MCPツールは4Kに収まらない:ローカルLLM(Ollama・LM Studio・llama.cpp)のMCP Token予算を5サーバーで実測【2026年版】
ローカルLLMのコンテキストをMCPツールがどれだけ使うか。OllamaのVRAM別の既定値、5つのMCPサーバーのツール定義をQwen3・Llama 3.1・Gemma 3・o200kで実測した値、4K〜64Kで何ステップ動けるか、あふれたときにOllamaが捨てるもの、KVキャッシュのメモリ計算をまとめました。
最終更新:2026年11月3日 / 対象:Ollamaのコンテキスト長(VRAMに応じた既定値、num_ctx、OLLAMA_CONTEXT_LENGTH、Anthropic互換API)、LM Studio 0.3.17以降のMCPホスト機能と0.4.0以降のAPI、llama.cppサーバーの --ctx-size、Qwen3/Llama 3.1/Gemma 3/o200kのトークナイザー
MCPのトークン消費(MCP Token)を扱う記事の多くは、200Kトークン級のコンテキストを持つクラウドのモデルが前提で、論点は料金です。ローカルLLMでは、論点は「入るかどうか」に変わります。OllamaはVRAMが24GiB未満のマシンでは4Kのコンテキストで動き、よく使われるMCPサーバーの中には、ツール定義だけでそれを超えるものがあります。
この記事では、5つのMCPサーバーのツール定義を4種類のトークナイザーで数え、4Kから64Kのコンテキストのどれだけを占めるかを示します。あわせて、収まらないときにOllamaが実際に何を捨てるのか、コンテキストを広げるとメモリがどれだけ増えるのかを計算します。
注:ここでいう「トークン」はLLMのトークン(コンテキストとメモリ)のことで、APIキーやOAuthのアクセストークンではありません。
結論(30秒で読める要約)
- ローカルLLMでのMCP Tokenの予算は、料金ではなくコンテキスト長で決まります。 Ollamaのドキュメントでは、既定値はVRAMに応じて24GiB未満なら4k、24〜48GiBなら32k、48GiB以上なら256kです。エージェントやコーディングツールには「少なくとも64000トークン」を推奨しています。
- ツール定義だけで既定値を超えることがあります。 Qwen3のトークナイザーで数えると、filesystemのリファレンスサーバー(14ツール)はツール用の定型文を含めて1,868トークンで、4,096の46%を占めました。filesystemとGitHub(40ツール)では5,454トークンで、4Kの133%です。NotionのMCPサーバーは単体で16,768トークンでした。
- トークナイザーの違いより、JSONの書き方の違いの方が大きく効きます。 Qwen3、Llama 3.1、Gemma 3、o200kの間の差は最大で約10%でした。一方、同じJSONを
:と,の後ろにスペースを入れて書くだけで17〜31%増えました。 - プロンプトがあふれると、Ollamaはツール定義を残して会話の方を捨てます。
chatPromptは、ツール込みで描画したプロンプトがnum_ctxに収まるまで古いメッセージから削り、systemメッセージと最新のメッセージだけは残します。最初に消えるのは、たいてい最初に頼んだタスクです。 - コンテキストを広げる代償は料金ではなくメモリです。 Qwen3-8B(36層、KVヘッド8、ヘッド次元128)では、16ビットのKVキャッシュが1トークンあたり144KiB必要です。32Kで4.5GiB、64Kで9GiBになり、これはモデルの重みとは別にかかります(config.jsonからの自分の計算)。
目次
- ローカルLLMでのMCP Tokenの予算とは
- 既定のコンテキスト長:Ollama・LM Studio・llama.cpp
- 実測:5つのMCPサーバーのツール定義を4つのトークナイザーで数える
- どこまで入るか:4K〜64Kに占めるツール定義の割合
- MCPツールが収まらないと何が起きるか
- コンテキストを広げるときのメモリの代償
- 小さいコンテキストにMCPを収める7つの方法
- 自分の環境で測る方法
- チェックリスト
- よくあるハマりどころ
- NodeFlareならこう解決できる
- よくある質問
1. ローカルLLMでのMCP Tokenの予算とは
