記事一覧
MCPトークン

エージェントSDKでMCPツールを絞り込む方法:5つのフレームワークでMCPのトークン消費を減らす【実機検証・2026年】

エージェントSDKは絞り込まないとMCPツールを全部送ります。OpenAI Agents SDK・Google ADK・Pydantic AI・Vercel AI SDK・LangChainの絞り込み方を実機で検証し、エージェント別の設定、49〜92%削減の実測、料金、ハマりどころ、計測スクリプトをまとめました。

最終更新:2026年11月13日 / 検証環境:OpenAI Agents SDK 0.24.0、Google ADK 2.14.1、Pydantic AI 2.68.0、langchain-mcp-adapters 0.3.2、Vercel AI SDK 7.0.172(@ai-sdk/mcp 2.0.99)、MCP Python SDK 1.30.0、@modelcontextprotocol/server-filesystem 2.3.0 / 料金:Claude Sonnet 5.5(Anthropic公式の料金ページ)

エージェントフレームワークで自前のエージェントを作る場合、MCPのツール定義がどれだけモデルに渡るかを決めるのはフレームワークです。そして多くのフレームワークは、何もしなければサーバーが返すツールを全部モデルに送ります。自作エージェントのMCPトークン消費(MCP Token)を減らすいちばん安い方法は、コードでツールを絞り込むことです。公式のfilesystemサーバーでは、16ツールすべてを渡す代わりに3ツールだけを指定すると、ツール定義のトークンが1リクエストあたり2,909から680に減りました(77%減)。この記事では、5つのフレームワークの絞り込みAPIを実際のサーバーに対して動かし、トークン数と料金をあわせて示します。

この記事の「トークン」は、LLMのコンテキストと課金のトークンのことです。APIキーやOAuthのアクセストークンの話ではありません。

結論(30秒で読める要約)

  • 今回試したフレームワークは、絞り込まないとサーバーの全ツールをモデルに送ります。 server-filesystem 2.3.0なら16ツール・2,909トークン(o200k_base)が、毎リクエストの入力になります。
  • 絞り込みの書き方はフレームワークごとに違います。 OpenAI Agents SDKは tool_filter(固定リストか関数)、Google ADKは McpToolset(tool_filter=[...]) か判定関数、Pydantic AIは .filtered(lambda ctx, tool_def: ...)、Vercel AI SDKは tools({ schemas }) か toolsFromDefinitions()、langchain-mcp-adaptersは get_tools() の結果をリストで絞ります。
  • 同じサーバーでの実測値: 読み取り系だけにすると1,486トークン(49%減)、3ツールを名前で指定すると680(77%減)、2ツールを自前の最小スキーマで渡すと227(92%減)でした。
  • 料金: Claude Sonnet 5.5で、10リクエストのエージェント実行を1,000回行うと、全ツールではキャッシュなしで58.18ドル、3ツールでは13.60ドルです(4章で計算方法を示します)。
  • ツール名のタイプミスはエラーになりません。 検証では、OpenAI Agents SDKもADKも存在しない名前を黙って無視し、そのツールが使えなくなるだけでした。
  • 1回の実行の中では、絞り込んだツール一覧を変えないでください。 ターンごとに一覧が変わると、プロンプトキャッシュが効かなくなります。

目次

  1. なぜMCPのトークン消費はフレームワーク側で決まるのか
  2. 5つのフレームワークの絞り込みAPIを比較
  3. フレームワーク別のコード(動作確認済み)
  4. 実測:絞り込み方ごとのトークン数と料金
  5. マルチエージェントでのエージェント別の絞り込み
  6. 自分のサーバーを計測するスクリプト
  7. チェックリスト
  8. よくあるハマりどころ
  9. NodeFlareならこう解決できる
  10. よくある質問

