Como Rodar Aplicações de IA Open Source com Docker em um VPS: Guia Prático para Iniciantes e Intermediários

A inteligência artificial deixou de ser exclusividade dos gigantes da tecnologia. Hoje, qualquer desenvolvedor com um VPS (Virtual Private Server) pode hospedar seus próprios modelos de IA open source — seja para experimentação, prototipagem ou até produção. O segredo? Docker. Neste guia prático, você aprenderá o passo a passo para configurar, otimizar e proteger aplicações de IA self-hosted usando containers, com foco em escalabilidade e segurança.

Por que Docker para Aplicações de IA?

Docker revolucionou a forma como empacotamos e distribuímos software. Para IA, os benefícios são ainda mais evidentes:

• Portabilidade: Seu ambiente de desenvolvimento local pode ser replicado exatamente no VPS, eliminando o problema de "funciona na minha máquina".
• Isolamento: Cada modelo e suas dependências (Python, CUDA, bibliotecas) ficam em containers separados, evitando conflitos.
• Escalabilidade: Com Docker Compose ou Kubernetes, você pode subir múltiplas instâncias de um mesmo modelo para atender mais requisições.
• Facilidade de atualização: Trocar de versão de um modelo é tão simples quanto alterar a tag da imagem e reiniciar o container.

Em 2025, o ecossistema Docker amadureceu a ponto de oferecer suporte nativo a GPUs, aceleração por hardware e integração com ferramentas de orquestração específicas para cargas de IA. Isso significa que você pode rodar desde pequenos chatbots até grandes modelos de linguagem (LLMs) com custos controlados.

Pré-requisitos

Antes de começar, você precisará de:

• Um VPS: Recomendo um servidor Linux (Ubuntu 22.04 LTS ou superior) com pelo menos 4 GB de RAM e 2 vCPUs para modelos leves. Para modelos maiores (como Llama 3 ou Stable Diffusion), considere 16 GB+ e GPU NVIDIA.
• Acesso SSH: Conhecimento básico de terminal Linux.
• Docker e Docker Compose instalados: Veremos como instalar a seguir.
• Domínio (opcional): Para expor serviços com SSL de forma segura.

Escolhendo a Aplicação de IA Ideal

O universo open source é vasto. Aqui estão algumas aplicações populares que funcionam bem em VPS com Docker:

Para este guia, usaremos Ollama como exemplo, pois é fácil de configurar e suporta CPU e GPU.

Passo a Passo: Instalação e Configuração

1. Preparação Inicial do VPS

Conecte-se ao seu servidor via SSH e execute:

sudo apt update && sudo apt upgrade -y
sudo ufw allow OpenSSH
sudo ufw enable  # Ativa o firewall básico
# Instale o Fail2Ban para proteção extra
sudo apt install fail2ban -y

2. Instalação do Docker e Docker Compose

O método oficial garante versões atualizadas:

# Remove versões antigas
sudo apt remove docker docker-engine docker.io containerd runc

# Instala dependências
sudo apt install ca-certificates curl gnupg lsb-release -y

# Adiciona chave oficial do Docker
sudo mkdir -p /etc/apt/keyrings
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg

# Adiciona repositório
echo "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

# Instala Docker
sudo apt update
sudo apt install docker-ce docker-ce-cli containerd.io docker-compose-plugin -y

# Adiciona seu usuário ao grupo docker (para evitar sudo)
sudo usermod -aG docker $USER
# Faça logout e login novamente ou execute: newgrp docker

3. Criando o Docker Compose para Ollama

Crie um diretório para o projeto:

mkdir ollama && cd ollama
nano docker-compose.yml

Cole o seguinte conteúdo:

version: '3.8'

services:
  ollama:
    image: ollama/ollama:latest
    container_name: ollama
    ports:
      - "11434:11434"  # Porta da API
    volumes:
      - ./ollama_data:/root/.ollama  # Persistência dos modelos
    environment:
      - OLLAMA_KEEP_ALIVE=24h  # Mantém modelos carregados para reduzir latência
    deploy:
      resources:
        limits:
          memory: 8G
          cpus: '2'
    restart: unless-stopped
    # Se tiver GPU NVIDIA, descomente:
    # runtime: nvidia
    # environment:
    #   - NVIDIA_VISIBLE_DEVICES=all

Salve (Ctrl+O, Enter) e saia (Ctrl+X).

