coderouter-cli 2.5.1__tar.gz → 2.5.2__tar.gz

{coderouter_cli-2.5.1 → coderouter_cli-2.5.2}/CHANGELOG.md

@@ -6,6 +6,41 @@ versioning follows [SemVer](https://semver.org/).
 
 ---
 
+## [v2.5.2] — 2026-05-22 (Backend-aware Launcher suggestions + backend install guide)
+
+Patch release: a Launcher bug fix and documentation improvements.
+
+### Fixed
+
+- **Launcher "suggest values" (`⚙ 推奨値`) is now backend-aware.**
+  Previously the button emitted llama.cpp flags
+  (`-ngl` / `--ctx-size` / `--threads`) for every backend, but vLLM and
+  MLX reject those. Now:
+  - **llama.cpp** — the flags, as before.
+  - **vLLM** — empty; `--max-model-len` etc. depend on the model's real
+    context length, so the engine's auto-derivation is left to do its job.
+  - **MLX** — empty; it assumes unified memory and takes no launch-time
+    tuning flags.
+
+  Fixed in both the desktop GUI (`launcher_gui.py`) and the Web launcher
+  (`coderouter/ingress/launcher_routes.py`); the `/api/launcher/suggest`
+  endpoint now accepts a `backend` parameter.
+
+### Documentation
+
+- New **`docs/backends/install-backends.md`** (+ `.en.md`) — an
+  installation guide for llama.cpp / vLLM / MLX covering macOS / Linux /
+  Windows, with per-backend verification steps and common pitfalls.
+- **Launcher docs consolidated from 3 files to 2**: `launcher-gui.md` is
+  merged into a unified `launcher.md` (Web + Desktop GUI in one guide,
+  shared reference documented once); `launcher-quickstart.md` is slimmed
+  to delegate installation to the new guide.
+- **Backend venv convention documented**: vLLM / MLX virtual
+  environments live under `~/.coderouter/backends/<backend>/`, one venv
+  per backend.
+
+---
+
 ## [v2.5.1] — 2026-05-22 (MLX backend + docs reorganization)
 
 Patch release: a third Launcher backend, a reorganized documentation

{coderouter_cli-2.5.1 → coderouter_cli-2.5.2}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: coderouter-cli
-Version: 2.5.1
+Version: 2.5.2
 Summary: Local-first, free-first, fallback-built-in LLM router. Claude Code / OpenAI compatible.
 Project-URL: Homepage, https://github.com/zephel01/CodeRouter
 Project-URL: Repository, https://github.com/zephel01/CodeRouter

{coderouter_cli-2.5.1 → coderouter_cli-2.5.2}/coderouter/ingress/launcher_routes.py

@@ -253,14 +253,32 @@ def _model_recommendation(size_gb: float, hw: dict[str, Any]) -> dict[str, str]:
     return {"level": "warn", "label": "メモリ厳しい"}
 
 
-def _suggest_launch_flags(size_gb: float, hw: dict[str, Any]) -> str:
-    """選択モデル + ハードから -ngl / --ctx-size / --threads を提案する。
-
+def _suggest_launch_flags(backend: str, size_gb: float,
+                          hw: dict[str, Any]) -> str:
+    """選択モデル + ハード + バックエンドから推奨起動フラグを提案する。
+
+    バックエンドごとにフラグ体系が違うため分岐する:
+      - llama.cpp : -ngl / --ctx-size / --threads を算出
+      - vllm      : モデル config からの自動導出に任せる (空文字)
+      - mlx       : 統合メモリ前提で起動時フラグ不要 (空文字)
     あくまで目安。他プロセスのメモリ使用や量子化方式までは考慮しない。
     """
-    threads = max(1, int(hw.get("cpu_count", 4)) - 2)
+    if backend == "mlx":
+        # MLX は統合メモリ + Metal 前提。llama.cpp の -ngl に相当する
+        # レイヤーオフロードの概念がなく、mlx_lm.server は起動時の
+        # 性能チューニングフラグを取らない。
+        return ""
+    if backend == "vllm":
+        # vllm の --max-model-len はモデルの実コンテキスト長に依存する。
+        # メモリ量だけのヒューリスティックで値を出すと、モデルの上限を
+        # 超えたときに vllm が起動を拒否する。空にしてエンジンの
+        # 自動導出 (モデル config) に任せるのが安全。
+        return ""
+
+    # llama.cpp (デフォルト)
     usable = _usable_memory_gb(hw)
     weights = size_gb * 1.15                       # 重み + オーバーヘッド概算
+    threads = max(1, int(hw.get("cpu_count", 4)) - 2)
     if hw.get("gpu") == "cpu":
         ngl = 0
     elif usable >= weights + 1.0:
@@ -620,17 +638,20 @@ async def api_logs(proc_id: str, request: Request, n: int = 100) -> dict[str, An
 
