AIサービスのテスト 2026 「AIサービスのテスト 2025」の記事と同様な構成で、2026年6月にリリースされた Claris FileMaker 2026で再度テストした結果を記載します。 概要 AI サービスのテスト 2025 の記事と同様な構成で、 2026 年 6 月にリリースされた Claris FileMaker 2026 で再度テストした結果を記載します。 AIサービスの動作環境が2025版から厳しく(必須デバイス以下ですが)なりましたが、同一のモデルとテストアプリで2025版でも同様な結果を得ることが出来ました。 動作環境の概要 他のローカル LLM に比べて少しハイスペックな環境が必要なようです。 (今回は。FileMaker Serverも同居しているためにより環境が厳しくなっています。) 以下の記事の内容を抜粋しています。 安全・安心に AI を利用するためのローカル LLM 環境： Claris FileMaker 2025 - AI 活用 2026 年 05 月 13 日の記事 https://www.claris.com/ja/blog/2026/filemaker2025-ai-local-llm Claris FileMaker 2026 動作環境 https://community.claris.com/ja/s/article/Claris-File AI を動作させるためには以下の動作環境が最小スペックとなります。 捕捉 : 使用するモデルにも左右されます。 環境が弱いと AI モデルをダウンロード出来ても応答速度が極端に遅く成ったり、ロード時にメモリ不足のエラーが表示されて実行出来なかったりします。 以下の情報はClaris FileMaker 2026 動作環境から抜粋した物です。 https://community.claris.com/ja/s/article/Claris-File 推奨モデル: テキスト生成/イメージキャプション 推奨モデル: ベクトル埋め込みおよびセマンティック検索 AI モデルサーバーのハードウェアの必要条件 動作環境 推奨モデル: テキスト生成/イメージキャプション Claris AI Model Server (Mac) < 埋め込み > チップ : Apple シリコン メモリ : 16 GB < イメージキャプション / テキスト生成 / ファインチューニング > 必須 - Mac mini チップ : M4 メモリ : 32 GB 推奨 - Mac mini/Studio チップ : M4 Pro/M4 Max (16 コア Neural Engine) メモリ : 64 GB 最良 - Mac Studio チップ : M3 Ultra (32 コア Neural Engine) メモリ : 96 GB Claris AI Model Server (Ubuntu/Windows) < 埋め込み > CPU: Intel Xeon または AMD Zen 4 、 5 シリーズ、 AVX2 、または AVX512 RAM: 16 GB < イメージキャプション / テキスト生成 / ファインチューニング > 必須 NVIDIA または AMD GPU が必須 CPU: Intel Xeon または AMD Zen 4 、 5 シリーズ、 AVX2 、または AVX512 GPU: NVIDIA: Nvidia RTX 4090 または Nvidia RTX Ada 4500 、合計 24 GB 以上の VRAM AMD: (Ubuntu のみ ) AMD Radeon AI PRO R9700 、合計 24 GB 以上の VRAM VRAM: 24 GB 推奨 CPU: Intel Xeon または AMD Zen 4 、 5 シリーズ、 AVX2 、または AVX512 GPU: Nvidia RTX 5090 、合計 32 GB 以上の VRAM 最良 NVIDIA GPU が必須 CPU: Intel Xeon または AMD Zen 4 、 5 シリーズ、 AVX2 、または AVX512 GPU: Nvidia RTX PRO 6000 、合計 96 GB 以上の VRAM VRAM: 96 GB 今回のテスト環境 今回は、手持ちの次のmacOS機種でテストします。 Claris AI Model Server (Mac)の必須条件にも満たない機種ですがテストします。 macOS Mac mini 2023 CPU: Apple シリコン M2    (M4では無い) RAM: 24 GB macOS: Sequoia 15.7.5   AIサービスの関係図 FileMaker の AI サービスを実行するための関係を簡単に図示してみました。 この図は、今回テストし結果を元に作成した物です。 FileMaker の AI サービスは、 FileMaker Server 上でローカル LLM を実行出来るサービスを提供します。 この AI サービスは、 FileMaker Pro アプリのスクリプトから呼び出して実行します。 