4. Bashで実現するストリーミングと移植性

単一スクリプトの構成

myllm-cliの中核は，myllmという1本のBashスクリプトです。このファイルに，設定の読み取り，タスクの解決，翻訳時の言語判定，三つのプロバイダーへの接続，CLIの引数処理が含まれます。Pythonなどの言語ランタイムを追加せず，HTTPをcurl，JSONをjqへ委ねています。

Bash 3.2を基準とするのは，macOS標準の/bin/bashでそのまま動かすためです。連想配列，mapfile，readarrayなど，新しいBashにしかない機能は使用しません。この制約を守ることで，同じスクリプトをmacOS，Linux，WSL2へ配置できます。

設定ファイルはTOMLですが，スクリプトは完全なTOML処理系を内蔵していません。単一行の文字列，真偽値，複数行リテラル文字列，セクションという，設定テンプレートで必要な範囲を行単位で読み取ります。このため，設定は配布されるテンプレートの書式に沿って編集します。

プロバイダーごとのストリーム

三つのAPIは，ストリーミング応答の形式が異なります。myllmは各形式をプロバイダー関数で吸収し，本文だけを共通のstdoutへ流します。

プロバイダー	エンドポイント	応答形式	本文の抽出元
Ollama	/api/chat	改行区切りJSON	.message.content
OpenAI	/chat/completions	Server-Sent Events	.choices[0].delta.content
Anthropic	/messages	Server-Sent Events	content_block_deltaの.delta.text

curl -Nは受信データのバッファリングを抑えます。さらにjq --unbuffered -jを使い，JSONから取り出した断片を余分な改行なしで直ちに出力します。-rではなく-jを使うのは，モデルが生成した改行と，jq自身が各JSONへ付ける改行を混在させないためです。

CLI側でも，生成結果を$(...)へ格納してから表示しません。コマンド置換は処理完了まで表示を待ち，末尾の改行も取り除くためです。プロバイダー関数のstdoutを直接端末へ流すことで，応答中の改行と逐次表示を維持します。ファイルへリダイレクトした場合も，同じstdoutが保存されます。

リクエスト処理の共通化

通常のタスクでプロバイダーへ渡す内容は，次の二要素です。

1. config.tomlで定義したinstruction
2. CLIの引数またはstdinから得た入力テキスト

両者を空行で連結し，各APIの単一ユーザーメッセージへ格納します。プロバイダーごとの差は，接続先，認証ヘッダー，JSONの形，ストリーム解析に閉じ込めています。そのため，タスクの指示は接続先を変更しても再利用できます。

ただし，異なるモデルが同じ指示に同じ形式で従うとは限りません。タスクを別のモデルへ切り替える場合は，代表的な入力で出力形式と品質を確認します。myllm info <task>を実行すると，解決後のプロバイダー，モデル，指示を確認できます。

ライブラリとしてsourceする

myllmは直接実行するCLIであると同時に，他のBashスクリプトからsourceできるライブラリです。ファイル末尾では，直接実行された場合にだけmainを呼ぶため，source時には関数の定義だけが読み込まれます。

#!/bin/bash
set -euo pipefail

source "$(command -v myllm)"

myllm_process "polish" "下書きの文章"

翻訳はtranslate <text> <source_lang> <target_lang>として呼び出せます。翻訳元を自動判定し，日本語へ翻訳する場合は，翻訳元に空文字列を渡します。

translate "Hello, world." "" "ja"

このライブラリモードは，後に開発したmacOSメニューバーアプリMy LLMでも利用しています。GUI側でAPI呼び出しを再実装せず，アプリに同梱したmyllmをsourceして同じ処理関数を呼び出します。CLIとGUIでプロンプト構築や改行処理を共有できることが，単一スクリプト構成の利点です。

CLIとしての範囲

myllm-cliは，名前付き指示を保存し，入力を選択したLLMへ送り，結果をストリームで受け取る処理に集中しています。対話履歴を保持するチャットクライアントではなく，知識ファイル，Web検索，ツール呼び出しも管理しません。必要な文脈は入力として渡し，必要な後処理はUnixコマンドや呼び出し元のスクリプトで組み合わせます。

この範囲は制限であると同時に，コマンドラインツールとしての性質を明確にします。モデルやサービスをひとつに固定せず，同じ名前付きタスクをローカルとクラウドで使い分け，結果を通常のテキストストリームとして次の処理へ渡せます。TranslateGemma専用スクリプトから始まった仕組みは，こうして個人用の汎用LLMインターフェースへ発展しました。