 
 @router.get("/api/launcher/suggest")
-async def api_suggest(model_path: str = "") -> dict[str, Any]:
+async def api_suggest(model_path: str = "",
+                      backend: str = "llama.cpp") -> dict[str, Any]:
     """Suggest launch flags for the given model based on detected hardware.
 
     クライアントの「推奨値」ボタンから呼ばれる。値はあくまで目安。
+    バックエンドごとにフラグ体系が違うため backend も受け取る。
     """
     hw = await asyncio.to_thread(_detect_hardware)
     size_gb = 0.0
     if model_path:
         size_gb = await asyncio.to_thread(_model_size_gb, model_path)
     return {
-        "extra_args": _suggest_launch_flags(size_gb, hw),
+        "extra_args": _suggest_launch_flags(backend, size_gb, hw),
+        "backend": backend,
         "hardware": hw,
         "size_gb": round(size_gb, 2),
     }
@@ -905,14 +926,24 @@ _LAUNCHER_HTML = r"""<!doctype html>
   window.suggestOptions = async () => {
     const model = document.getElementById("f-model").value.trim();
     if (!model) { showLaunchErr("先にモデルを選択してください"); return; }
+    const backend = document.getElementById("f-backend").value;
     try {
       const r = await fetch("/api/launcher/suggest?model_path="
-                            + encodeURIComponent(model));
+                            + encodeURIComponent(model)
+                            + "&backend=" + encodeURIComponent(backend));
       const d = await r.json();
       if (!r.ok) { showLaunchErr(d.detail || "推奨値の取得に失敗"); return; }
       document.getElementById("f-extra").value = d.extra_args;
       showLaunchErr("");
-      statusMsg("推奨値を設定(目安): " + d.extra_args);
+      if (d.extra_args) {
+        statusMsg("推奨値を設定(目安): " + d.extra_args);
+      } else if (backend === "mlx") {
+        statusMsg("MLX は起動時の調整フラグ不要です(統合メモリで自動)");
+      } else if (backend === "vllm") {
+        statusMsg("vllm は起動時フラグ不要です(モデル設定から自動導出)");
+      } else {
+        statusMsg("このバックエンドは推奨フラグの自動設定対象外です");
+      }
     } catch (e) {
       showLaunchErr(e.message);
     }

{coderouter_cli-2.5.1 → coderouter_cli-2.5.2}/docs/README.md

@@ -63,9 +63,9 @@ Many documents have a Japanese version (`.md`) and an English version (`.en.md`)
 
 ローカル推論バックエンドの導入・起動・接続。 / Installing, launching, and connecting local inference backends.
 
+- **install-backends** — llama.cpp / vLLM / MLX のインストール手順 / Installing the three backends · [日本語](backends/install-backends.md) · [English](backends/install-backends.en.md)
 - **launcher-quickstart** — バックエンド導入から起動までの最短手順 / Install a backend and launch · [日本語](backends/launcher-quickstart.md)
-- **launcher** — ブラウザから使う Web 版ランチャー / Web launcher · [日本語](backends/launcher.md)
-- **launcher-gui** — デスクトップ GUI ランチャー / Desktop GUI launcher · [日本語](backends/launcher-gui.md)
+- **launcher** — Launcher ガイド(Web版・デスクトップGUI版) / Launcher guide (Web & Desktop GUI) · [日本語](backends/launcher.md)
 - **llamacpp-direct** — llama.cpp に直結する / Connect llama.cpp directly · [日本語](backends/llamacpp-direct.md) · [English](backends/llamacpp-direct.en.md)
 - **lmstudio-direct** — LM Studio に直結する / Connect LM Studio directly · [日本語](backends/lmstudio-direct.md) · [English](backends/lmstudio-direct.en.md)
 - **hf-ollama-models** — HuggingFace 配布モデルを Ollama で使う / Use HF models via Ollama · [日本語](backends/hf-ollama-models.md)