ローカルLLMでのMCP Tokenの予算とは、モデルのコンテキスト(Ollamaの num_ctx、LM Studioのコンテキスト長、llama.cppの --ctx-size)のうち、MCPのツール定義とツールの結果に使ってよい分のことです。残りには、システムプロンプト、タスク、会話、モデルの返答が入らなければなりません。クラウドのAPIなら予算を超えても主に料金が増えるだけですが、ローカルでは失敗するか、古いメッセージが黙って消えるか、GPUメモリを余計に確保するかのどれかになります。
クラウドのモデルとの違いは3つあります。
| クラウドのAPI(Claude、OpenAI) | ローカルの実行環境(Ollama、LM Studio、llama.cpp) | |
|---|---|---|
| 一般的なコンテキスト | 大きく、モデルごとに決まっている | 自分で確保した分。既定値は4K〜32Kのことが多い |
| トークンが増えたときのコスト | トークン単価 | KVキャッシュ用のGPUメモリやRAMと、プロンプト処理の遅さ |
| プロンプトが長すぎるとき | APIのエラー | 実行環境しだい。古いメッセージの切り捨て、コンテキストシフト、エラー |
| ツール検索・遅延読み込み | 新しいモデルは対応 | クライアントしだい。OllamaのAnthropic互換APIは遅延ツールに「完全には対応していない」 |
MCPホスト(Ollamaにつないだ Claude Code、LM Studio、自作のエージェントなど)は、各サーバーの tools/list をチャットリクエストの tools 配列に変換します。実行環境はそれをモデルのチャットテンプレートでプロンプトに描画し、その描画後のテキストがコンテキストを使います。
2. 既定のコンテキスト長:Ollama・LM Studio・llama.cpp
最初に使える予算は、実行環境と、OllamaならGPUで決まります。2026年11月時点のドキュメントに書かれている既定値と設定方法は次のとおりです。
| 実行環境 | 既定のコンテキスト | 変更方法 | ドキュメントの記述 |
|---|---|---|---|
| Ollama(Context lengthのページ) | VRAMに応じて24GiB未満は4k、24〜48GiBは32k、48GiB以上は256k | アプリの設定のスライダー、OLLAMA_CONTEXT_LENGTH=64000 ollama serve、リクエストごとの "options": {"num_ctx": ...} |
Web検索、エージェント、コーディングツールのように大きなコンテキストが要る作業は「少なくとも64000トークン」に設定すべき、とある。FAQには今も既定は「4096トークン」と書かれている |
| Ollama+Claude Code | 同上 | 同上 | ローカルモデルを選び、64k以上のコンテキストを設定するよう案内している |
| LM Studio | モデルを読み込むときにモデルごとに設定(MCPのページには既定値の記載なし) | モデルの読み込み設定、モデルごとの既定値、APIの context_length(MCPのドキュメントの例は8000) |
0.3.17からMCPホストになり、開発者向けAPIでのMCP利用は0.4.0以降が必要 |
| llama.cppサーバー | -c, --ctx-size N は「default: 0, 0 = loaded from model」 |
-c 32768 または LLAMA_ARG_CTX_SIZE |
モデルが学習した最大長をそのまま読み込むと、想定よりはるかに多くのメモリを確保することがある。--context-shift は既定で無効 |
ここから実務上のポイントが2つ出てきます。ノートPCのGPUでOllamaを使うなら、ollama ps で確認するまでは4Kだと考えてください。CONTEXT 列に、読み込まれたモデルが実際に確保したコンテキスト長が出ます。逆にllama.cppでは、既定でモデルの学習時の長さを取るので、-c を意図して指定します。
3. 実測:5つのMCPサーバーのツール定義を4つのトークナイザーで数える
ツール定義はMCP Tokenの予算のうち固定でかかる部分で、ローカルモデルではトークナイザーが違ってもほぼ同じ量になります。それよりJSONの書き方の方が効きます。
