macOS 27のfmコマンドでローカルLLMが標準搭載、8Kコンテキストを実務に活かす方法

• 事実と背景：macOS 27に標準搭載された「fm」コマンドにより、外部API不要でローカルLLMが利用可能に。
• 技術的変革：モデルは「AFM 3 Core Advanced」で、コンテキスト長は8,192トークン、画像入力やJSON出力にも対応。
• 現場への影響：M3・12GB以上のMacユーザーは、追加コストなしでシェルスクリプトやローカルAPIにAIを組み込める。

ターミナルを開いて、ちょっとしたコードの書き方を調べる。これまではブラウザを開いてChatGPTにアクセスするか、APIキーを設定したCLIツールを使うのが常識だった。しかし、深夜の障害対応中や、ネットワークが不安定なオフライン環境、あるいはAPIのレートリミットに達してデッドロックに陥ったとき、その「一手間」がどれほど開発者の集中力を削いできたか、想像に難くないだろう。

macOS 27は、この開発者の日常に「fm」コマンドという極めて強力な楔を打ち込んできた。追加のアプリインストールも、クレジットカードの登録を伴うAPIキーの発行も不要。ただターミナルを開き、fm chatと叩くだけで、ローカルで動作するAIとの対話が始まる。これは単なる「おまけ機能」ではない。OSのコアレベルにLLMが統合されたことを意味する、パラダイムシフトの号砲なのだと私は考える。

実際に使い始めるまでのステップも、エンジニアライクで非常に好感が持てる。最初にfm availableを実行すると、ライセンスへの同意を求める警告が表示される。同意プロセスはsudo fm licenseという管理者権限での実行を要求する。これは、このMacを利用するすべてのユーザーに対して同意を適用するためだ。一度同意してしまえば、以降は一般ユーザー権限で自由にfmコマンドを呼び出せるようになる。

私はこの仕様を見たとき、Appleがこの機能を「単一ユーザーのホビー」ではなく、「マルチユーザー環境におけるOS標準のインフラ」として設計していることを強く実感した。例えば、fm respond "Rubyで配列から重複を取り除く方法を簡潔に説明してください"と実行すれば、即座にターミナル上に回答が出力される。この手軽さは、一度体験すると後戻りできない魔力を持っている。我々エンジニアが直面するのは、もはや「AIを使うかどうか」ではなく、「ローカルAIをどうシステムに組み込むか」というフェーズなのだ。

では、このOS組み込みのAIは、実務に耐えうるスペックを持っているのだろうか。Foundation ModelsフレームワークをSwiftから叩いて確認したところ、動作しているモデルは「AFM 3 Core Advanced」、そしてコンテキスト長は「8,192トークン」であることが判明した。Appleのサポート情報によれば、このモデルを動作させるためのハードウェア要件は「M3チップ以降、かつユニファイドメモリ12GB以上」とされている。これは、一般的な開発用MacBook Proであれば十分にクリアできるラインだ。

8,192トークンというコンテキスト長は、昨今のクラウドLLM（数十万トークン）と比較すると見劣りするように思えるかもしれない。しかし、ローカルで動作する軽量モデルとしては極めて実用的なサイズだ。数千行のスパゲッティコードを丸ごと放り込むような力技は無理だが、特定の関数やクラスのデバッグ、シェルスクリプトの自動生成、あるいはログファイルの要約といった「局所的なタスク」においては、必要十分なウィンドウサイズである。

さらに驚くべきは、このfmコマンドがマルチモーダル（画像入力）に対応しており、かつ構造化データ（JSON）の出力スキーマをサポートしている点だ。fm schemaコマンドで出力の形（スキーマ）を定義し、それをfm respond --schemaに渡すことで、AIの出力を完全にコントロールできる。これは、シェルスクリプトや自動化ツールにAIを組み込む際、パースエラーによる無限ループや予期せぬクラッシュを防ぐための「最強の防壁」となる。

さらに、fm serveコマンドを実行することで、このモデルをローカルAPIサーバーとして起動することも可能だ。これは、Ollamaなどの外部ツールを導入せずとも、Mac自体を軽量なAI推論サーバーとして仕立て上げられることを意味している。ローカル環境での開発が、これほどまでにシンプルかつ強力に統合された例を、私は他に知らない。

しかし、我々シニアエンジニアは、この新しいおもちゃにただ狂喜乱舞するだけではいけない。技術の光が強ければ強いほど、その影もまた濃くなる。実際に「夏目漱石の小説『月曜日のペンギン』のあらすじを教えてください」という、存在しない架空の作品について意地悪な質問を投げかけたところ、このモデルは「夏目漱石が1916年に発表した短編小説」として、極めて自然な嘘（ハルシネーション）をでっち上げてみせた。ローマ帝国のスマートフォン利用といった明らかな矛盾には気付けても、こうした「もっともらしい嘘」にはコロリと騙されてしまうのが、現時点でのローカルLLMの限界なのだ。

我々が直面するのは、「便利だからといって、ローカルAIの出力をそのまま本番環境のコードやドキュメントに適用していいのか」という倫理的・技術的な問いである。APIキーも不要、通信コストもゼロという手軽さは、開発者に「検証を怠る怠惰」を植え付ける毒薬にもなり得る。私は、この技術的懸念を抱かざるを得ない。

では、我々はこの新しい技術とどう向き合うべきか。明日からの具体的な処方箋を提示したい。

• 「定型作業の自動化アシスタント」としての位置づけ：Gitのコミットメッセージの自動生成、ログファイルからの特定パターンの抽出、あるいは定型的なユニットテストのボイラープレート作成など、出力の正誤を人間が瞬時に判断できるタスクに限定して導入する。
• fm schemaの徹底活用：AIの出力を型安全（Type-Safe）に保つため、自由なテキスト出力をパースするようなスパゲッティコードを書くのはやめ、スキーマを定義して厳密なJSONとして受け取る。これにより、ハルシネーションによるシステムのクラッシュを最小限に抑える。

最後に、我々は自問しなければならない。すべての思考をクラウドの巨大なAIにアウトソーシングし、APIの奴隷となるのか。それとも、手元のローカル環境で動作するAIを手なずけ、自らの開発プロセスを自律的に拡張する職人となるのか。macOS 27が突きつけてきたのは、単なる新機能の紹介ではなく、エンジニアとしての「自立」への問いかけなのだ。