coderouter_cli-2.5.2/docs/backends/install-backends.en.md

@@ -0,0 +1,208 @@
+# Backend Installation Guide — llama.cpp / vLLM / MLX
+
+How to install the three local inference backends that the CodeRouter Launcher starts and manages: **llama.cpp**, **vLLM**, and **MLX**. Installing any one of them is enough to get started.
+
+For Launcher configuration and startup after installation, see the [Launcher Quickstart](./launcher-quickstart.md).
+
+> 日本語版: [install-backends.md](./install-backends.md)
+
+---
+
+## Which backend to choose
+
+| Backend | OS | Model format | Best for |
+|---|---|---|---|
+| **llama.cpp** | macOS / Linux / Windows | GGUF | Anyone starting out. The most portable and lightweight option |
+| **vLLM** | Linux (NVIDIA CUDA) | Hugging Face (safetensors) | High throughput on Linux + GPU |
+| **MLX** | macOS (Apple Silicon) | MLX format | Fast inference on M-series Macs |
+
+**When in doubt, use llama.cpp.** It runs on macOS, Linux, and Windows, has a huge selection of `.gguf` models, and is the lightest to set up. On an Apple Silicon Mac, MLX is a notch faster; on Linux with an NVIDIA GPU, vLLM gives the highest throughput.
+
+---
+
+## 1. llama.cpp
+
+Provides `llama-server`, which exposes an OpenAI-compatible API.
+
+### Supported environment
+
+macOS, Linux, and Windows — all three. GPU acceleration uses Metal on macOS and NVIDIA CUDA on Linux/Windows.
+
+### Option A — Homebrew (macOS / Linux, easiest)
+
+```bash
+brew install llama.cpp
+```
+
+`llama-server` lands on your PATH. Done.
+
+### Option B — winget (Windows)
+
+```powershell
+winget install ggml.llamacpp
+```
+
+### Option C — Prebuilt binaries (any OS)
+
+From the [llama.cpp Releases page](https://github.com/ggml-org/llama.cpp/releases), download the archive matching your OS and backend (CPU / CUDA / Metal) and extract it. Use the `llama-server` inside directly.
+
+### Option D — Build from source (latest version / GPU tuning)
+
+```bash
+git clone https://github.com/ggml-org/llama.cpp
+cd llama.cpp
+```
+
+**macOS (Apple Silicon)** — Metal is enabled by default:
+
+```bash
+cmake -B build
+cmake --build build --config Release -j
+```
+
+**Linux (NVIDIA CUDA)** — requires the CUDA Toolkit:
+
+```bash
+cmake -B build -DGGML_CUDA=ON
+cmake --build build --config Release -j
+```
+
+After building, the server binary is at `build/bin/llama-server`. You will point the Launcher at this full path later.
+
+### Verify
+
+```bash
+llama-server --version
+# Start with a model, then check connectivity from another terminal
+llama-server -m ./model.gguf --port 8080
+curl http://localhost:8080/v1/models
+```
+
+### Common pitfalls
+
+- **CUDA and Metal cannot coexist in one binary.** Build/download for the machine you will run on.
+- If `llama-server` is not found, set the **full path** of the binary (from option B/C/D) in the Launcher's `backends.llama.cpp.binary`.
+
+---
+
+## 2. vLLM
+
+### Supported environment
+
+A high-performance inference server for **Linux + NVIDIA GPU (CUDA)**.
+
+- **macOS**: CPU-only backend, not practical. Use llama.cpp or MLX on a Mac.
+- **Windows**: no native support. Run the Linux steps inside WSL2 (Ubuntu).
+
+### Install
+
+Create the venv under `~/.coderouter/backends/` — the same place as the CodeRouter config — **with a separate venv per backend**. vLLM goes in `~/.coderouter/backends/vllm/` (vLLM and MLX have completely different dependency trees, so always keep their venvs separate). A fixed path lets you write the `binary:` directly in `providers.yaml`.
+
+Installation via `uv` (a fast Python environment manager) is recommended:
+
+```bash
+uv venv ~/.coderouter/backends/vllm --python 3.12 --seed
+source ~/.coderouter/backends/vllm/bin/activate
+uv pip install vllm --torch-backend=auto
+```
+
+`pip` also works:
+
+```bash
+python3.12 -m venv ~/.coderouter/backends/vllm