1. なぜMCPのトークン消費はフレームワーク側で決まるのか

自作エージェントのMCPトークン消費は、MCPサーバーではなく、フレームワークのツール変換部分(アダプター)で決まります。 サーバーは tools/list に対して持っているツールをすべて返します。フレームワークはそれぞれを関数定義(名前・説明文・入力のJSON Schema)に変換し、毎リクエストその一覧をモデルに送ります。MCPの仕様は「全部送れ」とは言っていません。全部送るのはフレームワークの既定の動作です。

デスクトップのクライアントより自作エージェントの方が影響が大きいのには、3つの理由があります。

  • 画面上のスイッチがありません。 Claude Code・Cursor・VS Codeには、ツールをオフにする画面や設定があります(MCPツールはいくつまでが適切かを参照)。自作エージェントでは、自分で書くコードが唯一のスイッチです。
  • 多くのフレームワークでは、ツール検索が既定でオンになっていません。 ClaudeのAgent SDKはMCPツールを既定で遅延読み込みにします(公式ドキュメントに「Tool search is on by default」とあります)。Pydantic AIには任意で使える defer_loading() があります。それ以外の今回試したアダプターは、何か設定しない限り全ツールを送ります。
  • エージェントはリクエスト回数が多いです。 ツール定義はタスクごとに1回ではなく、ツール実行のループの中でモデルを呼ぶたびにかかります。なおAnthropicは、ツールを渡すとツール利用のためのシステムプロンプトを追加します(料金ページによると、Sonnet 5.5で auto のとき286トークン)。ただしこれは固定分で、調整できるのはツール定義の方です。

2. 5つのフレームワークの絞り込みAPIを比較

5つとも、MCPサーバーのツールの一部だけをモデルに見せられます。違いは、絞り込みをどこで行うか、エージェントやリクエストに応じて変えられるかです。

フレームワーク(検証したバージョン) 絞り込みのAPI 固定の許可リスト 関数での判定 除外リスト 独自スキーマ ツール一覧のキャッシュ
OpenAI Agents SDK(0.24.0) MCPServerStdio / MCPServerStreamableHttp の tool_filter= create_static_tool_filter(allowed_tool_names=[...]) (ToolFilterContext, tool) -> bool(同期・非同期どちらも可) blocked_tool_names=[...] なし cache_tools_list=True
Google ADK(2.14.1) McpToolset の tool_filter= ["name", ...] (tool, readonly_context=None) -> bool 判定関数で対応 なし tool_list_cache_ttl_seconds=
Pydantic AI(2.68.0) MCPToolset の .filtered() 関数で対応 (RunContext, ToolDefinition) -> bool 関数で対応 なし cache_tools=True(既定)
Vercel AI SDK(@ai-sdk/mcp 2.0.99) mcpClient.tools({ schemas }) または toolsFromDefinitions() schemas のキー listTools() の結果を絞る listTools() の結果を絞る あり(ZodまたはJSON Schema) なし
langchain-mcp-adapters(0.3.2) get_tools() の結果を絞る リスト内包表記 リスト内包表記 リスト内包表記 なし なし

表に収まらない公式ドキュメントの記述を補足します。

  • OpenAI Agents SDK:許可リストと除外リストを両方指定すると、先に許可リストを適用し、残ったものから除外リストのツールを外します。また「エージェントを実行するたびに各MCPサーバーの list_tools() を呼ぶ」とあり、これを避けるのが cache_tools_list です(速度の改善で、トークンは減りません)。
  • Vercel AI SDK:schemas を指定すると、クライアントは指定したツールだけを取り込みます。指定しないと、サーバーの全ツールが読み込まれます。
  • Google ADKのドキュメントは、McpToolset には必ず tool_filter=[...] を指定し、必要な操作だけをLLMに見せるよう勧めています。

3. フレームワーク別のコード(動作確認済み)

以下のコードは、2026年11月13日に @modelcontextprotocol/server-filesystem 2.3.0(stdio接続)に対して実行し、出力されたツール一覧をコメントに書いています。残すツールはどれも同じで、read_text_file・list_directory・search_files の3つです。

