《AI Agent生产力部署指南：OpenClaw + vLLM 本地化实战——（三）OpenClaw与LLM工具链适配》

上一章节中我们完整介绍了如何在服务器中配置vLLM服务，如何运行vLLM，以及如何搭建本地机器作为中间跳转连接虚拟机与服务器的通信。

本章第五节完成最后一个步骤对openclaw的相关配置，让本地能成功对话虚拟机，虚拟机成功调用服务器模型。

下面直接开始吧！

（五）配置openclaw中自定义模型的使用

前面我们搞定了vLLM的配置，并且实现了三台机器的消息转发，但是如上一节内容最后提到的网页界面显示了未知模型，所以这一小节我们来配置【.openclaw/openclaw.json】，适配我们前面vLLM所使用的Qwen3.5-27B-FP8模型，以及在网页中完成对vLLM的调用。

！！！重点注意，由于openclaw的版本迭代可能造成莫名的问题，所以下面的配置思路是主动参与了解的步骤方法一，强烈建议先按方法一熟悉一遍；本小节最后会给出方法二，一个完整简化的openclaw.json文件，如果方法一最后有出入，你可以直接简单修改覆盖原来json即可使用，后续的组件功能增加再做下一步的研究，先让整个系统正常运行起来。

《方法一，按步骤实践配置并了解问题》

还记的在vLLM代码中的【model_name】参数吗？这是openclaw查找模型的唯一id，所以openclaw.json中几个重要参数要注意：

• baseUrl：访问本地ip和端口的地址（跳转地址）；
• apiKey：自己部署的大模型不需要秘钥，可以设置为EMPTY；
• id：vLLM中的模型名，也就是model_name；
• contextWindow：最大容量token数，根据你的模型大小来定，可以与vLLM中的max-model-len参数一致，不能低于16000；
• maxTokens：模型回答容量token；
• input：模型支持的类型，通常text表示支持文本，image表示支持图像（也就是多模态，这里qwen3.5就是多模态），根据使用模型决定填写；

大模型的上下文窗口（Context Window）公式是：
最大容量 (32768) = 你的提问 (Input) + 预留给它回答的空间 (Output / maxTokens)
正常人一次聊天最多也就回答 1000~2000 个 Token，预留4096足以，多给模型留些。

所以我们需要在openclaw.json的一级结构中添加models模块，自定义创建一个我们配置的模型，该模块可以放在agents上方（位置不影响，最后会有完整配置信息展示），例如结合我这里的模型使用情况，模块内容如下所示：

"models": { "mode": "merge", "providers": { "vllm_local": { "baseUrl": "http://172.23.20.15:8000/v1", "apiKey": "EMPTY", "api": "openai-completions", "models":[ { "id": "qwen", "name": "Qwen3.5-27B-FP8", "contextWindow": 32768, "maxTokens": 4096,