+source ~/.coderouter/backends/vllm/bin/activate
+pip install vllm
+```
+
+### Verify
+
+```bash
+python -c "import vllm; print(vllm.__version__)"
+# Start with a model (first run downloads from Hugging Face)
+python -m vllm.entrypoints.openai.api_server --model Qwen/Qwen2.5-7B-Instruct --port 8080
+```
+
+> The modern CLI `vllm serve Qwen/Qwen2.5-7B-Instruct --port 8080` starts the same OpenAI-compatible server. The Launcher uses the environment-independent `python -m vllm.entrypoints.openai.api_server` form (both are the same thing).
+
+### Launcher integration
+
+The Launcher starts vLLM as `<python> -m vllm.entrypoints.openai.api_server`. Set `backends.vllm.binary` in `providers.yaml` to the python of the venv created above:
+
+```yaml
+backends:
+  vllm:
+    binary: ~/.coderouter/backends/vllm/bin/python
+```
+
+### Common pitfalls
+
+- A **CUDA driver / Toolkit version mismatch** can break installation or startup. Check your GPU and driver with `nvidia-smi`.
+- Being slow or non-functional on macOS is expected — use llama.cpp / MLX on a Mac.
+
+---
+
+## 3. MLX
+
+Provides `mlx_lm.server`, an inference server built on Apple's MLX machine-learning framework. It runs noticeably faster on Apple Silicon Macs.
+
+### Supported environment
+
+- **macOS 14.0 or later**, **Apple Silicon (M1 or newer)** only.
+- A **native (arm64) Python 3.10+** is required. It will not work with Intel Macs or an x86 Python running under Rosetta.
+
+### Install
+
+Create the venv at `~/.coderouter/backends/mlx/` (a separate venv from vLLM — one per backend):
+
+```bash
+python3 -m venv ~/.coderouter/backends/mlx
+source ~/.coderouter/backends/mlx/bin/activate
+pip install mlx-lm
+```
+
+### Verify
+
+```bash
+# Confirm a native (arm) Python — should print "arm"
+python -c "import platform; print(platform.processor())"
+# Confirm the install
+python -c "import mlx_lm; print('mlx-lm OK')"
+# Start with a model (first run downloads from Hugging Face)
+mlx_lm.server --model mlx-community/Qwen2.5-7B-Instruct-4bit --port 8080
+curl http://localhost:8080/v1/models
+```
+
+### Note on model format
+
+**MLX cannot read GGUF.** `.gguf` files (for llama.cpp) do not work with MLX. Use **MLX-format models**, such as those published by [`mlx-community`](https://huggingface.co/mlx-community) on Hugging Face. Passing a repository ID directly — `mlx_lm.server --model mlx-community/<name>` — downloads it automatically on first use.
+
+### Launcher integration
+
+The Launcher starts MLX as `<python> -m mlx_lm.server`. Set `backends.mlx.binary` in `providers.yaml` to the python of the venv created above:
+
+```yaml
+backends:
+  mlx:
+    binary: ~/.coderouter/backends/mlx/bin/python
+```
+
+### Common pitfalls
+
+- If **`platform.processor()` prints something other than `arm`** (`i386` / `x86_64`), your Python is an x86 build running under Rosetta. In Finder, Get Info on Terminal.app, uncheck "Open using Rosetta", and reinstall a native Python.
+- On macOS older than 14.0, the PyPI package cannot be installed — update your OS.
+- The "suggest values" button's flags such as `-ngl` are llama.cpp-only. MLX assumes unified memory and needs no launch-time tuning flags.
+
+---
+
+## After installation — start it from the Launcher
+
+Once a backend is installed, you can pick a model and start it from the CodeRouter Launcher. The `launcher:` block in `providers.yaml`, plus the full path from Launcher startup to connecting Claude Code, is covered in the [Launcher Quickstart](./launcher-quickstart.md).
+
+---
+
+## Related documents
+
+- [Launcher Quickstart](./launcher-quickstart.md) — configuration and startup after installation
+- [Launcher Guide (Web & Desktop GUI)](./launcher.md)
+- [llama.cpp direct connection guide](./llamacpp-direct.en.md)
+- [CodeRouter Quickstart](../start/quickstart.en.md)

