Zed + Ollama: o editor ultrarrápido com assistente local

#Configurar Ollama no Zed

A documentação oficial do Zed descreve um procedimento em quatro etapas: baixar e instalar o Ollama, baixar um modelo, verificar se o servidor Ollama está rodando e, depois, selecionar esse modelo no menu suspenso do Zed.

Terminal

ollama pull mistral
ollama serve

No macOS, executar o aplicativo Ollama.app é suficiente para iniciar o servidor; no Linux ou via shell, o comando ollama serve faz o mesmo. Zed é apresentado pela empresa responsável por sua publicação como um editor de código multiusuário e de alto desempenho, desenvolvido pelos criadores de Atom e Tree-sitter; a última versão estável em 28 de setembro de 2026 é a v1.21.0, lançada em 23 de setembro de 2026, e o repositório contava com cerca de 91.000 estrelas no GitHub na mesma data.

Essa configuração do Ollama atende a todas as funcionalidades de IA do Zed que se baseiam em um modelo de linguagem: o painel Agent para tarefas com múltiplos arquivos, o assistente no próprio editor (Inline Assistant) para alterações específicas no editor e os threads de terminal que permitem que o agente sugira comandos. Os agentes externos e os threads de terminal podem, no entanto, exigir sua própria configuração de modelo local, separada da descrita aqui para as funcionalidades nativas do Zed.

#Detecção automática de modelos

O kit Copiloto Local

Este guia leva você ao modelo. O kit leva você ao copiloto que programa no seu editor.

Espaço online vitalício
PDF + arquivos
Atualizações vitalícias

O kit Copiloto Local →ou todos os kits vitalícios — 49 € →

Zed detecta automaticamente os modelos que Ollama já baixou e os disponibiliza no menu de seleção. Para desativar essa detecção e listar manualmente os modelos com suas capacidades exatas, é necessário definir auto_discover como false nas configurações.

settings.json

{
  "language_models": {
    "ollama": {
      "api_url": "http://localhost:11434",
      "auto_discover": false,
      "available_models": [
        {
          "name": "qwen2.5-coder",
          "display_name": "qwen 2.5 coder",
          "max_tokens": 32768,
          "supports_tools": true,
          "supports_thinking": true,
          "supports_images": true
        }
      ]
    }
  }
}

Esse modo manual tem uma utilidade prática: forçar supports_tools ou max_tokens para um modelo que o Zed não classificaria corretamente de forma automática, ou documentar no arquivo de configuração versionado do projeto qual modelo a equipe deve usar.

O campo supports_tools merece atenção especial: é ele que indica ao Zed se o modelo pode receber definições de ferramentas no agente Zed (edição de arquivos, execução de comandos), em vez de ficar limitado a um simples chat. Um modelo Ollama sem capacidade de chamada de ferramentas declarada funcionará para o assistente inline ou a autocompletação, mas não para as tarefas com múltiplos arquivos do painel Agent.

#Janela de contexto de 4096 tokens

Zed passa o comprimento de contexto para Ollama via o parâmetro num_ctx, com 4096 tokens por padrão de acordo com a documentação oficial. É significativamente inferior à janela nativa da maioria dos modelos recentes (frequentemente 32.000 tokens ou mais) e um arquivo de tamanho médio pode ser suficiente para ultrapassar esse limite.

Gradiente de surpresa

Isso não é uma limitação do modelo, mas uma configuração padrão do Zed em si. Um modelo anunciado com contexto de 128k tokens responderá de forma truncada em um arquivo grande se o Zed continuar enviando num_ctx=4096 sem que isso seja corrigido nas configurações.

Identificar o contexto

{
  "language_models": {
    "ollama": {
      "context_window": 8192
    }
  }
}

Essa configuração de context_window se aplica a todos os modelos Ollama configurados no Zed; um contexto diferente por modelo é definido via max_tokens no available_models, desativando auto_discover para que o valor seja considerado.

#llama.cpp e LM Studio, alternativas locais

Zed suporta o llama.cpp no mesmo nível que Ollama, com detecção automática dos modelos disponibilizados em modo roteador, aprimorada por um fluxo /models/sse que exige uma versão recente do servidor llama.cpp. O LM Studio também é suportado via seu servidor de API local, iniciado com lms server start.

