RLM Tools

RLM Tools

AI コーディングエージェントは、コードについて推論することよりも、コードを「読む」ことにトークン予算の大半を費やしています。grep、ファイルの読み込み、glob の結果がすべて会話に出力されます。大規模なコードベースでは、モデルが見る必要のない生データにコンテキスト（とコスト）の 25～35％が消費されます。

RLM Tools は、エージェントがコードを探索するための永続的なサンドボックスを提供します。データはサーバー側に保持され、結論だけが返されます。

# Install in one line (Claude Code)
claude mcp add rlm-tools -- uvx rlm-tools

# Or Codex
codex mcp add rlm-tools -- uvx rlm-tools

これだけです。エージェントは探索時にサンドボックスを自動的に使用します。設定も、プロンプトの変更も必要ありません。

何が変わるのか

RLM Tools なしの場合 — エージェントが import UIKit を grep すると、500 件の一致がコンテキストに出力されます。10 個のファイルを読み込み、その内容すべてにトークンを消費します。コンテキストウィンドウがいっぱいになり、エージェントは作業内容を忘れてしまいます。

RLM Tools ありの場合 — エージェントはサーバー側の Python サンドボックスで同じ探索を実行します。データはサンドボックスのメモリ内に保持され、コンテキストに入るのは print() の出力だけです。

matches = grep("import UIKit")
by_module = {}
for m in matches:
    module = m["file"].split("/")[0]
    by_module.setdefault(module, []).append(m)
for module, ms in sorted(by_module.items(), key=lambda x: -len(x[1]))[:5]:
    print(f"{module}: {len(ms)} files")

grep の結果 500 行が、5 行の要約になります。エージェントに必要な情報だけが表示され、それ以外は表示されません。

実際の効果

一般的なコーディングワークフローでは、コンテキストを 25～35％削減できます。 つまり、コンテキストの上限に達するまでに、エージェントが探索できるコードがおよそ 40～50％増えます。

多数のファイルを読んだり、広範囲を検索したりする探索量の多いタスクでは、削減効果がさらに大きくなります。

ベンチマークの方法と再現手順の詳細：docs/benchmarks.md

仕組み

MCP ツールは 3 つだけです。API はこれですべてです。

サンドボックスには、次のヘルパーが組み込まれています。

• read_file(path) / read_files(paths) — ファイルを変数に読み込む（呼び出し間でキャッシュ）
• grep(pattern) / grep_summary(pattern) / grep_read(pattern) — 検索
• glob_files(pattern) — パターンに一致するファイルを検索
• tree(path, max_depth) — ディレクトリ構造を表示
• llm_query(prompt, context) — サブ LLM による分析（任意、API キーが必要）

変数はセッション内の rlm_execute 呼び出し間で保持されます。エージェントは検索、絞り込み、読み込み、分析を通じて段階的に理解を深められ、その間のデータがコンテキストウィンドウに触れることはありません。

対応環境

RLM Tools は標準的な MCP サーバーです。Claude Code、Codex、Cursor など、MCP 互換のあらゆるクライアントで動作します。

{
  "mcpServers": {
    "rlm-tools": {
      "command": "uvx",
      "args": ["rlm-tools"]
    }
  }
}

uvx rlm-tools

git clone https://github.com/stefanoshea/rlm-tools.git
cd rlm-tools
uv sync
uv run rlm-tools

設定

.env.example を .env にコピーしてカスタマイズします。すべての設定は任意です。RLM Tools は設定なしですぐに使えます。

基本的な探索機能（read、grep、glob、tree）に API キーは必要ありません。任意の llm_query() ヘルパーは、サンドボックス内での意味解析に Anthropic API を呼び出します。キーが必要なのはこの機能だけです。

セキュリティ

サンドボックスは読み取り専用で、制限されています。

• インポート：安全な標準ライブラリのみ（re、json、collections、math など）
• 組み込み関数：exec、eval、compile、__import__、breakpoint をブロックします
• ファイルアクセス：読み取り専用で、セッションディレクトリ内に限定され、パストラバーサルはブロックされます
• 実行：呼び出しごとにタイムアウトを設定できます（デフォルトは 30s）
• レート制限：セッションごとの最大呼び出し回数を設定できます

背景

RLM Tools は、RLM スタイルの探索ループを実装しています。生データはツール側のメモリに保持し、コンパクトな出力のみをモデルに送信します。Model Context Protocol 上に構築されています。

開発

git clone https://github.com/stefanoshea/rlm-tools.git
cd rlm-tools
uv sync --dev
pytest tests

比較ベンチマークを実行します（ローカルのプロジェクトチェックアウトが必要です）。

RLM_EVAL_PROJECT_PATH=/path/to/project pytest evals -q -s

ライセンス

MIT