AI サービスのローカル LLM で使用するモデルのダウンロード先として使用する Hugging Face サービスから Access Token を使用してモデルをダウンロードし、ロードして使用できるようにします。 最終的に、ローカルLLMをFileMaker Pro アプリのスクリプトから AI サービス キーとモデル名を使用して、エンドポイントへ要求し結果を取得します。 Hugging Faceへの登録 Hugging Faceサイト FileMaker Server 2026 のローカル LLM 機能(AIサービス)を使用するためには Hugging Face サイトから公開されているモデルをAIサービスからダウンロードする必要が有ります。そのために Hugging Face サイトの登録を先にしておきます。 Hugging Face ( ハギングフェイス ) サイト https://huggingface.co/ アカウント登録 「 Sign Up 」ボタンを押して登録を開始します。 電子メールアドレスとバスワードを設定して「 Next 」ボタンを押します。 プロファイルを登録します。 なんか、確認が。。。。 「開始」ボタンを押と再度。。。 「 Please check your email address for a confirmation link 」に従って電子メールから確認します。 Web ページの「 Confirm 」ボタンを押して確認します。 Access Tokensの作成 アクセストークンを作成します。 ユーザー ICON をクリックしてメニューから「 Access Tokens 」を選択します。 「 Create new token 」ボタンを押して作成します。 Token type を「 Read 」にして「 Token name 」に「FMServer」と入力して「 Create new token 」ボタンで作成します。 今回の FileMaker Server 2025のAIサービス 向けのモデルはダウンロードのみなので「 read 」にしています。 生成したToken を Copy します。このTokenを使用してFileMaker Server 2025のAIサービスからモデルをダウンロードします。 追加された Token が一覧に表示されます。 AIサービスの設定 FileMaker Server 2026の「AIサービス」を設定します。 設定 FileMaker ServerのAdmin Consoleにログインします。 注意: adminとしてローカルアドレスで接続します。 例:http:// 127.0.0.1 :16001/admin-console 127.0.0.1などのI IPアドレスから でアクセスすると他の設定 ( 主に URL) に影響が発生する場合があります。 ローカルドメイン時は「 http://a10-macmini-2023.local:16001/admin-console 」とかのドメイン名でアクセスします。 今回のテスト環境では、ローカルアクセスのIPアドレス「 127.0.0.1 」でテストしています。 管理者「admin」でログインし「 AI サービス」を選択します、 モデルサーバーを設定 モデルサーバーの「状態」チェックボックスを「 ON 」に変更します。 設定ダイアログ「モデルサーバーを設定」が表示されます。 内容に従って設定を実施します。 1.Miniforge に移動します。 Miniforge のWebURL https://github.com/conda-forge/miniforge/releases/ ダイアログに表示されている「 26.1.1-3 」を探します。 Assets内から指定された「 Miniforge3-26.3.2-2-MacOSX-arm64.sh 」を選択しダウンロードします。 「モデルサーバーを設定」ダイアログの「参照 ... 」ボタンを押して「 Miniforge3-MacOSX-arm64.sh 」を選択し「アップロード」を選択します。 「モデルサーバーを設定」ダイアログの「ファイルをアップロード」ボタンを押してアップロードします。 捕捉 : 指定したファイルに問題が有れば次のようなダイアログが出てアップロードがキャンセルされます。 もう一度、ファイルを探しダウンロードをして、正しいファイルをアップロードしてください。 しばらくすると処理が実行された後、ステータスが「準備中」から「実行中」へ変更されます。 macOSのアクティビティモニターアプリのCPU使用状態の一例です。 「実行中」の画面が次の用になります。 更にしばらくすると、状態表示に更に追加されます。 左側には新しいメニューが追加され次の用になります。 ・設定 ・モデル ・ファインチューニング済みモデル ・リクエスト ・チャット Hugging Face からモデルをダウンロードするためにモデルサーバーの「 Hugging Face トークン ン」項目に Hugging Faceで作成した「Access Token」 登録します。 サーバー構成の「アクセスにはAPIキーが必要」をONとします。 