Comparar as três opções locais no Zed

Backend	Descoberta de modelos	Particularidade
Ollama	Automático (modelos já baixados)	Contexto a ser configurado manualmente (4096 por padrão)
llama.cpp	Automática no modo roteador (versão recente necessária)	Carregamento sob demanda com a opção -hf
LM Studio	Manual via lista de modelos carregados	Interface gráfica de gerenciamento de modelos além da API

#Permissões das ferramentas do agente

A partir da versão 0.224.0, a aprovação do uso de ferramentas pelo agente Zed é configurada via agent.tool_permissions.default; antes dessa versão, um simples valor booleano (agent.always_allow_tool_actions, false por padrão) controlava tudo. O novo sistema permite regras baseadas em padrões regex, com três resultados possíveis: permitir, negar ou sempre pedir confirmação.

settings.json — regras por ferramenta

{
  "agent": {
    "tool_permissions": {
      "default": "allow",
      "tools": {
        "terminal": {
          "default": "confirm",
          "always_allow": [
            { "pattern": "^cargo\\s+(build|test|check)" }
          ],
          "always_confirm": [{ "pattern": "sudo\\s+/" }]
        }
      }
    }
  }
}

Este exemplo, retirado da documentação oficial, autoriza automaticamente comandos cargo específicos na ferramenta de terminal, mas exige sempre uma confirmação para qualquer comando sudo que afete a raiz do sistema — uma granularidade útil quando o modelo conectado é um pequeno modelo local menos previsível do que um modelo de referência na nuvem.

#O sandbox: o que ele realmente protege

Além das permissões declarativas, o Zed oferece um ambiente isolado (sandbox) no nível do sistema operacional para as chamadas de ferramentas de seu agente. A documentação é precisa sobre seu escopo: ele se aplica apenas às ferramentas terminal e fetch, não ao próprio Zed, nem aos servidores de linguagem, extensões, tarefas ou abas de terminal convencionais.

Ferramenta de terminal: O sandbox restringe as gravações no disco e o acesso à rede externa dos comandos executados pelo agente; os metadados do Git são protegidos.
Ferramenta fetch: O sandbox restringe os hosts com os quais o agente pode efetivamente se comunicar.
Requisitos Linux: Deve estar presente no PATH um binário bwrap executável e não setuid.
Requisitos para Windows: O WSL deve estar disponível; a documentação esclarece que o sandbox nele é mais fraco do que no Linux ou no macOS e pode não bloquear todas as tentativas de escape.

Permissões e sandbox se complementam

As permissões baseadas em padrões limitam a capacidade do agente de acionar uma ação; o sandbox, depois que a ação é iniciada, limita o que ela pode realmente afetar no sistema. Os dois mecanismos não substituem um ao outro.

É importante compreender esse escopo limitado (apenas terminal e fetch) antes de confiar tarefas sensíveis a um pequeno modelo local menos previsível: as alterações em arquivos feitas via edit_file ou write_file passam pelas permissões declarativas e pelos perfis de agente, e não pelo isolamento em nível de sistema do sandbox. Portanto, uma revisão humana continua sendo útil nessas ações, mesmo com o sandbox ativo para as demais.

#Servidores MCP em Zed

Além do uso do Ollama como provedor de modelos, o Zed utiliza o Model Context Protocol para interagir com servidores de contexto externos: bancos de dados, gerenciadores de tickets e documentação empresarial. A documentação oficial especifica que o Zed oferece suporte às funcionalidades de ferramentas e prompts do MCP, o que dá ao agente capacidades adicionais além das ferramentas integradas (edição de arquivos, terminal).

Para garantir que um servidor MCP específico seja efetivamente utilizado em vez de competir com as ferramentas integradas do Zed, a documentação apresenta um perfil de agente dedicado (com o servidor container-use como exemplo) que desativa as ferramentas integradas e ativa apenas as do servidor MCP escolhido, definindo enable_all_context_servers como false na configuração do perfil.

settings.json — trecho do perfil MCP oficial

{
  "enable_all_context_servers": false,
  "context_servers": {
    "container-use": {
      "tools": {
        "environment_create": true,
        "environment_add_service": true,
        "environment_update": true,
        "environment_run_cmd": true
      }
    }
  }
}

Essa granularidade por perfil complementa o sistema de permissões por ferramenta descrito acima: com um modelo Ollama local menos previsível do que um modelo de referência em nuvem, limitar as ferramentas efetivamente expostas ao agente — sejam elas provenientes de um servidor MCP ou dos recursos nativos do Zed — reduz a margem para erros antes mesmo de abordar a questão das permissões e do ambiente isolado (sandbox).

#Edição preditiva (Zeta) também em modo local

Zed oferece uma funcionalidade distinta do agente de chat: a edição preditiva, que sugere a modificação seguinte enquanto você digita, validada com um toque no teclado Tab. O fornecedor padrão é Zeta, um modelo open source desenvolvido por Zed mesmo — distinto dos modelos de conversa configurados no painel Agente ou no assistente online.

