概要

LLM 0.26 が2025年5月27日にリリース。 最大の新機能は ツールサポート の追加。 CLIツール やPythonライブラリから、各種LLMモデルにPython関数ベースのツールを利用可能に。 プラグイン によるツール追加や、コマンドラインからのアドホックな関数提供も対応。 OpenAI、Anthropic、Gemini、Ollamaなど主要モデルやローカルモデルにも幅広く対応。

---

LLM 0.26の新機能：ツールサポートの全貌

• LLM 0.26 は、OpenAI、Anthropic、Gemini、Ollamaなどのモデルに Python関数として表現できる任意のツール を利用可能に
• CLIツール と Pythonライブラリ の両方でツール機能をサポート
• ツールプラグイン の導入により、モデルごとに機能拡張が可能
• ツールは 非同期（async） ・ 同期（sync） の両方で動作
• コマンドライン からツールを指定：--toolや-Tオプションでツール名を指定し実行
• Python関数 をコマンドラインで直接渡せる--functionsオプションも追加
• Python API でもツール利用が可能：
  • 例：llm.get_model("gpt-4.1").chain("show me the locals", tools=[locals]).text()
• ツールデバッグ 用の--tdオプションでツール呼び出しの詳細を確認可能

---

ツールの導入・利用方法

• 最新のLLMのインストール（Homebrew未対応の場合はpip, pipx, uv推奨）
  • uv tool install llm または uv tool upgrade llm
• OpenAIキーの設定
  • llm keys set openai
• ツールの実行例：
  • llm --tool llm_version "What version?" --td
  • llm --tool llm_time "What time is it?" --td -m o4-mini
• モデル切替 ：llm models default gpt-4.1-miniや-mオプションで指定可能
• Anthropic Claude Sonnet 4やGemini 2.5 Flash など他社モデルやOllamaローカルモデル（Qwen3:4b等）にも対応

---

プラグインによる高度なツール活用

• llm-tools-simpleeval ：Python式の計算や簡易評価をサンドボックス実行
  • 例：llm -T simple_eval 'Calculate 1234 * 4346 / 32414 and square root it' --td
• llm-tools-quickjs ：QuickJS JavaScriptインタプリタをサンドボックスで提供
• llm-tools-sqlite ：ローカルSQLite DBへの読み取り専用SQLクエリ実行
• llm-tools-datasette ：リモートDatasetteインスタンスへのSQLクエリ
  • 例：llm -T 'Datasette("https://datasette.io/content")' --td "What has the most stars?"
• ツールボックス 形式のプラグインも対応、複数ツールや設定引数の受け渡しが可能

---

コマンドラインからのアドホックツール提供

• --functionsオプションで Pythonコードブロック を直接CLIに渡し、モデルに関数として提供可能
  • 例：ブログ検索機能の追加

    llm --functions '
      import httpx
      def search_blog(q):
          "Search Simon Willison blog"
          return httpx.get("https://simonwillison.net/search/", params={"q": q}).content
    ' --td 'Three features of sqlite-utils' -s 'use Simon search'
    

• システムプロンプト でツール利用を促進（例：-s 'use Simon search'）

---

Python APIでのツール利用

• CLIツールと同等のツール機能 をPythonライブラリでもサポート
• 例：文字列内の特定文字数カウント

  import llm
  def count_char_in_text(char: str, text: str) -> int:
      "How many times does char appear in text?"
      return text.count(char)
  model = llm.get_model("gpt-4.1-mini")
  chain_response = model.chain(
      "Rs in strawberry?",
      tools=[count_char_in_text],
      after_call=print
  )
  for chunk in chain_response:
      print(chunk, end="", flush=True)
  

• after_call=print でツール呼び出しの詳細を表示
• model.chain() は、ツール呼び出し→実行→結果反映を自動で繰り返す
• asyncio 対応、複数ツールの並列実行も可能
• ツールボックス形式 （例：tools=[Datasette("https://datasette.io/content")]）もサポート

---

なぜ実装に時間がかかったのか

• ReAcT論文 （2022年10月発表）でツール利用のパターンを初めて知り、シンプルな実装を作成
• ツール利用は LLMの能力拡張 に極めて有効と判明
• モデルに ツール呼び出し用構文 （JSON, XML, tool_name(arguments)等）を出力させ、結果を再入力する仕組み
• 主要モデルベンダー （OpenAI, Anthropic, Google, Mistral, Meta等）もAPIでツール利用（関数呼び出し）を標準実装
• ローカルモデル （Ollama, llama.cpp等）もツールサポートを強化
• LLMに ツールサポート を追加することは必然だったと結論

---

まとめと今後の展望

• LLM 0.26 で ツール利用機能 が大幅に強化
• CLI、Python API、プラグイン、アドホック関数 など多彩なツール連携が可能
• モデルや用途に応じた柔軟な拡張性 を実現
• 今後はさらなるツールプラグインや、ツール利用の最適化 が期待