autre Harness.
Skills explique comment un agent accède aux outils du navigateur.
Space explique où se trouvent les pages de l’agent.
Ollama pour Windows couvre l’installation et la configuration du service.
Longueur du contexte dans Ollama couvre les réglages du contexte et l’utilisation de la mémoire.