方法(2026年11月3日):MCP TypeScript SDKのクライアント(v1.32.2)でstdio経由で各サーバーのツール一覧を取り、チャットテンプレートが使う関数形式({"type": "function", "function": {name, description, parameters}})に変換しました。それをQwen3のテンプレートと同じく1行に1ツールで並べ、Hugging Faceのトークナイザーを同梱したnpmパッケージ(@lenml/tokenizer-qwen3、-llama3_1、-gemma3、v3.7.2)とo200k_base(gpt-tokenizer)で数えています。Qwen3のテンプレートはこのほかにツール用の定型文(「# Tools ... <tools> ... </tool_call>」)を足し、これは77トークンでした。
| サーバー(npmパッケージ、バージョン) | ツール数 | Qwen3(詰めたJSON) | Qwen3(スペース入りJSON) | Llama 3.1 | Gemma 3 | o200k_base | 1ツールあたり、Qwen3(最小〜最大) |
|---|---|---|---|---|---|---|---|
| @modelcontextprotocol/server-filesystem 1.0.0 | 14 | 1,791 | 2,096 | 1,748 | 1,917 | 1,762 | 88〜194 |
| @modelcontextprotocol/server-everything 1.0.0 | 13 | 1,154 | 1,418 | 1,138 | 1,232 | 1,153 | 50〜209 |
| @modelcontextprotocol/server-github 2025.4.8(アーカイブ済み) | 26 | 3,586 | 4,694 | 3,549 | 3,818 | 3,702 | 84〜352 |
| @playwright/mcp 0.0.84 | 25 | 4,075 | 4,897 | 3,989 | 4,309 | 4,050 | 53〜314 |
| @notionhq/notion-mcp-server 2.6.1 | 24 | 16,768 | 21,692 | 16,676 | 17,842 | 17,284 | 565〜1,256 |
「詰めたJSON」はスペースなし({"a":1,"b":2})で、Goのエンコーダーや JSON.stringify の出力と同じです。「スペース入りJSON」は : と , の後ろに必ずスペースが入る形({"a": 1, "b": 2})で、Pythonの json.dumps の既定の出力と同じです。Jinjaベースのテンプレートはこちらになることがよくあります。
数字から分かること:
- トークナイザーの違いはほとんど効きません。 どのサーバーでも4つのトークナイザーの差は約10%以内でした(GitHubは3,549〜3,818、filesystemは1,748〜1,917)。どの行でもGemma 3が最も多く、Llama 3.1が最も少なくなりました。
- JSONの書き方は大きく効きます。 同じトークナイザーでも、スペース入りJSONは17%(filesystem)から31%(GitHub)増えました。どちらになるかは自分では選べず、実行環境のテンプレートエンジンで決まるので、実際の環境で測ってください(8章)。
- 重いサーバー1つが全体を支配します。 Notionの24ツールは、他の4サーバーの78ツールの合計より多くのトークンを使います。各ツールが同じ共通スキーマを繰り返し持っているためです。Notionで最も軽いツール(565トークン)でも、GitHubで最も重いツール(352トークン)より重くなっています。
- これは推定値です。 実行環境はそれぞれのテンプレートでツールを描画します(OllamaはHugging FaceのJinjaテンプレートではなくGoのテンプレートを使います)。実際のプロンプトは1リクエストあたり数十トークン程度ずれることがありますが、比率は変わりません。
4. どこまで入るか:4K〜64Kに占めるツール定義の割合
Qwen3の詰めたJSONの値に定型文の77トークンを足し、最初のメッセージの前にツール定義がコンテキストのどれだけを占めるかを計算しました。
| ツールの組み合わせ | ツール数 | 定義のトークン数 | 4,096 | 8,192 | 16,384 | 32,768 | 65,536 |
|---|---|---|---|---|---|---|---|
| A. filesystem | 14 | 1,868 | 46% | 23% | 11% | 6% | 3% |
| B. filesystem+GitHub | 40 | 5,454 | 133% | 67% | 33% | 17% | 8% |
