llm-cli

LLM CLI スキル

目的

このスキルを使うと、llm CLI ツールを通じて複数の LLM プロバイダー（OpenAI、Anthropic、Google Gemini、Ollama）とシームレスにやり取りできます。1 回限りの実行と対話型の会話モードの両方に対応し、テキスト情報とマルチメディア情報を処理します。

このスキルを使用するタイミング

次のような場合に、このスキルを呼び出します：

• ユーザーが LLM でテキストやファイルを処理したい場合
• ユーザーが利用可能な複数の LLM から選択する必要がある場合
• ユーザーが LLM と対話型の会話をしたい場合
• ユーザーが処理のために LLM にコンテンツをパイプしたい場合
• ユーザーが特定のモデルエイリアス（例：「claude-opus」、「gpt-4o」）を使いたい場合

ユーザーのリクエスト例：

• 「このファイルを Claude で処理して」
• 「利用可能な最速のモデルでこのテキストを分析して」
• 「OpenAI との対話型チャットを開始して」
• 「Gemini を使ってこのドキュメントを要約して」
• 「ローカルの Ollama インスタンスでチャットモードを使って」

対応プロバイダーとモデル

OpenAI

• 最新モデル（2025）：
  • gpt-5 - 最も高度なモデル
  • gpt-4-1 / gpt-4.1 - 最新の高性能モデル
  • gpt-4-1-mini / gpt-4.1-mini - 小型で高速なバージョン
  • gpt-4o - マルチモーダルなオムニモデル
  • gpt-4o-mini - 軽量なマルチモーダルモデル
  • o3 - 高度な推論モデル
  • o3-mini / o3-mini-high - 推論モデルのバリエーション

エイリアス：openai、gpt

Anthropic

• 最新モデル（2025）：
  • claude-sonnet-4.5 - 最新のフラッグシップモデル
  • claude-opus-4.1 - 複雑なタスクに特化したモデル
  • claude-opus-4 - コーディングに特化したモデル
  • claude-sonnet-4 - バランスの取れた性能
  • claude-3.5-sonnet - 前世代モデル
  • claude-3.5-haiku - 高速で効率的

エイリアス：anthropic、claude

Google Gemini

• 最新モデル（2025）：
  • gemini-2.5-pro - 最も高度なモデル
  • gemini-2.5-flash - デフォルトの高速モデル
  • gemini-2.5-flash-lite - 速度に最適化
  • gemini-2.0-flash - 前世代モデル
  • gemini-2.5-computer-use - UI 操作用

エイリアス：google、gemini

Ollama（ローカル）

• 人気モデル：
  • llama3.1 - Meta の最新モデル（8b、70b、405b）
  • llama3.2 - コンパクトなバージョン（1b、3b）
  • mistral-large-2 - Mistral のフラッグシップモデル
  • deepseek-coder - コードに特化したモデル
  • starcode2 - コードモデル

エイリアス：ollama、local

ワークフローの概要

User Input (with optional model)
    ↓
Check Available Providers (env vars)
    ↓
Determine Model to Use:
  - If specified: Use provided model
  - If ambiguous: Show selection menu
  - Otherwise: Use last remembered choice
    ↓
Load/Create Config (~/.claude/llm-skill-config.json)
    ↓
Detect Input Type:
  - stdin/piped
  - file path
  - inline text
    ↓
Execute llm CLI:
  - Non-interactive: Process & return
  - Interactive: Keep conversation loop
    ↓
Save Model Choice to Config

機能

1. プロバイダーの検出

• API キーを環境変数から確認します
• 初回実行時に利用可能な LLM プロバイダーを提案します
• 次の変数を検出します：OPENAI_API_KEY、ANTHROPIC_API_KEY、GOOGLE_API_KEY、OLLAMA_BASE_URL

2. モデルの選択

• モデルエイリアス（gpt-4o、claude-opus、gemini-2.5-pro）を指定できます
• プロバイダーエイリアス（openai、anthropic、google、ollama）を指定できます
• 選択が曖昧な場合は、対話型メニューを表示します
• 最後に使用したモデルを ~/.claude/llm-skill-config.json に記憶します

3. 入力処理

• 標準入力／パイプ入力を受け付けます
• ファイルパスを処理します（.txt、.md、.json、.pdf、画像を検出します）
• テキストを直接入力するプロンプトを処理します
• 適切なエンコードを使ってマルチメディアファイルに対応します

4. 実行モード

非対話型（デフォルト）

llm "Your prompt here"
llm --model gpt-4o "Process this text"
llm < file.txt
cat document.md | llm "Summarize"

対話型モード

llm --interactive
llm -i
llm --model claude-opus --interactive

5. 設定

永続的な設定ファイルの場所：~/.claude/llm-skill-config.json

{
  "last_model": "claude-sonnet-4.5",
  "default_provider": "anthropic",
  "available_providers": ["openai", "anthropic", "google", "ollama"]
}

実装の詳細

コアファイル

• llm_skill.py - スキルのメインオーケストレーション
• providers.py - プロバイダーの検出と設定
• models.py - モデル定義とエイリアス
• executor.py - 実行ロジック（対話型／非対話型）
• input_handler.py - 入力タイプの検出

主な関数

detect_providers()

• 環境変数からプロバイダーの API キーをスキャンします
• 利用可能なプロバイダーの辞書を返します

get_model_selector(input_text, provider=None)

• 必要に応じてメニューを表示し、選択したモデルを返します
• last_model の設定を優先します

load_input(input_source)

• 標準入力、ファイルパス、またはテキストを直接入力した内容を処理します
• コンテンツ文字列を返します

execute_llm(content, model, interactive=False)

• 適切なパラメーターを指定して llm CLI を呼び出します
• 対話型モードの標準入力／標準出力を管理します

Claude Code での使用方法

ユーザーがこのスキルを呼び出すと、Claude は次の処理を行います。

1. 入力からモデルの指定（例：--model gpt-4o）を解析します
2. コンテンツと省略可能なモデルパラメーターを指定してスキルを呼び出します
3. 必要に応じてプロバイダー／モデルの選択を待ちます
4. 実行して結果を返します
5. インタラクティブモードでは、会話ループを維持します

エラー処理

• 利用可能なプロバイダーがない場合：API キーのインストールを提案します
• モデルが見つからない場合：選択したプロバイダーで利用可能なモデルを表示します
• llm CLI がインストールされていない場合：pip install llm によるインストールを提案します
• ファイルを読み取れない場合：インラインテキストとして扱うよう切り替えます

設定

ユーザーは設定を事前に構成できます。

{
  "last_model": "claude-sonnet-4.5",
  "default_provider": "anthropic",
  "interactive_mode": false,
  "available_providers": ["openai", "anthropic"]
}

スラッシュコマンドとの統合

/llm コマンドをサポートします。

/llm process this text
/llm --interactive
/llm --model gpt-4o analyze this