from ts_llmlib import ChatSession

# 기본값으로 초기화 (http://localhost:1234/v1/chat/completions에 연결)
chat = ChatSession()

# 프롬프트 실행
response = chat.run_prompt("What files are in the current directory?")
print(response['content'])

from ts_llmlib import ChatSession

# 사용자 정의 설정으로 구성
chat = ChatSession(
    system_prompt="You are a helpful assistant that uses file tools.",
    tool_list=[],  # 빈 리스트 = 기본 파일 도구 사용
    mcp_servers={
        "default": "http://localhost:3000/mcp"
    },
    llm_endpoint_url="http://localhost:1234/v1/chat/completions",
    model_name="qwen3-coder-next",
    timeout=60,
    max_runtime=300
)

response = chat.run_prompt("Write 'hello' to /tmp/greeting.txt")
print(response['content'])

from ts_llmlib import ChatSession

chat = ChatSession()

history = [
    {"role": "user", "content": "What is 2+2?"},
    {"role": "assistant", "content": "The answer is 4."}
]

response = chat.run_prompt("Can you write that to a file?", history=history)

from ts_llmlib import ChatSession

chat = ChatSession(
    mcp_servers={
        "ghidraSvr": "http://localhost:8081/sse"
    },
    llm_endpoint_url="http://localhost:1234/v1/chat/completions",
    model_name="qwen3-coder-next"
)

# 채팅 세션은 자동으로 Ghidra 도구를 가져와 통합합니다.
# (list_methods, decompile_function, get_xrefs_to 등)

ChatSession(
    system_prompt: str | None = None,
    tool_list: list | None = None,
    mcp_servers: dict[str, str] | None = None,
    llm_endpoint_url: str = "http://localhost:1234/v1/chat/completions",
    model_name: str = "default",
    timeout: int = 60,
    max_runtime: int = 300
)

response = chat.run_prompt(
    user_prompt: str,
    conversation_history: list[dict] | None = None,
    disable_tools: list[str] | None = None,
    max_runtime: int | None = None
) -> dict

{
    "content": str,           # LLM 응답 텍스트
    "tool_calls": list,       # 실행된 도구 호출 목록 (있는 경우)
    "usage": dict | None,     # LLM에서 사용 가능한 토큰 사용량
    "error": str | None       # 실패 시 오류 메시지
}

TS_LLM_MODEL=qwen3-coder-next TS_LLM_ENDPOINT=http://HOSTNAME:1234/v1/chat/completions
# 사용 예제
export TS_LLM_MODEL=qwen3-coder-next
export TS_LLM_ENDPOINT=http://HOSTNAME:1234/v1/chat/completions
ts_llmlib-redclippy
# 또는
TS_LLM_MODEL=qwen3-coder-next TS_LLM_ENDPOINT=http://HOSTNAME:1234/v1/chat/completions ts_llmlib-redclippy

ts_llmlib-cpp-analyze <source_folder> <output_folder>

# 기본 분석
ts_llmlib-ghidra-analyze <output_folder>

# 이름 변경 전용 모드 (첫 번째 패스)
ts_llmlib-ghidra-analyze --rename_only <output_folder>

# 이전에 이름이 지정되지 않은 함수만 처리
ts_llmlib-ghidra-analyze --process_unnamed_only <output_folder>

# 호출 관계 그룹화를 위한 그룹 분석
ts_llmlib-ghidra-analyze --grouped <output_folder>

ts_llmlib-ghidra-cleanup <input_folder> <output_folder>

ts_llmlib-ghidra-report <review_folder>

ts_llmlib-redclippy

response = chat.run_prompt("Some prompt")

if response.get('error'):
    print(f"Error: {response['error']}")
else:
    print(response['content'])

ts_llmlib/
├── __init__.py          # 패키지 초기화, ChatSession 내보내기
├── client.py            # LLM 엔드포인트로 HTTP 요청을 위한 LLMClient
├── chat.py              # ChatSession 클래스 (주요 API)
├── mcp.py               # MCP 통합을 위한 MCPClient
├── tools.py             # 도구 관리를 위한 ToolRegistry
├── HOW_TO_TS_LLMLIB.md  # 원본 문서
└── examples/            # 예제 스크립트
    ├── c_cpp_analyze.py     # C/C++ 취약점 분석 스크립트
    ├── redclippy.py         # Qt 기반 GUI 채팅 애플리케이션
    ├── ghidra_analyze.py    # MCP 통합을 통한 Ghidra 바이너리 분석
    ├── ghidra_vuln_report.py  # 취약점 보고서 생성기
    ├── ghidra_cleanup.py    # 출력 파일 재구성 유틸리티
    └── example_ts_llmlib.py # 라이브러리 사용법을 보여주는 예제 스크립트

pyproject.toml         # 최신 Python 패키지 구성 (스크립트는 여기에 정의됨)
LICENSE.txt            # BSD-3-Clause 라이선스
README.md              # 이 파일