| C. filesystem+GitHub+Playwright | 65 | 9,529 | 233% | 116% | 58% | 29% | 15% |
| D. C+Notion | 89 | 26,297 | 642% | 321% | 161% | 80% | 40% |
| E. 選んだ9ツール(filesystem 5つ+GitHub 4つ) | 9 | 1,300 | 32% | 16% | 8% | 4% | 2% |
100%を超えるものは、そもそも入りません。ただ、入るだけでは足りず、エージェントが作業する余地も要ります。次の表は、最も古いメッセージ(たいていはタスクそのもの)が押し出されるまでに何ステップのツール呼び出しができるかの目安です。
前提(自分の計算で、実測ではありません):システムプロンプト400トークン、タスク150トークン、返答用に1,024トークンを空けておく。ツールの1ステップごとに、ツール呼び出し80トークンと結果700トークン(計780トークン)が増える。ステップ数=⌊(コンテキスト長 − 定義 − 400 − 150 − 1,024)÷ 780⌋。
| ツールの組み合わせ | 4,096 | 8,192 | 16,384 | 32,768 | 65,536 |
|---|---|---|---|---|---|
| A. filesystem | 0 | 6 | 16 | 37 | 79 |
| B. filesystem+GitHub | 入らない | 1 | 11 | 33 | 75 |
| C. +Playwright | 入らない | 入らない | 6 | 27 | 69 |
| D. +Notion | 入らない | 入らない | 入らない | 6 | 48 |
| E. 選んだ9ツール | 1 | 6 | 17 | 38 | 80 |
1つ手で確かめます。Bを16,384で使う場合、16,384 − 5,454 − 400 − 150 − 1,024 = 9,356トークンが空き、9,356 ÷ 780 = 11.99なので11ステップです。
読み方:
- 4KではMCPのエージェントはほとんど動きません。 この前提では、小さなサーバー1つでもツール呼び出しを1回する余地が残りません。Ollamaがエージェント向けに64Kを推奨しているのは大げさではありません。
- サーバーを1つ足すと、トークンだけでなくステップ数が減ります。 16Kでは、filesystemとGitHubにPlaywrightを足すと、11ステップが6ステップになります。
- 絞り込みが一番効くのは、コンテキストが狭いときです。 filesystemは軽いサーバーなので8KではEとAが同じに見えますが、4KではAが動かずEは動きます。Notionのような重いサーバーでは、絞り込むかどうかが入るか入らないかの分かれ目になります。
5. MCPツールが収まらないと何が起きるか
描画したプロンプトがコンテキストより長くなったときの動きは実行環境ごとに違い、よくあるのは何も言わずに処理が進むパターンです。
Ollamaは古いメッセージを捨て、ツール定義は残します。 Ollamaの server/prompt.go では、chatPrompt はコンテキストを超えるメッセージを切り捨て、その際「1) 最新のメッセージ」と「2) systemメッセージ」は必ず含める、と説明されています。ループは毎回ツール込みでプロンプトを描画し、トークン数が num_ctx 以下になるまで先頭からメッセージを削り、それでも入らなければ最後のメッセージで止まります。つまり次のようになります。
- ツール定義は切り捨てられません。毎回数に含まれます。
- 最初に消えるのは、最初のユーザーメッセージ(タスク)と初期のツール結果です。モデルは、何を頼まれたのか分からないままツールを呼び続けることになります。
- systemメッセージと最新のメッセージだけで
num_ctxを超える場合も、ループはそこで終わるので、プロンプトがコンテキストを超えることがあります。 - リクエストの型には
truncate(描画したプロンプトがコンテキスト長を超えたら会話履歴を切り詰める)とshift(エラーにせず会話履歴をずらす)のフィールドがあります。使っているクライアントがどう設定しているかを確認してください。私が見つけた説明はソースコードのコメントだけでした。