OpenAI Agents SDK(Python)

from agents import Agent
from agents.mcp import MCPServerStdio, create_static_tool_filter

READ = ["read_text_file", "list_directory", "search_files"]

async with MCPServerStdio(
    name="fs",
    params={"command": "npx", "args": ["-y", "@modelcontextprotocol/server-filesystem", "./data"]},
    tool_filter=create_static_tool_filter(allowed_tool_names=READ),
    cache_tools_list=True,
) as fs:
    agent = Agent(name="reader", mcp_servers=[fs])
    # list_tools -> ['read_text_file', 'list_directory', 'search_files']

関数で判定する場合は、実行コンテキストとツールを受け取ります。次の関数は読み取り系のツールだけを残し、16ツール中9ツールが残りました。

def read_only(ctx, tool) -> bool:
    return tool.name.startswith(("read_", "list_", "search_", "get_"))

サーバーがMCPのアノテーションを付けているなら、名前の接頭辞より tool.annotations.readOnlyHint で判定する方が確実です。

Google ADK(Python)

from google.adk.tools.mcp_tool import McpToolset, StdioConnectionParams
from mcp import StdioServerParameters

fs = McpToolset(
    connection_params=StdioConnectionParams(
        server_params=StdioServerParameters(
            command="npx", args=["-y", "@modelcontextprotocol/server-filesystem", "./data"]
        )
    ),
    tool_filter=["read_text_file", "list_directory", "search_files"],
)
# get_tools() -> ['list_directory', 'read_text_file', 'search_files']

tool_filter には (tool, readonly_context=None) -> bool の判定関数も渡せます。lambda tool, ctx=None: tool.name.startswith("read_") では、read_ で始まる4ツールが残りました。

Pydantic AI(Python、v2)

Pydantic AI v2では MCPServerStdio がなくなり、FastMCPクライアントを使う MCPToolset に置き換わりました。絞り込みには、ツールセット共通のメソッド .filtered() を使います。

from fastmcp.client import Client
from fastmcp.client.transports import StdioTransport
from pydantic_ai import Agent
from pydantic_ai.mcp import MCPToolset

READ = {"read_text_file", "list_directory", "search_files"}
fs = MCPToolset(Client(StdioTransport(
    command="npx", args=["-y", "@modelcontextprotocol/server-filesystem", "./data"]
)))
agent = Agent("anthropic:claude-sonnet-5-5", toolsets=[fs.filtered(lambda ctx, td: td.name in READ)])
# モデルに送られるツール -> ['read_text_file', 'list_directory', 'search_files']

モデルに実際に届く一覧は、Pydantic AIの TestModel(last_model_request_parameters.function_tools)で確認しました。ツールセットが返す一覧ではなく、リクエストに載った一覧です。Pydantic AIには、ツール検索で見つかるまでツールを隠す defer_loading() もあります。

Vercel AI SDK(TypeScript)

import { createMCPClient } from "@ai-sdk/mcp";
import { Experimental_StdioMCPTransport as Stdio } from "@ai-sdk/mcp/mcp-stdio";
import { z } from "zod";

const mcp = await createMCPClient({
  transport: new Stdio({ command: "npx", args: ["-y", "@modelcontextprotocol/server-filesystem", "./data"] }),
});

// 方法1:スキーマを自分で定義する。指定したツールだけを、指定したスキーマで読み込む
const tools = await mcp.tools({
  schemas: {
    read_text_file: { inputSchema: z.object({ path: z.string() }) },
    list_directory: { inputSchema: z.object({ path: z.string() }) },
  },
});
// -> ['read_text_file', 'list_directory'](説明文はサーバーのものがそのまま入る)

