list_ollama_models

Pembantu penemuan yang menyenaraikan model yang tersedia pada instans Ollama tempatan. Gunakannya untuk mengetahui model yang boleh anda hantar ke extract_with_llm bagi pengekstrakan LLM peribadi pada peranti. 1 credit setiap panggilan.

Kes Penggunaan

Temui Model yang Tersedia

Senaraikan setiap model yang ditarik ke dalam instans Ollama tempatan anda sebelum memulakan pengekstrakan.

Sahkan Persediaan Ollama

Sahkan dengan cepat bahawa pelayan Ollama anda boleh dicapai dan menyajikan model yang anda jangkakan.

Gandingkan dengan extract_with_llm

Pilih nama model secara berprogram daripada senarai ini dan hantar terus ke extract_with_llm.

Endpoint

POST/api/v1/tools/list_ollama_models

Auth Required

1 req/s pada pelan Free

1 credit

Parameter

Alat ini tidak menerima sebarang parameter. Hantar objek JSON kosong ({}) sebagai badan permintaan. Ia menyenaraikan model Ollama yang dipasang pada mesin yang menjalankan pelayan MCP. Pada API CrawlForge yang dihoskan, panggilan dijalankan pada backend pelaksanaan, yang instans Ollamanya mungkin tidak wujud — jika tidak wujud, panggilan gagal tanpa mengenakan caj. Alat ini paling berguna apabila anda sendiri menjalankan pelayan MCP CrawlForge secara tempatan, di mana ia menyenaraikan model anda sendiri yang dipasang.

Contoh Permintaan

cURL

terminalBash

curl -X POST https://crawlforge.dev/api/v1/tools/list_ollama_models \
  -H "X-API-Key: cf_test_YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{}'

TypeScript

listOllamaModels.tsTypescript

// npm install crawlforge-sdk
import { CrawlForge } from 'crawlforge-sdk';

const client = new CrawlForge({ apiKey: process.env.CRAWLFORGE_API_KEY });

const result = await client.listOllamaModels({});

// result.data is untyped in crawlforge-sdk 0.1 — its shape is the Response Example below.
const { models } = result.data as { models: { name: string; size: number }[] };
for (const model of models) {
  console.log(model.name, model.size);
}

Python

list_ollama_models.pyPython

# pip install crawlforge
from crawlforge import CrawlForge

client = CrawlForge()  # reads CRAWLFORGE_API_KEY

result = client.list_ollama_models()

# result.data is a plain dict — its shape is the Response Example below.
for model in result.data['models']:
    print(model['name'], model['size'])

Contoh Respons

200 OK0.2s

{
  "success": true,
  "data": {
    "base_url": "http://localhost:11434",
    "count": 3,
    "models": [
      {
        "name": "llama3.1:8b",
        "size": 4700000000,
        "modified_at": "2026-04-20T10:00:00Z",
        "digest": "sha256:abc123..."
      },
      {
        "name": "qwen2.5:7b",
        "size": 4400000000,
        "modified_at": "2026-04-15T08:30:00Z",
        "digest": "sha256:def456..."
      },
      {
        "name": "mistral:7b",
        "size": 4100000000,
        "modified_at": "2026-03-30T12:15:00Z",
        "digest": "sha256:123456..."
      }
    ]
  },
  "credits_used": 1,
  "credits_remaining": 999,
  "processing_time": 215
}

Field Descriptions

data.base_urlInstans Ollama yang ditanya

data.countBilangan model yang dikembalikan

data.modelsTatasusunan model yang dipasang dengan name, size (bait), modified_at dan digest

credits_used1 credit ditolak setiap panggilan

Kos Credit

1 credit

1 credit setiap panggilan

1 credit setiap panggilan. Pembantu penemuan kos rendah.

Petua: Cache respons di sisi klien jika anda memanggilnya pada setiap pengekstrakan — senarai model jarang berubah antara permintaan.

Alat Berkaitan

extract_with_llm

Pengekstrakan berkuasa LLM — hantar nama model yang ditemui di sini

Bersedia untuk menjalankan pengekstrakan LLM tempatan? Daftar secara percuma dan dapatkan 1,000 credits.