4. Executando o Container

docker compose up -d

Aguarde alguns segundos e verifique se está rodando:

docker compose ps
curl http://localhost:11434/api/generate -d '{"model": "llama3.2:1b", "prompt": "Olá, mundo!"}'

Se tudo funcionar, você verá uma resposta JSON com o texto gerado.

5. Baixando Modelos (Opcional)

Para pré-carregar um modelo:

docker exec -it ollama ollama pull llama3.2:1b  # Leve (1.3B param)
# Ou um mais potente:
docker exec -it ollama ollama pull llama3.2:3b

Otimização de Performance

GPU Pass-Through

Se seu VPS tiver GPU NVIDIA, instale o NVIDIA Container Toolkit:

# Adiciona repositório NVIDIA
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

sudo apt update
sudo apt install -y nvidia-container-toolkit

# Reinicia Docker
sudo systemctl restart docker

Depois, adicione runtime: nvidia e NVIDIA_VISIBLE_DEVICES=all no docker-compose.yml (já comentado no exemplo acima).

Limites de Recursos

Use deploy.resources para evitar que containers consumam toda a memória do servidor. No exemplo acima, limitamos a 8 GB e 2 vCPUs.

Uso de Volumes

Modelos de IA são grandes (LLMs podem ter 4-40 GB). Armazene-os em volumes Docker montados em disco rápido (SSD). No docker-compose.yml, o volume ./ollama_data garante que os modelos não sejam perdidos ao atualizar o container.

Segurança: Não Exponha Seus Serviços sem Cuidado

Se você planeja acessar a API de IA externamente (ex: via aplicação web), nunca exponha a porta diretamente sem autenticação. Melhor prática:

1. Use um proxy reverso com SSL: Nginx, Caddy ou Traefik.
2. Habilite autenticação: Adicione senha via variáveis de ambiente ou utilize tokens JWT.
3. Firewall: Permita apenas a porta do proxy reverso (443) e SSH (22).

Exemplo mínimo de Nginx como proxy reverso:

# Instale o Nginx e Certbot para SSL
sudo apt install nginx certbot python3-certbot-nginx -y

# Configure o site (substitua SEU_DOMINIO pelo seu domínio)
sudo nano /etc/nginx/sites-available/ollama

server {
    listen 80;
    server_name SEU_DOMINIO;

    location / {
        proxy_pass http://localhost:11434;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
    }
}

Ative e obtenha SSL:

sudo ln -s /etc/nginx/sites-available/ollama /etc/nginx/sites-enabled/
sudo certbot --nginx -d SEU_DOMINIO

Com isso, você terá HTTPS e proteção básica. Para autenticação, considere adicionar um middleware como auth_basic ou um container de gateway.

Escalabilidade e Múltiplos Modelos

Com Docker Compose, você pode rodar várias aplicações em paralelo. Crie um arquivo docker-compose.yml com múltiplos serviços, cada um com seu próprio container e porta.

services:
  ollama-1:
    image: ollama/ollama:latest
    ports:
      - "11434:11434"
    volumes:
      - ./ollama_data_1:/root/.ollama
    environment:
      - OLLAMA_HOST=0.0.0.0

  whisper:
    image: onerahmet/openai-whisper-asr-webservice:latest-gpu
    ports:
      - "9000:9000"
    runtime: nvidia
    environment:
      - ASR_MODEL=base

Para orquestração mais avançada (balanceamento de carga entre containers do mesmo modelo), você pode usar um load balancer como Nginx Plus ou Traefik, ou até migrar para Kubernetes se a demanda justificar.

Conclusão

Rodar IA open source em um VPS com Docker não é apenas viável — é uma habilidade essencial para quem quer autonomia sobre seus dados, controle de custos e liberdade para experimentar. Com as técnicas deste guia, você pode:

• Hospedar seu próprio assistente LLM (Ollama, LocalAI) para uso pessoal ou em apps.
• Processar áudio e imagens sem depender de APIs pagas.
• Escalar horizontalmente adicionando mais containers conforme a demanda.
• Proteger seus serviços com boas práticas de segurança.

O próximo passo? Explore ferramentas como Langflow ou Flowise para criar agentes de IA visualmente, ou integre seu modelo a um bot no Discord/Telegram. O ecossistema está em rápida evolução, e o Docker é a fundação ideal para acompanhar essa transformação.

Lembre-se: a verdadeira revolução da IA não está nos modelos em si, mas na capacidade de qualquer desenvolvedor colocá-los em produção de forma simples e segura. Você acabou de dar o primeiro passo.