// 方法2:サーバーのスキーマのまま、名前で絞る
const defs = await mcp.listTools();
const READ = ["read_text_file", "list_directory", "search_files"];
const tools2 = mcp.toolsFromDefinitions({ ...defs, tools: defs.tools.filter((t) => READ.includes(t.name)) });
// -> ['read_text_file', 'list_directory', 'search_files']

5つの中で入力スキーマまで差し替えられるのは方法1だけで、4章で最も少ないトークン数になったのはこのためです。ただし注意点があります。read_text_file の最小スキーマでは、サーバーにある head と tail の引数がなくなるので、モデルはファイルの一部だけを読むことができなくなります。定義を小さくすると、結果が大きくなることがあります。

langchain-mcp-adapters(Python)

from langchain_mcp_adapters.client import MultiServerMCPClient

client = MultiServerMCPClient({
    "fs": {"command": "npx", "args": ["-y", "@modelcontextprotocol/server-filesystem", "./data"], "transport": "stdio"},
})
READ = {"read_text_file", "list_directory", "search_files"}
tools = [t for t in await client.get_tools(server_name="fs") if t.name in READ]
# 16ツールを読み込み -> 3ツールを残す

このアダプターには絞り込み用の引数がないため、返ってきたリストを絞ってからエージェントに渡します。複数のサーバーを登録している場合は、server_name で1つのサーバーだけを読み込めます。なお、LangChainの現在のMCPドキュメントは MCPAdapter というクラスを中心に説明しています。今回検証したのは、上の langchain-mcp-adapters パッケージです。

4. 実測:絞り込み方ごとのトークン数と料金

filesystemサーバーでは、3ツールの許可リストでツール定義のトークンが77%減り、独自スキーマでは92%減りました。

計測方法。 MCPのTypeScript SDKでツール一覧を取得し、ツールごとに {name, description, input_schema} をo200k_base(gpt-tokenizer 4.1.2)でトークン化しました(6章のスクリプト)。Claudeのトークナイザーでは絶対値が変わるため、相対的な大きさとして見てください。Dは、サーバーの説明文に最小のJSON Schema({"type":"object","properties":{"path":{"type":"string"}},"required":["path"]})を組み合わせたもので、3章の方法1で送られる内容の近似です。

料金の前提。 Anthropicの料金ページにあるClaude Sonnet 5.5の価格を使います。入力100万トークンあたり2ドル、5分キャッシュの書き込み2.50ドル、キャッシュヒット0.10ドルです。エージェントの1回の実行を10リクエストとし、これを1,000回行います。「キャッシュあり」は、1回の実行の中でツール定義を1回書き込み、残り9回はキャッシュから読む場合です。メッセージ、ツール結果、固定のシステムプロンプトはどの行も同じなので除いています。

絞り込み方 ツール数 1リクエストあたりのトークン 削減率 1,000回・キャッシュなし 1,000回・キャッシュあり
A. 絞り込みなし(フレームワークの既定) 16 2,909 – 58.18ドル 9.89ドル
B. 読み取り系のみ(関数で判定) 9 1,486 49% 29.72ドル 5.05ドル
C. 3ツールを名前で指定(許可リスト) 3 680 77% 13.60ドル 2.31ドル
D. 2ツールを独自の最小スキーマで(AI SDKの schemas) 2 227 92% 4.54ドル 0.77ドル

Cを手計算で確かめます。680 × 10 × 1,000 = 680万トークン、680万 × 2ドル ÷ 100万 = 13.60ドルです。キャッシュありの場合、1回の実行あたり書き込みが 680 × 2.50ドル ÷ 100万 = 0.0017ドル、ヒットが 9 × 680 × 0.10ドル ÷ 100万 = 0.000612ドルで、合計0.002312ドル。1,000回で2.31ドルになります。

