LM StudioのCLI「lms」をWindowsで使う方法｜基本コマンドとサーバー確認

先に結論：lmsはLM Studio付属のCLIで、まず状態を分けて見る

LM Studio公式docsでは、lmsはLM Studioに含まれるCLIで、別のインストール手順を追加する必要はないと案内されています。ただし、lmsを使う前にLM Studioを少なくとも一度起動する必要があります。Windowsでは、最初からPowerShellのPATHや別パッケージを疑うより、LM Studioの初回起動、新しいターミナル、lms --helpの順に確認します。

ここで扱うのはlms CLIの導入と状態確認です。モデルの保存先を画面で変更する手順、OpenAI互換APIのpath、VS Codeのprovider設定、GPU性能の比較は、それぞれ別の確認対象として切り分けます。

• LM Studioのモデル保存場所 - My Models、lms ls、lms importと保存先を確認する
• ローカルAI APIサーバー入門 - lms serverの先にあるAPI pathとmodel IDを見る
• LM StudioとOllamaの違い - GUI、CLI、API、モデル管理の役割を比較する

Windowsでlmsを使える状態にする

lmsだけを先に別途インストールするのではなく、LM Studio本体の導入と初回起動を先に確認します。LM Studioが未導入なら公式のWindows向け導入手順を確認し、インストール後にアプリを一度開いてからPowerShellを開き直します。

1. LM Studioを公式の導入手順からインストールし、Windowsのスタートメニューから一度起動する。
2. LM Studioが起動したことを確認して終了または背後で動かしたままにし、新しいPowerShellを開く。
3. lms --helpを実行し、ヘルプが表示されるか確認する。必要ならlmsを引数なしで実行し、現在のCLI概要を確認する。
4. 次にlms lsを実行し、LM StudioのMy Modelsで認識されているモデルが表示されるか確認する。

lms --help
lms
lms ls

「lmsが見つからない」ときに、いきなりnpmやpipなどの別経路で同名コマンドを入れないでください。LM Studioを一度起動したか、新しいターミナルで試したか、利用時点の公式CLI docsにある導入条件を確認します。

• LM StudioのWindows導入 - アプリのインストールと初回モデルの前提を確認する
• LM Studio公式CLI - lms付属条件と初回起動の公式説明を見る

lmsの基本コマンドを役割ごとに覚える

lmsのサブコマンドは、モデルのファイルを管理するもの、モデルをメモリへロードするもの、serverを制御するもの、runtimeやheadless環境を管理するものに分かれます。コマンド名を暗記するより、保存済みか、ロード中か、serverが起動中かを先に決めると、同じ症状を別の層で調べずに済みます。

lms importは既にあるGGUFなどをLM Studioのモデルディレクトリへ取り込む入口です。モデルの保存先・外部ファイル・画面上の削除を中心に確認したい場合は、CLIの全体像から切り離してモデル保存場所の記事へ進みます。

lms get MODEL
lms ls
lms ps
lms load MODEL_KEY
lms unload --all
lms server status

• lms ls公式docs - 一覧とdetailed・json表示の仕様を見る
• lms get公式docs - model name、quant、GGUF・MLX指定を確認する
• LM Studioで最初のモデルを選ぶ - コマンドの前にモデル規模と用途を決める

モデルを取得してロード・会話する基本フロー

端末で一度モデルを試すだけなら、取得、一覧、ロード、ロード状態、chatの順番にします。lms getで取得しただけでは、モデルがメモリへロード済みとは限りません。lms lsに表示されるmodel keyを使ってlms loadを実行し、lms psで確認してからlms chatへ進みます。

1. 必要なモデル名、形式、量子化、保存先の空き容量を決め、lms get MODELで候補を検索・取得する。
2. lms lsまたはlms ls --detailedで、実際に使うmodel keyとモデルの形式・サイズを確認する。
3. lms load MODEL_KEYでロードし、必要ならcontext length、GPU offload、TTL、identifierを指定する。
4. lms psでロード中のモデルを確認し、ロードに失敗していないことを確認する。
5. lms chat MODEL_KEY -p "短い質問"で単発の応答を確認し、続けて使うなら対話モードへ進む。

lms get MODEL
lms ls
lms load MODEL_KEY
lms ps
lms chat MODEL_KEY -p "短い質問"

モデル名が曖昧なまま複数候補を取得すると、保存容量とロード対象を取り違えます。まず軽い候補を1つだけ選び、短いpromptで応答を確認してから、別モデルや長いcontextを試します。

• LM StudioのGGUF取得・ロード - 検索、ダウンロード、ロードの順番を詳しく見る
• GGUFが読み込めないとき - 形式、runtime、モデルキーの切り分けへ進む
• LM Studioのモデル保存場所 - lms lsが見るMy Modelsと外部ファイルを分ける

lms load・unloadでメモリと推論設定を切り分ける

lms loadはモデルをメモリへロードする操作で、context length、GPU offload、TTL、APIで参照するidentifier、ロード前のmemory estimateを指定できます。これらはロード条件を調整するための設定であり、特定のモデルが必ず速くなる、全量がVRAMに入るといった性能保証ではありません。