APIキーの作成 FileMaker Server の AI サービスに外部からアクセスするための API キーを作成します。 捕捉 : ここで生成されたキーは FileMaker スクリプトでAPIキーとして利用します。 左のメニューから「キー」を選択して「キー」画面を表示します。 「キーを作成」ボタンをクリックして新しいキーを登録します。 名前: AIKeyTest サービスへのアクセスを許可: テキストおよびクエリー生成 有効期限: 6ヶ月 を設定して「保存」ボタンを押して登録します。 APIキーが表示されるので コピーして保存 してください。 注意 : APIキーは一度しか表示されないので注意してください。 捕捉 : ここで生成されたキーは FileMaker スクリプトでAPIキーとして利用します。 新しいキーが一覧に追加されます。 ここまでで、モデルをダウンロードとAIサービスへのアクセスする準備が整いました。 サーバー構成の設定 サーバー構成の「アクセスにはAPIキーが必要」をONとしてAPIキーを利用するようにします。 モデル設定 左のメニューから「モデル」を選択して、モデル画面を表示します。 デフォルトで登録されているモデル一覧が表示されます。 モデルの「名前」は、 FileMaker スクリプトで使用します。 モデル一覧のモデルは未だ 1 つもダウンロードしていません。 マシンにダウンロードと実行可能な場合の表示例 : 「 ! 」稼働しているマシンでのメモリ不足表示例 : Not Acknowledged モデルのダウンロードとロード 使用するモデルを「ダウンロード」ボタンを押してダウンロードします。 今回はテキスト生成用のテスト AI アプリを作成するので、次のモデルをダウンロードします。 google/codegemma-7b-it ダウンロードが完了したらモデルを「ロード」します。 既に「ロード」しているモデルが有るとと次のメッセージが表示されます。 今回のテストでは最終的に「 mlx-community/codegemma-7b-it-8bit 」を使用します。 「 mlx-community/codegemma-7b-it-8bit 」に関しては、次の文書で説明します。 モデの追加 & ダウンロード & ロード 2025では「 mlx-community/codegemma-7b-it-8bit 」を使用しないとMac mini の環境では正常に動作しないので2026のテストでは次のモデルを先に追加/ダウンロードします。 「 mlx-community/codegemma-7b-it-8bit 」 「モデルを追加」ボタンを押して開始します。 ダウンロードするモデル情報を入力し追加します。 問題が無ければダウンードが開始されます。 ダウンロードが終わると自動的にロードされます。 注意 : 他のモデルがロード済みだとメモリ不足などでロードにしっばする場合が有ります。  モデルのダウンロードに失敗 モデルをダウンロードするときに次のメッセージで失敗する場合が有ります。 今回は、 Hugging Face に登録されているモデルの認証 ( 許諾 ) で許可されていない事による物です。 以下の手順で「 google/codegemma-7b-it 」の許諾をします。 Hugging Face サイトのモデルから「 google/codegemma-7b-it 」を検索します。 「 google/codegemma-7b-it 」ページの「 Acnowledge licence 」 ( 利用許諾 ) ボタンを押して、許諾を完了します。 「 Authorize 」 ( 承認 ) ボタンで承認します。 チェックし「 Accept 」します。 「 google/codegemma-7b-it 」ページに戻り承認は完了します。 モデルの使用許諾を承認すると FileMaker Server のモデルダウンロード時の警告は無くなりダウンロードが出来る様になります。 AIサービス実行の準備 FileMaker Pro から FileMaker Server の AI サービスを利用してチャットアプリ ( テキスト生成 ) のテストを実施する準備をします。 接続情報の整理 今回のチャットアプリの環境として次の情報をまとめます。 AIサービスへの接続情報 エンドポイント: "https://192.168.1.58/llm/v1/" キー: FielMaker Proテストアプリの接続情報 接続アカウント: "testUser" モデル: "mlx-community/codegemma-7b-it-8bit" エンドポイントの取得 AI サービスへの接続情報 　 > エンドポイント の取得 FileMaker Server の AI サービスのモデルサーバーのエンドポイント 表示は「 https://127.0.0.1/llm/v1/ 」となっています。ここでの IP アドレスは外部からはアクセス出来ないので「構成」画面からサーバー機に割り当てられている IP アドレスを取得します。 「ダッシュボード」画面のサーバー名とサーバーIPアドレスを確認します。 