この表から言えることは次のとおりです。

  • filesystemサーバーは小さい部類です。 2,909トークンは控えめで、これの数倍あるサーバーは珍しくありません。エージェントが3〜4個のサーバーにつなぐことも多いです。削減率はそのまま当てはまり、金額はツールの量に比例して増えます。
  • キャッシュはどの行も約83%下げ、絞り込みと掛け合わせて効きます。 ただし、毎リクエストで一覧がまったく同じであることが条件です(MCPのプロンプトキャッシュとツール一覧を参照)。
  • 最も重いツールは edit_file の337トークンです。 サーバー全体の約12%を占め、しかも書き込み系です。読み取りだけのエージェントなら、何も失わずに外せます。

5. マルチエージェントでのエージェント別の絞り込み

サーバーへの接続は1つにして、コンテキストを見て判定する関数で、エージェントごとに見せるツールを変えます。 OpenAI Agents SDKは、判定関数に実行コンテキスト・ツールを要求しているエージェント・サーバー名を渡します。そのため、1つの関数で複数のエージェントをまとめて扱えます。

TOOLS_BY_AGENT = {
    "researcher": {"read_text_file", "list_directory", "search_files"},
    "editor": {"read_text_file", "edit_file", "write_file"},
}

def per_agent(ctx, tool) -> bool:
    return tool.name in TOOLS_BY_AGENT.get(ctx.agent.name, set())

fs = MCPServerStdio(name="fs", params=..., tool_filter=per_agent)
researcher = Agent(name="researcher", mcp_servers=[fs])
editor = Agent(name="editor", mcp_servers=[fs])

検証では、researcher には3つの読み取り系ツール、editor には read_text_file・write_file・edit_file が見えました。Pydantic AIでは判定関数が RunContext を受け取るので、自分の deps(たとえば現在のユーザーの役割)を使って同じことができます。ADKでは判定関数に readonly_context が渡されます。LangChainとAI SDKでは、エージェントごとに別の絞り込み済みリストを作ります。

フレームワーク側の絞り込みは、モデルからツールを隠すだけで、アクセス制御ではありません。絶対に呼ばせてはいけないツールがあるなら、サーバーやゲートウェイの側でも制限してください。

6. 自分のサーバーを計測するスクリプト

絞り込み方を決める前に、自分のサーバーのツール定義を数えてください。 次のNodeスクリプトはstdioで接続し、ツール一覧を取得して、ツールごとのトークン数(o200k_base)を表示します。事前に @modelcontextprotocol/sdk と gpt-tokenizer をインストールしておきます。

// node count-tools.mjs <command> [args...]
// 例: node count-tools.mjs npx -y @modelcontextprotocol/server-filesystem ./data
import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { StdioClientTransport } from "@modelcontextprotocol/sdk/client/stdio.js";
import { encode } from "gpt-tokenizer/encoding/o200k_base";

const [command, ...args] = process.argv.slice(2);
const client = new Client({ name: "count-tools", version: "1.0.0" });
await client.connect(new StdioClientTransport({ command, args, stderr: "ignore" }));
const { tools } = await client.listTools();
let total = 0;
for (const t of tools) {
  // フレームワークがモデルに送る内容:名前・説明文・入力スキーマ
  const n = encode(JSON.stringify({ name: t.name, description: t.description, input_schema: t.inputSchema })).length;
  total += n;
  console.log(String(n).padStart(6), t.name);
}
console.log(String(total).padStart(6), `TOTAL (${tools.length} tools)`);
await client.close();

server-filesystem 2.3.0では 2909 TOTAL (16 tools) と表示されます。Claudeでの正確な数が必要なら、同じ定義をAnthropicのトークン計測APIに送り、ツールなしの場合との差を取ってください。