OllamaのAnthropic互換APIは、コンテキストを節約する機能の一部を省いています。 互換性のページでは、/v1/messages/count_tokens、tool_choice、プロンプトキャッシュ(cache_control)が非対応とされ、遅延ツールは「完全には対応していない」と書かれています。トークン数も「基になるモデルのトークナイザーによる近似値」です。Ollamaにつないだ Claude Code では、AnthropicのAPIのときのようにツール検索がMCPの定義をコンテキストから外してくれるとは限りません。決めつけずに /context で確認してください。
LM Studioはまさにこの点を警告しています。 MCPのページには、Claude、ChatGPT、Gemini向けに作られたMCPサーバーの中にはトークンを過剰に使うものがあり、ローカルモデルをすぐに重くして頻繁にコンテキストのあふれを起こしうる、と書かれています。0.3.17のビルド10からは、トークン数の表示に「システムプロンプトとツール定義」が含まれるようになったので、チャット画面のカウンターで確認できます。
llama.cppはコンテキストシフトが既定で無効です。 --context-shift は「default: disabled」で、有効にする場合は --keep N で最初のプロンプトのうち何トークンを残すかを決めます。長いエージェントの実行の前に、どちらの動きにするか決めておきます。
6. コンテキストを広げるときのメモリの代償
よくある対策はコンテキストを広げることですが、その代償はGPUメモリで払います。KVキャッシュはコンテキスト長に比例して増え、MCPのツール定義はリクエストのたびにその一部を占めます。
一般的なTransformerでは、1トークンあたりのKVキャッシュのバイト数 = 2(KとV)× 層数 × KVヘッド数 × ヘッド次元 × 値1つあたりのバイト数 です。Qwen3-8Bのconfig.jsonでは、層数36、KVヘッド8、ヘッド次元128、重みはbfloat16です。16ビットで計算すると次のとおりです。
2 × 36 × 8 × 128 × 2バイト = 147,456バイト = 1トークンあたり144KiB
| コンテキスト長 | 16ビットのKVキャッシュ(Qwen3-8B、自分の計算) |
|---|---|
| 4,096 | 0.56GiB |
| 8,192 | 1.13GiB |
| 32,768 | 4.5GiB |
| 65,536 | 9.0GiB |
| Notionのツール定義だけ(定型文込みで16,845トークン) | 2.3GiB |
注意点:
- これはモデルの重みとは別にかかります。 OllamaのFAQには、必要なRAMは
OLLAMA_NUM_PARALLEL×OLLAMA_CONTEXT_LENGTHに比例するとあります。 - モデルがその長さに対応している必要があります。 Qwen3-8Bのモデルカードでは、ネイティブで対応するのは32,768トークンまでで、131,072トークンまではYaRNで検証済みとされています。YaRNには追加の設定が要るので、このモデルで64Kを使うのはメモリの設定だけの話ではありません。
- 実行環境によってはもっと少なくて済みます。 KVキャッシュの量子化や、モデルの構造の違いで1トークンあたりの値は変わります。自分のモデルのconfigの値で計算してください。
- 長いプロンプトは処理も遅くなります。 キャッシュがない最初のリクエストでは、ツール定義の全トークンが処理されます。Ollamaは「キャッシュから読んだプロンプトのトークン数」である
prompt_eval_cached_countを返すので、ツール定義の部分が変わらなければ、一度処理した分は再利用されます。
7. 小さいコンテキストにMCPを収める7つの方法
- コンテキスト長を意図して設定する。
OLLAMA_CONTEXT_LENGTH、num_ctx、LM Studioのモデルごとの設定、llama.cppの-cを使い、ollama psや実行環境のログで確認します。目安は「ツール定義+1,600トークン+必要なステップ数×1ステップの平均サイズ」以上です(4章)。 - サーバーはマシン単位ではなく作業単位でつなぐ。 コーディングの作業にNotionは要りません。
mcp.json(LM StudioはCursorのmcp.jsonの書き方に従っています)から外したサーバーの分だけ、定義がまるごと空きます。 - ホストが対応していればツールを絞り込む。 LM StudioのAPIは、MCPの連携ごとに