Para manter essa funcionalidade totalmente local, a documentação oficial permite configurar um provedor Ollama dedicado à edição preditiva, com variantes do modelo previstas para esse uso (zeta2, em particular), em vez de reutilizar o modelo de chat já configurado para o agente — os dois ajustes são independentes no Zed. Um modelo menor, projetado para prever uma única modificação de cada vez, em vez de manter uma conversa de múltiplos turnos, geralmente responde mais rápido que um modelo de chat generalista nessa tarefa específica, o que conta mais aqui do que a capacidade pura de raciocínio: a latência percebida durante a digitação é o critério prioritário, muito à frente da riqueza das respostas.

→

Dois modelos, dois ajustes distintos

O modelo usado para a edição preditiva (Zeta ou seu equivalente no Ollama) e o modelo usado para o agente de chat ou o assistente inline são configurados separadamente. Aumentar num_ctx para o agente, por exemplo, não altera o comportamento da edição preditiva enquanto o provedor dela não for ajustado.

#Ollama em um servidor remoto

Se Ollama estiver rodando em outra máquina ou exigir uma chave (caso de Ollama Turbo, a versão hospedada), a chave é inserida na interface do fornecedor ou via a variável OLLAMA_API_KEY, e a URL da API deve apontar para o endpoint remoto em vez de localhost.

Esse cenário remoto tem uma vantagem concreta para uma equipe: um único servidor Ollama, dimensionado para um modelo de tamanho adequado, pode atender várias estações de trabalho com Zed configuradas com a mesma URL de API, evitando que cada desenvolvedor execute e recarregue o modelo em sua própria máquina. Nesse caso, basta configurar uma única vez a janela de contexto e as capacidades declaradas (supports_tools, supports_thinking), na configuração compartilhada do projeto, em vez de nas configurações pessoais de cada um.

Perguntas frequentes

Por que o Zed trunca as respostas ao trabalhar com um arquivo grande usando o Ollama?+

Por padrão, o Zed envia ao Ollama uma janela de contexto de apenas 4096 tokens (parâmetro num_ctx), independentemente da janela nativa anunciada pelo modelo. Isso não é uma limitação do modelo, mas uma configuração padrão do próprio Zed. O ajuste context_window nos parâmetros Ollama do Zed permite aumentá-la, por exemplo, para 8192 ou mais, conforme a VRAM disponível.

O Zed detecta automaticamente os meus modelos Ollama?+

Sim, por padrão, o Zed detecta os modelos já baixados pelo Ollama e os disponibiliza no menu de seleção. Para listar manualmente os modelos com suas capacidades específicas (suporte a ferramentas, raciocínio e imagens), é necessário desativar auto_discover e declará-los manualmente em available_models, com um max_tokens específico para cada um.

O sandbox do Zed protege todas as ferramentas do agente?+

Não. A documentação oficial especifica que se aplica apenas às ferramentas de terminal e fetch. As demais ferramentas, como a edição de arquivos via edit_file ou write_file, permanecem sob o controle das permissões declarativas e dos perfis de agente, sem isolamento adicional no sistema — uma revisão humana continua útil nessas ações.

É possível usar LM Studio ou llama.cpp no lugar de Ollama no Zed?+

Sim, os três são suportados nativamente pelas funcionalidades de IA do Zed. O llama.cpp e o Ollama oferecem descoberta automática de modelos já carregados; o LM Studio exige que você inicie seu próprio servidor API local com o comando lms server start antes que o Zed consiga se conectar a ele.

O sandbox do Zed é tão confiável no Windows quanto no Linux?+

Não, a documentação oficial menciona explicitamente: o sandbox no Windows depende do WSL e é mais fraco do que no Linux ou macOS, onde se baseia no bwrap; pode não impedir todas as tentativas de escape nessa plataforma, o que deve ser considerado antes de confiar a ele uma tarefa sensível.

Zed pode usar servidores MCP com um modelo Ollama local?+

Sim. O Zed oferece suporte às funcionalidades de Ferramentas e Prompts do Model Context Protocol, independentemente do fornecedor de modelo configurado, incluindo o Ollama. Um perfil de agente dedicado permite desativar as ferramentas integradas e disponibilizar apenas as de um servidor MCP específico, o que reduz as possibilidades de erro com um modelo local menos previsível.

A edição preditiva do Zed pode rodar inteiramente em modo local?+

Sim. O fornecedor padrão, Zeta, é um modelo open source desenvolvido por Zed, mas a documentação oficial permite substituí-lo por um modelo local do Ollama (variantes como zeta2 estão previstas para esse uso). Esse ajuste é independente do modelo usado pelo agente de chat ou pelo assistente online.

Este guia ajudou você?

Um comentário, um erro ou uma observação? Avise-nos; isso ajuda a melhorar o guia para todos.

Os kits QuelLLMO guia de referência por uso

Copiloto Local IA local Agentes Locais RAG Local IA Empresarial IA Sem Filtros Mac Imagens IA

Todos os kits vitalícios — 49 €

Próximo passo lógico

Casos de uso · 20 min