DOCUMENTAZIONE

Da zero alla prima risposta locale.

Una guida diretta per avviare Switchly, collegare il tuo stack e capire esattamente quali componenti servono.

01

Requisiti

Per la chat basta un'installazione funzionante di Python e Ollama. Gli altri componenti sono opzionali.

Python3.10 o successivoOBBLIGATORIO
OllamaModelli chat e visionOBBLIGATORIO
InvokeAIGenerazione immaginiOPZIONALE
DockerCode Interpreter isolatoOPZIONALE
SearXNG / BraveRicerca webOPZIONALE
02

Primo avvio

Su Windows clona o scarica il repository GitHub, estrailo in una cartella nuova e apri start.bat. Il launcher crea un ambiente locale e installa le dipendenze.

Windows chiede l'UAC. La v0.4.2 richiede privilegi amministrativi per consentire all'Agent di lavorare sul sistema. Puoi disattivare gli strumenti host da AI Studio.

# Avvio multipiattaforma da sorgente
python -m venv .venv
pip install -e .
switchly-local
03

Collegare Ollama

Avvia Ollama e installa almeno un modello. Switchly rileva automaticamente il servizio locale su 127.0.0.1:11434.

ollama pull qwen3:8b
  • Scegli Switchly Auto per la selezione automatica.
  • I modelli con tool calling vengono marcati Agent.
  • L'endpoint può puntare anche a una macchina nella rete locale.
04

Generare immagini

Installa InvokeAI Community Edition, avvialo e scarica almeno un modello nel suo Model Manager. Switchly usa l'indirizzo predefinito 127.0.0.1:9090.

Test rapidoSD 1.5 · 512×512 · 15 step
Pipeline avanzateImporta un invocation graph JSON
05

Code Interpreter

Installa e avvia Docker Desktop. Alla prima esecuzione Switchly può scaricare python:3.12-slim o node:22-alpine.

Scrivi i risultati in /output. Allegati disponibili in /input sono in sola lettura; soltanto i file creati in /output vengono conservati.

06

Ricerca web

Apri AI Studio → Ricerca web e scegli uno dei due provider.

SearXNG localeOpen source; richiede un'istanza con output JSON.
Brave Search APIConfigurazione rapida; richiede una chiave.
07

Server MCP

Da AI Studio → Modalità Agente → Gestisci server MCP aggiungi un processo locale o un endpoint remoto.

{
  "mcpServers": {
    "filesystem": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "C:\Progetti"]
    }
  }
}

Un server MCP è software attendibile. Limita il filesystem a cartelle di prova e usa “Approva una volta” finché non hai verificato il comportamento.