allowed_toolsを受け付けます。ドキュメントには、モデルが受け取るツール定義が減るのでプロンプトの処理が速くなりうる、指定しなければサーバーの全ツールがモデルから見える、とあります。自作のエージェントなら、そのステップに必要なツールだけを渡します。 - スキーマが軽いサーバーを選ぶ。 3章のとおり、ツール数が近いサーバー同士でも4.7倍の差があります。重い部分の見つけ方はツール定義の監査ガイドにまとめています。
- 結果を小さく保つ。 700トークンの結果なら1ステップ分、6,000トークンなら8ステップ分です。サーバーが対応していれば、ページング、項目の指定、ファイルへの出力を使います。
- ツール定義の並びを変えない。 ツールの順番を入れ替えたり、説明文に時刻を入れたりしなければ、実行環境のプロンプトキャッシュが処理済みの部分を再利用できます。
- ホストのツール数の上限を知っておく。 クライアントによってはツール数に上限や警告があります。クライアント別の数字はMCPツールはいくつから多すぎるかを参照してください。
8. 自分の環境で測る方法
実際に使っている実行環境で、描画後のプロンプトを測ります。ツールあり・なしのリクエストの差が、ツール定義のコストです。
Ollama。 prompt_eval_count が「プロンプトのトークン数」です。同じメッセージを2回送り、片方だけ tools にMCPのツールを入れます。
# ツールなし
curl -s http://localhost:11434/api/chat -d '{
"model": "qwen3:8b", "stream": false,
"messages": [{"role": "user", "content": "hi"}],
"options": {"num_ctx": 32768}
}' | jq .prompt_eval_count
# ツールあり(tools.json には関数形式の "tools" 配列が入っている)
jq -n --slurpfile t tools.json '{
model: "qwen3:8b", stream: false,
messages: [{role: "user", content: "hi"}],
tools: $t[0], options: {num_ctx: 32768}
}' | curl -s http://localhost:11434/api/chat -d @- | jq .prompt_eval_count
測るときは、予想される値より大きいコンテキストを指定してください。切り捨てで数字が隠れないようにするためです。そのあと ollama ps を実行し、CONTEXT 列を確認します。
任意のMCPサーバーからツール定義を書き出す。 次のNode.jsのスクリプト(MCP TypeScript SDK)は、サーバーのツールを上で使った関数形式で書き出します。
import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { StdioClientTransport } from "@modelcontextprotocol/sdk/client/stdio.js";
import fs from "node:fs";
const transport = new StdioClientTransport({
command: "npx",
args: ["-y", "@modelcontextprotocol/server-filesystem", "/tmp"],
});
const client = new Client({ name: "measure", version: "1.0.0" });
await client.connect(transport);
const { tools } = await client.listTools();
fs.writeFileSync("tools.json", JSON.stringify(tools.map((t) => ({
type: "function",
function: { name: t.name, description: t.description ?? "", parameters: t.inputSchema },
}))));
await client.close();
LM Studio。 MCPサーバーを有効にしてモデルを読み込み、トークン数のカウンターを見ます。システムプロンプトとツール定義が含まれています。APIでは、連携ありとなしでレスポンスの統計の input_tokens を比べます。
Ollamaにつないだ Claude Code。 MCPサーバーの接続後に /context を実行し、MCPツールの行を確認します。