7. チェックリスト

  • [ ] エージェントが使うすべてのMCPサーバーに、明示的な絞り込みがある(フレームワークの既定に任せていない)
  • [ ] 許可リストのツール名は、サーバーの実際の tools/list からコピーしている。起動時に、存在しない名前があれば失敗するチェックを入れている
  • [ ] 読み取りだけのエージェントには、読み取り系のツールだけを見せている(サーバーが readOnlyHint を付けているなら、名前の接頭辞よりそれを使う)
  • [ ] マルチエージェントでは、各エージェントの絞り込みを1か所(辞書や関数)で定義している
  • [ ] 1回の実行の中で、絞り込んだ一覧が毎リクエスト同じになっている(キャッシュが効く)
  • [ ] スキーマを差し替える場合(AI SDKの schemas)、結果を小さくする引数(head・tail・limit・fields など)を残している
  • [ ] フレームワークにツール一覧のキャッシュがあれば有効にしている(cache_tools_list・cache_tools・tool_list_cache_ttl_seconds)
  • [ ] 絞り込みの前後で、スクリプトを使ってツール定義を計測した

8. よくあるハマりどころ

症状 原因 対処
許可したはずのツールをエージェントが使わない 許可リストのツール名のタイプミス。検証では、OpenAI Agents SDKもADKもエラーを出さずに無視した 起動時に、許可リストの名前がすべて list_tools() にあるか確認する
LangChainで絞り込みを入れたのにトークンが減らない 元の get_tools() のリストをそのままエージェントに渡している 絞り込んだ方のリストを渡す
動的な絞り込みを入れたらキャッシュヒット率が下がった ターンごとに違うツール一覧を返している ツールの組み合わせは実行ごとに1回だけ決める。エージェント単位で結果が変わらない関数にする
スキーマを小さくしたら、モデルがファイルを丸ごと読むようになった 独自スキーマで head / tail がなくなった 結果の大きさを抑える引数はスキーマに残す
サーバーに追加したツールが出てこない cache_tools_list=True で古い一覧が残っている サーバーを更新したら invalidate_tools_cache() を呼ぶ
Pydantic AIで MCPServerStdio のimportエラーが出る Pydantic AI v2で削除された FastMCPクライアントと MCPToolset を使う
2つのサーバーに search という同名のツールがある サーバー間で名前が衝突している 接頭辞を付ける(langchain-mcp-adaptersとADKの tool_name_prefix、Pydantic AIの .prefixed())。短い接頭辞ならトークンはほとんど増えない

9. NodeFlareならこう解決できる

NodeFlareはMCPに特化したホスティングです。GitHubリポジトリのMCPサーバーを、認証付きのHTTPSエンドポイントとしてデプロイします。プロキシには、サーバーのコードを変えずに使えるトークン削減の設定が4つあります。プロキシ側で動くので、エージェントがどのフレームワークを使っていても同じように効きます。ここまでの課題に対応させると次のとおりです。

課題1:フレームワークごと・エージェントごとに絞り込みのコードを書き直している(3章・5章)。 tool_list_filter_by_scope をオンにします。tools/list は、呼び出し元のNodeFlareの認証情報で呼べるツールだけを返すようになります(スキーマはそのまま)。リサーチ用と編集用のエージェントに別々のAPIキーを渡せば、どのフレームワークでも絞り込みのコードなしで正しい一覧が見えます。一覧が各エージェントのコードではなく認証情報で決まるので、NodeFlareで管理している権限ともそろいます。

課題2:複数ステップの作業で、途中の結果がコンテキストにたまる。 tool_code_mode でCode Executionをオンにします。サーバーは run_code と search_tools を公開するようになり、モデルは tools.* を呼ぶJavaScriptを書きます(たとえば、ファイルを検索し、ヒットした3件を読み、それぞれから1行だけ取り出す)。NodeFlareがこれをサンドボックスで実行し、会話に戻るのは最終結果だけです。実行は分離されたDenoのサブプロセスで行われ、ファイルシステム・環境変数・プロセスの起動は使えず、ネットワークはプロキシのコールバック先だけに制限されます。既定値は、タイムアウト600秒(変更可)、1回の実行あたりのツール呼び出し最大50回、V8ヒープ128MBです。

