O Ollama Host<\/strong> \u00e9 onde o Ollama de fato roda. Pode ser a sua m\u00e1quina local, um servidor interno da empresa, ou at\u00e9 uma inst\u00e2ncia na AWS ou Azure. Dentro dele vive o Ollama Engine<\/strong>, que \u00e9 o c\u00e9rebro da opera\u00e7\u00e3o \u2014 respons\u00e1vel por gerenciar os modelos baixados e os modelos em execu\u00e7\u00e3o.<\/p>\n\n O Ollama Client<\/strong> \u00e9 a interface de comando que voc\u00ea usa para interagir com o Ollama Engine. \u00c9 ele que recebe os seus comandos e os repassa ao engine.<\/p>\n\n O diagrama abaixo ilustra como esses tr\u00eas blocos se conectam:<\/p>\n\n Dentro do Ollama Host, o Engine gerencia dois estados distintos em que um modelo pode se encontrar.<\/p>\n\n Pulled Models<\/strong> s\u00e3o os modelos que j\u00e1 foram baixados para a sua m\u00e1quina mas que n\u00e3o est\u00e3o em execu\u00e7\u00e3o no momento. Quando voc\u00ea executa um Model Runtimes<\/strong> s\u00e3o os modelos que est\u00e3o de fato em execu\u00e7\u00e3o \u2014 carregados na mem\u00f3ria e prontos para responder. Quando voc\u00ea executa um Esse design \u00e9 importante do ponto de vista corporativo: ele permite que a equipe de TI fa\u00e7a o pull de todos os modelos necess\u00e1rios de uma s\u00f3 vez, e a partir da\u00ed a infraestrutura opera sem precisar de conex\u00e3o com a internet, j\u00e1 que tudo est\u00e1 armazenado localmente.<\/p>\n\n Existem duas maneiras de se comunicar com o Ollama Engine, e elas atendem perfis de usu\u00e1rio bem diferentes.<\/p>\n\n A primeira \u00e9 o Ollama Client<\/strong>, que opera via terminal com comandos diretos como A segunda s\u00e3o as ferramentas de UI<\/strong>, que se conectam ao Ollama Engine e oferecem uma interface gr\u00e1fica para os usu\u00e1rios finais. A mais popular atualmente \u00e9 o Open WebUI<\/strong>, que entrega uma experi\u00eancia muito pr\u00f3xima ao ChatGPT \u2014 com hist\u00f3rico de conversas, troca de modelos, configura\u00e7\u00f5es de comportamento \u2014 sem que o usu\u00e1rio precise saber nada sobre linha de comando. Existem tamb\u00e9m o LM Studio<\/strong> e o Tabby<\/strong>, cada um com caracter\u00edsticas pr\u00f3prias, mas o Open WebUI \u00e9 o que tem o ecossistema mais maduro e a ado\u00e7\u00e3o mais ampla.<\/p>\n\n Para o contexto corporativo, essa separa\u00e7\u00e3o \u00e9 especialmente \u00fatil: o time t\u00e9cnico gerencia tudo pelo Client, enquanto os usu\u00e1rios de neg\u00f3cio interagem pelo Open WebUI sem nenhum atrito.<\/p>\n\n Um detalhe da arquitetura que passa despercebido mas que tem grande relev\u00e2ncia para implanta\u00e7\u00f5es corporativas: o Ollama Host e o Ollama Client s\u00e3o componentes separados e podem rodar em m\u00e1quinas diferentes.<\/p>\n\n Isso significa que voc\u00ea pode ter um servidor dedicado rodando o Ollama Engine \u2014 com hardware robusto, GPU de alto desempenho, armazenamento adequado para m\u00faltiplos modelos \u2014 e qualquer m\u00e1quina da rede pode usar o Client ou uma ferramenta de UI para se conectar a ele. \u00c9 exatamente o modelo que faz sentido para uma empresa: uma infraestrutura centralizada, gerenciada pelo time de TI, acess\u00edvel por todos os usu\u00e1rios da rede interna, sem que nenhum dado saia do per\u00edmetro da organiza\u00e7\u00e3o.<\/p>\n\n A arquitetura do Ollama \u00e9 mais simples do que parece \u00e0 primeira vista, mas foi projetada com flexibilidade suficiente para atender desde o desenvolvedor que quer experimentar um LLM no notebook at\u00e9 a empresa que precisa de uma solu\u00e7\u00e3o robusta de Intelig\u00eancia Artificial rodando na pr\u00f3pria infraestrutura. Entender como o Engine, os Pulled Models, os Model Runtimes e as interfaces se relacionam \u00e9 o primeiro passo para tirar o m\u00e1ximo da ferramenta \u2014 seja para uso pessoal ou para uma implanta\u00e7\u00e3o corporativa de verdade.<\/p>\n\n Se quiser se aprofundar mais no tema, temos outros posts sobre Ollama aqui no blog.<\/p>\n\n Assista tamb\u00e9m:<\/strong> Arquitetura do Ollama Revelada: Entenda Como Funciona por Tr\u00e1s dos Bastidores<\/a><\/p>\n\n
\n![\"Diagrama](\"https:\/\/www.erudio.com.br\/blog\/wp-content\/uploads\/2026\/05\/architechture_of_ollama.png\")
\n
\n\nO Ollama Engine por dentro: Pulled Models e Model Runtimes<\/h2>\n\n
ollama pull mistral<\/code>, por exemplo, o Ollama vai at\u00e9 a Model Library, baixa o modelo e o armazena localmente. Ele fica dispon\u00edvel para uso sem precisar baixar novamente.<\/p>\n\nollama run mistral<\/code>, o Engine verifica se o modelo j\u00e1 est\u00e1 nos Pulled Models. Se estiver, inicializa o runtime a partir dele. Se n\u00e3o estiver, vai at\u00e9 a Model Library, baixa, salva nos Pulled Models e s\u00f3 ent\u00e3o inicializa o runtime. Voc\u00ea pode ter m\u00faltiplos runtimes ativos simultaneamente \u2014 um do Mistral, um do Dolphin, um do Llama \u2014 e o Engine gerencia todos eles.<\/p>\n\nAs duas formas de interagir com o Ollama<\/h2>\n\n
ollama run<\/code>, ollama pull<\/code> e ollama create<\/code>. \u00c9 a forma mais direta e a mais usada por desenvolvedores e times de infraestrutura. Tamb\u00e9m \u00e9 o caminho para automa\u00e7\u00f5es e integra\u00e7\u00f5es com outros sistemas.<\/p>\n\nO Ollama Host n\u00e3o precisa estar na sua m\u00e1quina<\/h2>\n\n
Conclus\u00e3o<\/h2>\n\n