サーバー名: A10-Macmini-2023.local サーバーIPアドレス: Pv4: 1I92.168.1.58   192.168.1.155 IPv6: f12...... 今回は IP アドレスを使用します。 このデバイスではIPv4として インサーネットアドレス : 192.168.1.58 WiFi アドレス : 192.168.1.155 の 2 つが存在します。 インサーネットアドレスを使用して最終的にエンドポイントを次のように決定します。 https://192.168.1.155/llm/v1/ キーの取得 AI サービスへの接続情報 　 > キー の取得 AI サービスのキー / キーを作成時に取得したキーです。 eyJhbGciOiJSUzI1.......< 略 >............hFRURWgzA 接続アカウントの取得 FielMaker Pro テストアプリの接続情報 　 > 接続アカウント の取得 今回は "testUser" を使用します。 チャットアプリでは特に使用しませんが、 AI サービスへのアクセス時に使用します。 モデルの取得 FielMaker Pro テストアプリの接続情報 　 > モデル の取得 今回使用するアプリではテキスト生成するための「mlx-community/codegemma-7b-it-8bit」を指定します。 テストアプリの制作 FileMaker Server に実装されている「 AI サービス」をテストするための FileMaker Pro の簡単なアプリを制作しました。 「AIチャット2026.fmp12」 ダウンロード 動作 入力フィールド「チャット」に質問を入れて「チャット」ボタンを押と、 AI サービスから回答が得られます。 新しいレコードにその内容を保存して、次の質問を待ちます。 サンブルアプリの概要 2 つのテーブル AI チャット : チャットを保存 AI チャット接続情報 : AI サービスの接続情報を保存 スクリプト一覧 最初の起動 アプリを起動すると接続情報を設定することを促す「接続情報を設定してください。」ダイアログが表示されます。 「 OK 」ボタンを押して設定画面を表示します。 レコードを作成します。 AI サービス接続情報を入力します。 AI サービス実行の準備 で取得した以下の情報を入力します。 エンドポイント https://192.168.1.155/llm/v1/ API キー eyJhbGciOiJSUzI1.......< 略 >............hFRURWgzA 接続アカウント testUser モデル mlx-community/codegemma-7b-it-8bit 動作テスト テストアプリ「AIチャット2026」をテストします。 mlx-community/codegemma-7b-it-8bit チャット枠に文字を入力して「チャット」ボタンを押してテストを実行します。 応答が戻りました。 返答までの時間が 50 秒以上もかかっています。 FileMaker Server の AI サービスの環境をアップグレードすると良くなるのでしょう。 もう一つ、返答が「マークダウン（ Markdown ）」形式で行われています。 プレーンテキスト化 スクリブトを修正して、以下の指示を追加して回答をプレーンテキストにします。 AI チャットスクリブとの内容に変数「 $ 指示」を追加し「モデルから応答を生成」に「指示」に $ 指示を与えます。 " 回答はプレーンテキストのみとする。見出し（ # ）、箇条書き（ - や * ）、太字（ ** ）、コードブロック（ ``` ）、リンク記法は使わない。前置き・挨拶・「以下に～」などの説明文も不要。本文だけを日本語の通常の文章で返す。 " 実行結果 「プレーンテキスト」で返答が出来ました。 2025版はマークダウンようの文字が残っていましたが、2026版は無くなっています。 動作テスト時の問題例 以下は、モデルの指定で処理ができなかったときの例です。 現在のテスト環境で、モデル「 google/codegemma-7b-it 」を使用した場合の例です。 「テスト」と入力して「チャット」ボタンを押します。 エラーが表示されました。 「 OK 」ボタンで確認すると、新しいレコードに AI サービスの結果が保存されます。 [LLM] error. Reason: HTTP response code said error: 502 スクリプトの問題では無く Server の AIサービス側 に問題が有り応答出来ないようです。 色々と調べたりテストした結果、現在のモデル「 google/codegemma-7b-it 」では、現在の環境である Mac mini 24GB では、メモリ不足で正しく動作しないようです。 24GB の RAM で動作するためにもっと軽量をダウンロードしてロードします。 mlx-community/codegemma-7b-it-8bit 以上、 FileMaker Server 2026 の AI サービス ( ローカル LLM) をテストしてみました。