llm-anthropic 0.27 chega alinhado à nova SDK 1.0 da Anthropic

Se você usa o llm, a ferramenta de linha de comando do Simon Willison para conversar com modelos de linguagem↳LLMs48 conteúdosConsiderações básicas de hardware para modelos de linguagem em código aberto: Memória, Desempenho e ViabilidadeMarketing Tech · out 2025Modelos de linguagem sob ataque: o lado obscuro da IA generativaDevSecOps · mai 2025Criando um LLM – modelo de linguagem de grande escala – do zero com TransformersAI · abr 2024Ver tudo em AI →, vale registrar a atualização do plugin da Anthropic: o llm-anthropic 0.27 saiu. A mudança principal não é uma feature nova de Claude, e sim compatibilidade: o plugin agora funciona com a recém-lançada biblioteca Python↳Python56 conteúdosVSCode + Python + Alexa: Desenvolva e teste skills para alexa localmente com pythonDev (Back & Front) · out 2025Dominando decoradores em Python: um guia completo com exemplosDev (Back & Front) · jan 2025Desenvolvimento de software: diferenças entre Python, JavaScript e JavaGestão Dev & TI · nov 2024Ver tudo em Dev (Back & Front) → anthropic v1.0.0.

O que é o llm (e por que ele importa)

Para quem ainda não conhece, o llm é uma CLI (e biblioteca Python) que dá acesso a modelos de vários provedores por uma interface única. Você instala o núcleo e adiciona plugins por provedor. O llm-anthropic é justamente o plugin que traz a série Claude para dentro dessa interface.

O fluxo é simples e roda inteiro no terminal:

# instala o llm e o plugin da Anthropic
pip install llm
llm install llm-anthropic

# guarda a chave da API
llm keys set anthropic

# manda um prompt para um modelo Claude
llm -m claude-sonnet-4 "explique o que muda entre httpx e httpx2"

E dá para usar dentro de scripts Python também, o que é o caminho quando você quer levar isso para além do experimento:

import llm

model = llm.get_model("claude-sonnet-4")
response = model.prompt("resuma este texto em 3 bullets")
print(response.text())

É esse duplo uso, CLI para experimentar e biblioteca para embutir em código, que faz o llm ser uma boa porta de entrada para quem quer testar IA sem se prender ao SDK de um provedor específico.

O que a 0.27 realmente muda

Sendo honesto sobre o escopo: a 0.27 é uma release de manutenção. Nas palavras do próprio Willison, ela "principalmente fornece compatibilidade com a recém-lançada biblioteca Python anthropic v1.0.0".

O detalhe técnico por trás disso é a troca de dependência HTTP. A SDK oficial da Anthropic migrou de httpx para httpx2 na sua versão 1.0.0. Não é um movimento isolado: segundo Willison, a OpenAI fez a mesma mudança duas semanas antes, na release v3.0.0 do SDK deles. Ou seja, o ecossistema de clientes Python de IA está convergindo para o httpx2 como camada de transporte, e os plugins do llm precisam acompanhar para não travar suas dependências.

Na prática, para você o efeito é evitar conflito de versões. Se você atualizou (ou vai atualizar) a lib anthropic para a linha 1.x em um ambiente que também tem o llm-anthropic, é a 0.27 que garante que os dois convivam sem quebrar o resolvedor de dependências do pip.

O caso interessante: a atualização foi feita por um agente

O que dá cor a essa release é como ela foi feita. A Anthropic publicou um guia de migração para a 1.0, e Willison delegou o trabalho a um agente de código. O prompt que ele deu ao Fable 5 rodando dentro do Claude Code foi direto:

Upgrade to anthropic>=1 - read [MIGRATION.md] and get the tests passing

Traduzindo o padrão: aponte o modelo para o guia oficial de migração, e peça que ele faça o upgrade até a suíte de testes passar. O resultado virou um PR pronto.

Esse é um exemplo concreto de um uso de agente que já dá certo hoje: migração de dependência bem delimitada, com guia oficial como fonte de verdade e testes como critério de aceite objetivo. Não é geração de feature do zero, é uma tarefa mecânica, verificável e chata, exatamente o tipo de coisa em que um agente com acesso ao repositório e à suíte de testes se sai bem. O "get the tests passing" faz o trabalho pesado de definir quando o agente terminou.

O que isso significa pra quem constrói no Brasil

Duas leituras úteis aqui.

A primeira é operacional: se você mantém código Python que fala com Claude ou GPT, fique de olho na onda de bumps de major version dos SDKs oficiais (anthropic 1.0, openai 3.0). A troca para httpx2 é o tipo de mudança que passa despercebida até seu build quebrar em produção. Fixar versões no requirements.txt / pyproject.toml e testar o upgrade num ambiente isolado antes de subir continua sendo o básico bem-feito.

A segunda é sobre método de trabalho. O padrão que o Willison usou (agente + guia oficial + testes como critério) é replicável no seu dia a dia sem depender de nenhuma feature nova. Se você tem uma suíte de testes decente, migrações de biblioteca deixam de ser tarefa de tarde inteira e viram um prompt bem enquadrado. Se você não tem testes, esse é mais um argumento a favor de escrevê-los: eles são o que dá ao agente um alvo objetivo e a você a confiança de aceitar o PR.

O que fica em aberto

Vale a ressalva de expectativa: a 0.27 não traz modelos novos nem capacidades novas do Claude, é infraestrutura. Quem esperava novidade de modelo vai se decepcionar. E, como toda migração feita por agente, o PR merece revisão humana antes do merge, mesmo com os testes verdes: teste que passa prova que nada quebrou nos casos cobertos, não que a migração está idiomática. Se você usa o llm no fluxo diário, no entanto, atualizar para a 0.27 é o passo que mantém o plugin em dia com a SDK oficial, e é só isso que ele precisa fazer.

Fonte: Simon Willison