1. lms psで現在ロード中のモデルを確認する。
2. 新しいモデルを試す前に、必要ならlms unload MODEL_KEYで対象だけ外す。
3. 全モデルを外す必要があるときだけlms unload --allを使い、他のchatやAPI処理がないか確認する。
4. ロード前の負荷を見たいときはlms load --estimate-only MODEL_KEYを使い、実ロードと見積もりを混同しない。
5. GPUやcontextを変えた後は、応答、メモリ、停止、serverの状態を別々に確認する。

lms unloadはメモリからモデルを外す操作で、保存済みのモデルファイルを削除する操作ではありません。容量整理が目的なら、ロード解除、モデル保存先、不要ファイルの削除を別の手順として扱います。

• lms load・unload公式docs - TTL、GPU、context、estimate-onlyの現行仕様を見る
• GPUなし・VRAM不足の確認 - GPU offloadを性能断定と混同しないための判断材料を見る
• LM Studioのprompt処理が遅いとき - context、モデル、PC資源を分けて切り分ける

lms serverでlocal APIを起動・確認・停止する

端末chatではなく別アプリやスクリプトからLM Studioを使う場合は、lms serverがHTTPの入口になります。まずlms server startで起動し、lms server statusで稼働状態とportを確認し、不要になったらlms server stopで停止します。portは前回の設定が使われる場合があるため、1234などを固定値と決めつけず、statusの表示を基準にします。

lms server start
lms server status
lms server status --json --quiet
lms server stop

CORSを有効にすることは、接続できない問題を解くための万能設定ではありません。公式docsもCORS有効化にはsecurity riskがあるため必要な場合だけ使うよう案内しています。まず同じWindows PCのlocalhostで、server status、port、API path、model IDを確認します。

• lms server start公式docs - portとCORSの指定、注意点を見る
• lms server status公式docs - status、JSON、quiet、ログ表示を見る
• ローカルAI APIサーバー入門 - serverの次にAPI type、endpoint、model IDを確認する
• VS CodeでLM Studioを使う - Custom Endpointへつなぐときの設定境界を見る

lms chatをPowerShellの動作確認や小さな自動化に使う

lms chatは端末からlocal modelへ会話を送るための入口です。モデルを指定しなければ選択を促す対話になり、model keyを指定すれば対象を固定できます。単発の確認は-p、system promptは-s、応答ごとの統計は--stats、chat終了後のロード保持は--ttlで指定します。

lms chat MODEL_KEY
lms chat MODEL_KEY -p "短く要約して"
lms chat MODEL_KEY -s "日本語で答える" --stats
Get-Content -Raw prompt.txt | lms chat MODEL_KEY

lms chatで応答が返ることは、OpenAI互換API、VS Codeのagent、tool calling、inline completionが動くことを意味しません。端末chatの確認後に連携へ進む場合は、server status、API path、model ID、モデルcapability、送信範囲を別々に確認します。

• lms chat公式docs - prompt、system prompt、stats、stdinの現行仕様を見る
• WindowsでローカルAIコーディング - 端末確認後の安全なコード作業の流れを見る
• VS CodeでローカルAIを使う - Chat、agent、provider、APIの違いを確認する

LM Studio・lms・llmsterを分け、Windowsのエラーを一つずつ切り分ける

LM Studioは画面でモデルを探し、設定し、local serverを扱うアプリです。lmsはその環境を端末から操作するCLIで、llmsterは画面を使わずに動かすheadless daemonです。lmsにはruntimeやdaemonなどのコマンドもありますが、通常のWindowsアプリ利用で必要なのは、まずLM Studioを一度起動し、lms --help、lms ls、lms ps、server statusを確認することです。

• Windowsの環境変数やPATHを変更する前に、LM Studioの初回起動と新しいPowerShellを確認する。
• 保存済みモデルはlms ls、ロード中モデルはlms ps、serverはlms server statusで別々に見る。
• model key、APIのmodel ID、表示名、ファイル名を同じものと決めつけない。
• CORS、外部host、共有ネットワーク公開は接続確認の最後に検討し、必要性と範囲を先に確認する。
• llmsterやruntimeを追加で扱うときは、LM Studioアプリの通常利用とheadless運用を分けて公式docsを読む。

• LM Studio・llmster・lms公式比較 - アプリ、CLI、headless daemonの役割を見る
• LM Studioが起動しないとき - アプリ、runtime、Windows側の切り分けへ進む
• ローカルAIのトラブルハブ - 起動、速度、モデル、APIの共通分岐を見る
• 履歴・ログ・プライバシー - CLI、server、履歴、ログ、モデル本体を分ける