【2026年5月】Ollama v0.30.0・LangChain 1.3.0・Claude Code /goalモード｜最新アップデートまとめ

2026年5月の主要アップデートまとめ

Ollamaアップデート：macOS 26対応

# macOS（Homebrew）
brew upgrade ollama

# Linux（インストールスクリプト）
curl -fsSL https://ollama.com/install.sh | sh

# バージョン確認
ollama --version
# → ollama version 0.23.3

# MLXが正しく動作するか確認（Apple Silicon）
ollama run llama3.2:3b "hello"

Ollamaで主要モデルを使う

# ollama_client.py
# Ollamaのコスト0の本番的な使い方

import httpx
import json

def ollama_chat(prompt: str, model: str = "llama3.2:3b") -> str:
    """OllamaのローカルLLMにリクエストを送る（APIコスト：ゼロ）"""
    response = httpx.post(
        "http://localhost:11434/api/generate",
        json={
            "model": model,
            "prompt": prompt,
            "stream": False,
        },
        timeout=60.0,
    )
    return response.json()["response"]

def ollama_stream(prompt: str, model: str = "llama3.2:3b"):
    """ストリーミングで出力する"""
    with httpx.stream(
        "POST",
        "http://localhost:11434/api/generate",
        json={"model": model, "prompt": prompt, "stream": True},
        timeout=60.0,
    ) as response:
        for line in response.iter_lines():
            if line:
                data = json.loads(line)
                if not data.get("done"):
                    yield data["response"]

# 使用例
result = ollama_chat("日本の首都を教えてください")
print(result)

# ストリーミング
for chunk in ollama_stream("PythonでFizzBuzzを書いて"):
    print(chunk, end="", flush=True)

# 利用可能なモデル一覧
import subprocess
result = subprocess.run(["ollama", "list"], capture_output=True, text=True)
print(result.stdout)

LangChain 1.3.0：Stream API刷新

# langchain_1_3_update.py
# LangChain 1.3.0でのストリーミングの書き方

# pip install "langchain==1.3.0" "langchain-core==0.3.86" "langchain-anthropic"

from langchain_anthropic import ChatAnthropic
from langchain_core.messages import HumanMessage

# モデル設定
model = ChatAnthropic(model="claude-haiku-4-5-20251001")

# ✅ 1.3.0以降の書き方
for chunk in model.stream([HumanMessage(content="1から10まで数えてください")]):
    print(chunk.content, end="", flush=True)
print()

# バッチ処理（複数プロンプトを一度に）
messages_batch = [
    [HumanMessage(content="Python の良いところは？")],
    [HumanMessage(content="TypeScript の良いところは？")],
]
results = model.batch(messages_batch)
for r in results:
    print(r.content[:100])

# バージョン確認
import langchain, langchain_core
print(f"langchain: {langchain.__version__}")
print(f"langchain-core: {langchain_core.__version__}")

Claude Code：/goalモードとBilling Warning

# /goalモード: 長時間タスクをバックグラウンドで実行
claude
> /goal このリポジトリ全体にユニットテストを追加して

# バックグラウンドで実行が始まる
# → [進捗] src/api/user.py のテストを作成中...
# → [完了] 15ファイルにテストを追加しました

# API課金アラートの設定
claude config set billingAlertThresholdUSD 10  # $10を超えたら警告
claude config get billingAlertThresholdUSD
# → 10

# 現在の利用状況確認
claude billing status

# claude_cost_monitor.py
# Claude CodeのAPIコストをPythonで監視する（webhook通知付き）

import anthropic
import os
from dataclasses import dataclass, field

@dataclass
class BillingMonitor:
    threshold_usd: float = 10.0
    current_usd: float = 0.0
    
    # Claude Sonnet 4.5料金
    INPUT_PRICE = 3.00   # $/1M
    OUTPUT_PRICE = 15.00 # $/1M
    
    def record(self, usage: object) -> None:
        cost = (
            usage.input_tokens * self.INPUT_PRICE +
            usage.output_tokens * self.OUTPUT_PRICE
        ) / 1_000_000
        self.current_usd += cost
        
        if self.current_usd >= self.threshold_usd * 0.9:
            print(f"⚠️ 警告: 利用額 ${self.current_usd:.3f} がしきい値の90%に達しました")
        
        if self.current_usd >= self.threshold_usd:
            raise Exception(f"❌ 利用額上限 ${self.threshold_usd} を超えました")

monitor = BillingMonitor(threshold_usd=5.0)

client = anthropic.Anthropic()

def guarded_call(prompt: str) -> str:
    response = client.messages.create(
        model="claude-haiku-4-5-20251001",
        max_tokens=256,
        messages=[{"role": "user", "content": prompt}]
    )
    monitor.record(response.usage)
    return response.content[0].text

guarded_call("Pythonで足し算をする関数を書いて")
print(f"現在の利用額: ${monitor.current_usd:.4f}")

あわせて読みたい

• OllamaでローカルLLMを構築｜VRAM・トークン計算ガイド
• Claude Code インストール完全ガイド【2026年版】
• xAI・AnthropicのGPUリソース共有契約｜ローカルAIへの影響