coderouter_cli-2.5.2/docs/backends/install-backends.md

@@ -0,0 +1,208 @@
+# バックエンド インストール手順書 — llama.cpp / vLLM / MLX
+
+CodeRouter Launcher が起動・管理する 3 つのローカル推論バックエンド ── **llama.cpp** / **vLLM** / **MLX** ── の導入手順です。いずれか 1 つを入れれば始められます。
+
+導入後の Launcher 設定・起動については [Launcher クイックスタート](./launcher-quickstart.md) を参照してください。
+
+> English version: [install-backends.en.md](./install-backends.en.md)
+
+---
+
+## どのバックエンドを選ぶか
+
+| バックエンド | 対応 OS | モデル形式 | 向いている人 |
+|---|---|---|---|
+| **llama.cpp** | macOS / Linux / Windows | GGUF | まず試したい人。最も汎用的で軽量 |
+| **vLLM** | Linux (NVIDIA CUDA) | Hugging Face (safetensors) | Linux + GPU で高スループットを出したい人 |
+| **MLX** | macOS (Apple Silicon) | MLX 形式 | M シリーズ Mac で速く動かしたい人 |
+
+**迷ったら llama.cpp。** macOS・Linux・Windows のどれでも動き、`.gguf` モデルが豊富で、セットアップが最も軽量です。Apple Silicon の Mac なら MLX が一段速く、Linux + NVIDIA GPU なら vLLM が高スループットです。
+
+---
+
+## 1. llama.cpp
+
+OpenAI 互換 API を提供する `llama-server` を用意します。
+
+### 対応環境
+
+macOS / Linux / Windows のすべて。GPU は macOS で Metal、Linux/Windows で NVIDIA CUDA に対応します。
+
+### 方法 A — Homebrew(macOS / Linux、最も簡単)
+
+```bash
+brew install llama.cpp
+```
+
+`llama-server` が PATH に入ります。これで完了です。
+
+### 方法 B — winget(Windows)
+
+```powershell
+winget install ggml.llamacpp
+```
+
+### 方法 C — プレビルドバイナリ(全 OS)
+
+[llama.cpp の Releases ページ](https://github.com/ggml-org/llama.cpp/releases) から、OS とバックエンド(CPU / CUDA / Metal)に合ったアーカイブをダウンロードして展開します。中の `llama-server` をそのまま使えます。
+
+### 方法 D — ソースからビルド(最新版・GPU 最適化したい場合)
+
+```bash
+git clone https://github.com/ggml-org/llama.cpp
+cd llama.cpp
+```
+
+**macOS (Apple Silicon)** — Metal は既定で有効:
+
+```bash
+cmake -B build
+cmake --build build --config Release -j
+```
+
+**Linux (NVIDIA CUDA)** — CUDA Toolkit が必要:
+
+```bash
+cmake -B build -DGGML_CUDA=ON
+cmake --build build --config Release -j
+```
+
+ビルド後、サーバーバイナリは `build/bin/llama-server` に生成されます。このフルパスを後で Launcher に設定します。
+
+### 動作確認
+
+```bash
+llama-server --version
+# モデルを指定して起動 → 別ターミナルで疎通確認
+llama-server -m ./model.gguf --port 8080
+curl http://localhost:8080/v1/models
+```
+
+### よくあるつまずき
+
+- **CUDA と Metal は同一バイナリに同梱できません。** 実行マシンに合わせてビルド/ダウンロードしてください。
+- `llama-server` が見つからない場合は、方法 B/C/D で入れたバイナリの**フルパス**を Launcher の `backends.llama.cpp.binary` に設定します。
+
+---
+
+## 2. vLLM
+
+### 対応環境
+
+**Linux + NVIDIA GPU (CUDA)** 向けの高速推論サーバーです。
+
+- **macOS**: CPU バックエンドのみで実用的ではありません。Mac では llama.cpp か MLX を使ってください。
+- **Windows**: ネイティブ対応はありません。WSL2(Ubuntu)上で Linux 手順を実行してください。
+
+### インストール
+
+venv は CodeRouter 設定と同じ `~/.coderouter/backends/` 配下に、**バックエンドごとに分けて**作ります。vLLM は `~/.coderouter/backends/vllm/` です(vLLM と MLX は依存関係がまったく違うため、venv は必ず分けます)。場所を固定すると `providers.yaml` の `binary:` にそのまま書けます。
+
+`uv`(高速な Python 環境管理ツール)での導入が推奨です:
+
+```bash
+uv venv ~/.coderouter/backends/vllm --python 3.12 --seed
+source ~/.coderouter/backends/vllm/bin/activate
+uv pip install vllm --torch-backend=auto
+```
+
+`pip` でも可:
+
+```bash
+python3.12 -m venv ~/.coderouter/backends/vllm