課題3:ツールが多いのに、フレームワークにツール検索がない(1章)。 tool_search_mode をオンにします。NodeFlareが tools/list を search_tools(query) と call_tool(name, args) の2つにまとめるので、サーバーのツールがいくつあっても、最初に送る一覧はほぼ一定です。検索は既定では字句検索で、GEMINI_API_KEY を設定すると意味検索になります(失敗時は字句検索に戻ります)。

課題4:自分では直せない他社サーバーの長い説明文。 tool_schema_slim は500文字を超える説明文を切り詰めます(UTF-8で安全に切ります)。名前と入力スキーマは変えません。filesystemサーバーで対象になるのは edit_file(693文字)だけなので、上の3つと組み合わせて使うものと考えてください。AI SDKの schemas と違い、引数を消すことはありません。

NodeFlareは、これらの設定による削減率を公表していません。6章のスクリプトで、自分の構成を計測してください。

最小の始め方:

  1. NodeFlareのダッシュボードで、MCPサーバーのGitHub URLを貼り付けます。ランタイム・通信方式・起動コマンドは自動で判定・入力されます。
  2. デプロイし、tool_code_mode をオンにします(必要に応じて tool_list_filter_by_scope や tool_search_mode も)。
  3. フレームワークのStreamable HTTP接続先を https://<your-server>.nodeflare.tech/mcp にし、Authorization: Bearer <NodeFlareのAPIキー> を付けます。

1サーバーまで無料で試せます(Freeプラン:1サーバー、月30GB時間のコンピュート)。→ nodeflare.techで始める

10. よくある質問

エージェントに見せるMCPツールを制限するには?

フレームワークのMCPアダプターで絞り込みます。OpenAI Agents SDKとGoogle ADKは tool_filter、Pydantic AIは .filtered()、Vercel AI SDKは tools({ schemas }) か toolsFromDefinitions() を使い、langchain-mcp-adaptersでは get_tools() のリストを絞ります。

エージェントフレームワークは既定でMCPツールを全部モデルに送る?

今回試した5つのアダプターでは、送りました。絞り込みなしでは、filesystemサーバーの16ツールすべてがモデルに見えていました。主な例外はClaudeのAgent SDKで、ツール検索が既定でオンのため、MCPツールは遅延読み込みになります。

MCPツールを絞り込むと、どれくらい節約できる?

サーバーによります。server-filesystem 2.3.0では、読み取り系だけにすると49%、3ツールの許可リストで77%、2ツールを最小の独自スキーマで渡すと92%、ツール定義のトークンが減りました(o200k_baseでの計測)。

OpenAI Agents SDKの tool_filter の使い方は?

MCPサーバーのクラスに tool_filter=create_static_tool_filter(allowed_tool_names=[...]) を渡すか、(ToolFilterContext, tool) -> bool の関数を渡します。許可と除外の両方を指定すると、先に許可リストを適用し、残りから除外リストの名前を外します。

Google ADKでMCPツールを絞り込むには?

McpToolset に tool_filter=["tool_a", "tool_b"] か、(tool, readonly_context=None) -> bool の判定関数を渡します。Googleのドキュメントは、常に絞り込みを指定するよう勧めています。

Vercel AI SDKで一部のMCPツールだけを使うには?

使いたいツールだけを指定して mcpClient.tools({ schemas: { ... } }) を呼びます。クライアントはそのツールだけを、指定したスキーマで読み込みます。サーバーのスキーマをそのまま使いたい場合は、listTools() の結果を絞って toolsFromDefinitions() に渡します。

LangChainはMCPツールの絞り込みに対応している?

langchain-mcp-adaptersには絞り込み用の引数はありません。ただし get_tools() は普通のリストを返すので、エージェントを作る前にリストを絞れば済みます。server_name を指定すると、1つのサーバーだけを読み込めます。

cache_tools_list でトークンは減る?

