llm — chat con Claude desde la terminal

CLI mínima y autocontenida para hablar con Claude directamente desde la terminal. Usa el token que Claude Code ya guarda en tu máquina, así que no hay nada que configurar: instala httpx, ejecútala y escribe.

Un solo archivo (llm.py), respuesta en streaming, arranque instantáneo (no lanza ningún proceso de fondo).

Requisitos

• Python 3.9+
• httpx → pip install httpx
• Claude Code instalado y con sesión iniciada (para que exista ~/.claude/.credentials.json, de donde se lee el token automáticamente).

Instalar

pip install httpx
# copia llm.py donde quieras; opcionalmente hazlo ejecutable:
chmod +x llm.py

Usar

# Chat interactivo (con memoria de la conversación)
python3 llm.py

# Respuesta de una sola pregunta
python3 llm.py "que es un pseudo-terminal en una frase"

# Por pipe
echo "resume esto en 2 lineas: ..." | python3 llm.py

# Elegir modelo / system prompt
python3 llm.py --model claude-opus-4-8 --system "responde conciso" "explica los punteros"

Comandos del chat interactivo

Comando	Acción
/model <id>	Cambia de modelo (claude-opus-4-8, claude-haiku-4-5-20251001, ...)
/system <texto>	Fija un system prompt
/reset	Empieza una conversación nueva
/exit	Salir

Modelo por defecto: claude-haiku-4-5-20251001 (rápido). Usa --model claude-opus-4-8 para respuestas más potentes.

Tus propias herramientas (tools)

llm.py incluye run_tool_loop, un bucle agéntico donde defines tus tools y el código que las ejecuta. Tú controlas qué puede hacer el modelo:

import llm

def get_time(inp):
    import datetime
    return {"now": datetime.datetime.now().isoformat()}

tools = [{
    "name": "get_time",
    "description": "Devuelve la fecha y hora actual",
    "input_schema": {"type": "object", "properties": {}},
}]

res = llm.run_tool_loop(
    messages=[{"role": "user", "content": "que hora es?"}],
    tools=tools, dispatch={"get_time": get_time},
    model="claude-haiku-4-5-20251001",
    on_text=lambda d: print(d, end="", flush=True),
)
print("\n→", res["final_text"])

El modelo pedirá la tool, tu función la ejecuta, el resultado vuelve al modelo y responde. Añade las tools que quieras (consultar una base de datos, llamar a una API, leer un archivo...).

API del módulo

Función	Para qué
stream_messages(messages, model, system, tools, max_tokens, token)	Stream crudo de eventos (text / tool_use / done / error)
run_tool_loop(messages, tools, dispatch, ...)	Bucle agéntico con tus tools
load_oauth_token()	Lee el token de ~/.claude/.credentials.json (refresh best-effort)