Cómo conectar LM Studio con VS Code para programar con IA local

Si estás harto de depender de suscripciones mensuales o de que tus datos personales y proyectos privados terminen en la nube, montar tu propio entorno de inteligencia artificial es la solución ideal. Y conectar LM Studio con VS Code para programar con IA local puede ser una gran idea.

Gracias a herramientas como LM Studio, hoy en día es totalmente factible ejecutar modelos de lenguaje potentes directamente en el hardware de tu ordenador, manteniendo la privacidad absoluta y funcionando sin necesidad de conexión a internet. La verdadera magia ocurre cuando logramos que este cerebro local se comunique con nuestro editor de código favorito. Al vincular LM Studio con Visual Studio Code, transformamos un simple editor en una estación de trabajo inteligente capaz de generar código, explicar funciones complejas y autocompletar líneas enteras, todo ello aprovechando la potencia de tu GPU o NPU sin gastar un solo céntimo en APIs externas.

Preparando el terreno con LM Studio

Lo primero que necesitamos para conectar LM Studio con VS Code es tener la aplicación de LM Studio instalada y configurada. Para aquellos que buscan asistencia en programación, no sirve cualquier modelo; lo ideal es descargar versiones optimizadas para código. Una opción muy solvente es el Qwen2.5 Coder, aunque debes elegir el tamaño (como el de 14B o el de 3B parámetros) basándote en la memoria RAM disponible en tu equipo para evitar que el sistema se cuelgue.

Si utilizas un Mac con Apple Silicon y cuentas con 32GB de RAM o más, puedes atreverte con modelos más robustos como Codestral-22B. Un truco avanzado para usuarios de macOS es desbloquear el límite de memoria cableada mediante el comando sudo sysctl iogpu.wired_limit_mb=50000, lo que permite cargar modelos de mayor calidad como los de cuantización Q8_0 sin errores de memoria.

Una vez elegido el modelo, es fundamental entrar en el panel de desarrolladores y activar el servidor local. Por defecto, LM Studio levanta un servidor en la dirección http://localhost:1234. Asegúrate de ajustar el Context Length (la ventana de contexto) según tus necesidades; para tareas de código extensas, subir este valor a 16.384 o incluso 32.768 tokens es recomendable, aunque esto consumirá más recursos de tu máquina.

 

Conectar LM Studio con VS Code mediante la extensión Continue.dev

Para que VS Code pueda «hablar» con el servidor que acabamos de levantar, la opción más popular y versátil es la extensión Continue.dev. Tras instalarla desde el marketplace, aparecerá un nuevo panel en la barra lateral. Para empezar a chatear, debemos añadir un modelo haciendo clic en el selector inferior, eligiendo LM Studio como proveedor y seleccionando la opción de autodetección para que encuentre el modelo cargado en el servidor.

Tras conectar LM Studio con VS Code, puedes activar el autocompletado inteligente (esas sugerencias en gris que aparecen mientras escribes), deberás editar el archivo de configuración config.json ubicado en la carpeta .continue de tu usuario. Aquí es donde defines el tabAutocompleteModel, indicando la URL de la API y el nombre del modelo específico, logrando así una experiencia fluida similar a la de Copilot pero totalmente offline.

Explorando alternativas: AI Toolkit y OpenCode

A la hora de conectar LM Studio con VS Code, no todo se reduce a Continue.dev. Microsoft ofrece la extensión AI Toolkit, que es especialmente interesante para quienes poseen PCs con certificación Copilot+ y cuentan con una NPU dedicada. Esta herramienta permite gestionar un catálogo de modelos locales y nube, facilitando la carga de versiones ligeras como Phi-4, optimizando el consumo energético y el rendimiento del hardware moderno.

Por otro lado, si buscas una experiencia más orientada a agentes (capaces de editar archivos y ejecutar comandos de terminal), existe la integración con OpenCode. Esta solución actúa como un servidor headless que conecta LM Studio con un panel de chat avanzado en VS Code. Lo más potente de este flujo es el soporte para MCP (Model Context Protocol), que permite al agente interactuar con bases de datos, navegadores o sistemas de archivos mediante servidores configurados en un archivo .mcp.json.

Configuraciones avanzadas y BYOK

VS Code ha evolucionado para permitir el esquema BYOK (Bring Your Own Key). Esto significa que puedes añadir endpoints personalizados a través del editor de modelos de lenguaje (el icono del engranaje en el selector de chat). Al configurar un Custom Endpoint, puedes definir si la API utiliza el formato de Chat Completions o Messages, permitiendo que modelos locales se integren directamente en la interfaz nativa de chat de VS Code sin extensiones pesadas.

Es importante mencionar que, aunque el chat funcione a la perfección, algunas funciones de utilidad (como la generación automática de títulos de chat o mensajes de commit) suelen requerir un modelo configurado en los ajustes chat.utilityModel. Si no tienes una suscripción de Copilot, simplemente asigna tu modelo local a estas variables en la configuración de VS Code para no perder ninguna funcionalidad de productividad.

Para aquellos que prefieren la terminal, LM Studio ahora ofrece un endpoint compatible con Anthropic, lo que permite usar herramientas como Claude Code apuntando la variable de entorno ANTHROPIC_BASE_URL hacia el servidor local. Esta versatilidad convierte a tu ordenador en un centro de inteligencia artificial donde puedes saltar entre diferentes modelos y la interfaces según la complejidad de la tarea que estés resolviendo.

¿Vale la pena conectar LM Studio con VS Code? Tener un asistente de programación que no dependa de la red es una ventaja competitiva enorme, ya que permite trabajar en entornos restringidos y garantiza que el código sensible nunca salga de tu disco duro. Al combinar el servidor de LM Studio con extensiones como Continue o AI Toolkit, dispones de un ecosistema flexible y gratuito que se adapta a la potencia de tu hardware, transformando la manera en que escribes y optimizas software.