減りません。実行のたびに list_tools() を呼ばずに済むので、速度が上がるだけです。トークンを減らすのは、絞り込み・ツール検索・プロンプトキャッシュです。

動的な絞り込みでプロンプトキャッシュが壊れることはある?

リクエストごとに違う一覧を返すと壊れます。ツール定義はキャッシュされる先頭部分にあるため、そこが変わると以降のキャッシュが無効になります。1回の実行の中では、ツールの組み合わせを固定してください。

MCPツールの絞り込みはセキュリティ対策になる?

それだけでは不十分です。絞り込みが変えるのはモデルに見える範囲です。アクセス制御は、サーバーやゲートウェイの側(認証情報ごとのツール権限など)でも行ってください。

ここで言う「MCP Token」は、MCPのアクセストークンのこと?

違います。この記事は、コンテキストと料金にかかわるLLMのトークンについての記事です。アクセストークンやAPIキーは認証情報で、セキュリティの話題です。

まとめ

モデルに渡るツール定義の量を決めるのは、MCPサーバーではなくエージェントフレームワークで、その既定は「全部」です。どのフレームワークにも絞り込みの方法があります。OpenAI Agents SDKとADKは tool_filter、Pydantic AIは .filtered()、Vercel AI SDKは schemas か toolsFromDefinitions()、LangChainはリストの絞り込みです。filesystemサーバーでは、絞り込みによってツール定義のトークンが49〜92%減りました。許可リストの名前は起動時に確認し、キャッシュが効くよう1回の実行の中では一覧を固定し、結果を小さく保つ引数は消さないようにしてください。複数のサーバーにまたがってMCPのトークン消費を減らすツールの比較は、MCPのトークン消費を減らすツールのランキングを参照してください。

参考資料

NodeFlare

MCP専用ホスティングサービス

GitHubにあるMCPを簡単デプロイ・簡単運用で最適化
無料で始める

他の記事

MCPトークン2026年11月17日

ツール引数は出力トークン:MCPのトークン消費で見落とされる「書く側」のコスト(write_fileとedit_fileを実測・2026年版)

MCPのツール引数は出力トークンで、単価は入力の5倍、キャッシュも効きません。公式Filesystemサーバーで1行の変更がwrite_file 5,549トークン対edit_file 49トークンになった実測、Sonnet 5.5・Opus 5.5・Fable 5.2での料金試算、ツール間の書き写し、max_tokensでの中断、書き直しの損益分岐、置換ツールのコードまで。

MCPセキュリティ2026年11月17日

MCPのきめ細かな認可:スコープでは防げないBOLAを、オブジェクト・引数・項目単位のチェックで止める【MCP Security 2026】

ツール単位のスコープでは防げない、MCPツールのオブジェクト・引数・項目単位の認可を解説。仕様の「スコープだけで十分とみなすのは誤り」、公式Python SDKを含む2026年のCVE3件、チェックの置き場所、8つのルール、検証済みPythonコード(スコープのみ4/14、多層14/14)とCedarポリシー(12/12)。

MCPホスティング2026年11月17日

Hugging Face SpacesはまだMCP Hostingに無料で使える?Gradioのmcp_server=Trueを2026年の有料化後に検証(Gradio 6.32)

2026年のHugging Face SpacesでのMCP Hosting。新規のGradio SpaceはZeroGPU以外PROが必要、無料ハードウェアは48時間でスリープ、Gradioのキューは既定で1件ずつ。Gradio 6.32で検証した /gradio_api/mcp/ の使い方、188 MB・1回約60 msの実測、Space名の接頭辞、ZeroGPUの上限、費用、Claude Code・Cursorの接続を解説。

エージェントSDKでMCPツールを絞り込む方法:5つのフレームワークでMCPのトークン消費を減らす【実機検証・2026年】 | Blog | Nodeflare