+source ~/.coderouter/backends/vllm/bin/activate
+pip install vllm
+```
+
+### 動作確認
+
+```bash
+python -c "import vllm; print(vllm.__version__)"
+# モデルを指定して起動(初回は Hugging Face からダウンロード)
+python -m vllm.entrypoints.openai.api_server --model Qwen/Qwen2.5-7B-Instruct --port 8080
+```
+
+> 新しい CLI の `vllm serve Qwen/Qwen2.5-7B-Instruct --port 8080` でも同じ OpenAI 互換サーバーが起動します。Launcher は環境に依存しない `python -m vllm.entrypoints.openai.api_server` 形式を使います(どちらも実体は同じ)。
+
+### Launcher との連携
+
+Launcher は vLLM を `<python> -m vllm.entrypoints.openai.api_server` の形で起動します。`providers.yaml` の `backends.vllm.binary` には、上で作った venv の python を指定します:
+
+```yaml
+backends:
+  vllm:
+    binary: ~/.coderouter/backends/vllm/bin/python
+```
+
+### よくあるつまずき
+
+- **CUDA ドライバ / Toolkit のバージョン不一致**でインストールや起動に失敗することがあります。`nvidia-smi` で GPU とドライバを確認してください。
+- macOS で遅い・動かないのは仕様です。Mac では llama.cpp / MLX を使ってください。
+
+---
+
+## 3. MLX
+
+Apple 製の機械学習フレームワーク MLX を使った推論サーバー `mlx_lm.server` を用意します。Apple Silicon の Mac で一段速く動きます。
+
+### 対応環境
+
+- **macOS 14.0 以降**、**Apple Silicon (M1 以降)** のみ。
+- **ネイティブ(arm64)の Python 3.10 以降**が必要です。Intel Mac・Rosetta 経由の x86 Python では動きません。
+
+### インストール
+
+venv は `~/.coderouter/backends/mlx/` に作ります(vLLM とは別の venv。バックエンドごとに分けます):
+
+```bash
+python3 -m venv ~/.coderouter/backends/mlx
+source ~/.coderouter/backends/mlx/bin/activate
+pip install mlx-lm
+```
+
+### 動作確認
+
+```bash
+# native (arm) Python であることを確認 — "arm" と出れば OK
+python -c "import platform; print(platform.processor())"
+# インストール確認
+python -c "import mlx_lm; print('mlx-lm OK')"
+# モデルを指定して起動(初回は Hugging Face からダウンロード)
+mlx_lm.server --model mlx-community/Qwen2.5-7B-Instruct-4bit --port 8080
+curl http://localhost:8080/v1/models
+```
+
+### モデル形式の注意
+
+**MLX は GGUF を読めません。** llama.cpp 用の `.gguf` ファイルは MLX では使えません。Hugging Face の [`mlx-community`](https://huggingface.co/mlx-community) が配布する **MLX 形式のモデル**を使ってください。`mlx_lm.server --model mlx-community/<モデル名>` のようにリポジトリ ID を直接指定すると、初回に自動ダウンロードされます。
+
+### Launcher との連携
+
+Launcher は MLX を `<python> -m mlx_lm.server` の形で起動します。`providers.yaml` の `backends.mlx.binary` には、上で作った venv の python を指定します:
+
+```yaml
+backends:
+  mlx:
+    binary: ~/.coderouter/backends/mlx/bin/python
+```
+
+### よくあるつまずき
+
+- **`platform.processor()` が `arm` 以外**(`i386` / `x86_64`)の場合、Rosetta 経由の x86 Python です。ターミナル.app を Finder で「情報を見る」→「Rosetta を使用して開く」のチェックを外し、ネイティブの Python を入れ直してください。
+- macOS が 14.0 未満では PyPI 版がインストールできません。OS を更新してください。
+- 推奨値ボタンの `-ngl` などは llama.cpp 専用フラグです。MLX は統合メモリ前提のため起動時の調整フラグは不要です。
+
+---
+
+## インストール後 — Launcher で起動する
+
+バックエンドが入ったら、CodeRouter Launcher からモデルを選んで起動できます。`providers.yaml` の `launcher:` ブロック設定と Launcher の起動・Claude Code 接続までの通し手順は、[Launcher クイックスタート](./launcher-quickstart.md) にまとめてあります。
+
+---
+
+## 関連ドキュメント
+
+- [Launcher クイックスタート](./launcher-quickstart.md) — 導入後の設定〜起動
+- [Launcher ガイド(Web版・デスクトップGUI版)](./launcher.md)
+- [llama.cpp 直接接続ガイド](./llamacpp-direct.md)
+- [CodeRouter クイックスタート](../start/quickstart.md)