9. チェックリスト
- [ ] モデルが実際に確保したコンテキスト長を確認した(
ollama ps、LM Studioの読み込み設定、llama.cppのログ) - [ ] 各MCPサーバーのツール定義のトークン数を、自分の実行環境で測った(ツールあり・なし)
- [ ] ツール定義がコンテキストの4分の1程度以下に収まり、タスク・ステップ・返答の余地がある
- [ ] サーバーは作業単位でつなぎ、重いサーバーは必要なときだけ有効にしている
- [ ] ツールを絞り込んでいる(LM Studioの
allowed_tools、自作エージェントならステップごとのツール一覧) - [ ] コンテキスト長がモデルの対応範囲内(ネイティブ、または設定済みのYaRN)に収まっている
- [ ] 選んだコンテキスト長と並列数で、KVキャッシュのメモリを確認した
- [ ] あふれたときの実行環境の動き(Ollamaの切り捨て、コンテキストシフト、エラー)を把握している
- [ ] ツール定義の並びが変わらず、実行環境のプロンプトキャッシュがターンをまたいで再利用される
10. よくあるハマりどころ
| 症状 | 原因 | 対処 |
|---|---|---|
| ツールを何回か呼ぶとタスクを忘れる | num_ctx に収めるためにOllamaが古いメッセージを捨てた(ツール定義は残る) |
num_ctx を上げる、サーバーを外す、結果を小さくする |
| ツールを無視する、存在しないツールを呼ぶ | 4Kのほとんどをツール定義が占め、考える余地が残っていない | ツールを絞り込む。32K〜64Kに設定する |
大きな値を設定したのに ollama ps が4096のまま |
設定がサーバーのプロセスに届いていない、またはクライアントが自前の num_ctx を送っている |
ollama serve に OLLAMA_CONTEXT_LENGTH を渡すか、アプリのスライダーで設定する。リクエストのoptionsを確認する |
| コンテキストを広げたらメモリ不足になった | KVキャッシュはコンテキスト長と並列数に比例して増える | 6章の式で計算し、並列数かコンテキスト長を下げる |
| モデルによっては32Kを超えると品質が落ちる | YaRNなしでネイティブの長さを超えている | ネイティブの長さに収めるか、モデルカードのとおりにYaRNを設定する |
| llama.cppが想定以上にメモリを使う | --ctx-size 0 で学習時の最大長を読み込んでいる |
-c を明示する |
| Ollamaにつないだ Claude Code が全MCPツールを読み込む | OllamaのAnthropic互換APIは遅延ツールに完全には対応していない | /context で確認し、サーバーとツールを絞る |
| MCPを有効にするとLM Studioが遅い | ツール定義が多く、プロンプトの処理に時間がかかる | allowed_tools を使う、サーバーを減らす |
11. NodeFlareならこう解決できる
NodeFlareは、GitHubリポジトリのMCPサーバーをプロキシの後ろでホストし、サーバーごとに4つのトークン節約スイッチを提供しています。どれもプロキシ側で適用されるので、サーバーのコードを変える必要はありません。APIキー付きでリモートのサーバーURLにつなげるMCPホストなら使えます。たとえばLM Studioの mcp.json(url と headers)、Ollamaにつないだ Claude Code、自作のエージェントです。モデルは手元のマシンに置いたまま、MCPサーバーだけをリモートで動かせます。
課題1:ツールの結果が積み上がり、Ollamaがタスクを切り捨てる(4章・5章)。 tool_code_mode でCode Executionを有効にします。サーバーは run_code と search_tools を公開し、モデルが tools.* を呼ぶJavaScriptを書くと、NodeFlareがそれをサンドボックスで実行します。複数のツール呼び出しが1回の実行にまとまり、手元のコンテキストに入るのは実行の戻り値だけです。各実行は隔離されたDenoのサブプロセスで動き、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にしかつながりません。既定値はタイムアウト600秒、1回の実行あたり最大50回のツール呼び出し、V8ヒープ128MBです。計算例(4章の前提での自分の計算で、NodeFlareの計測値ではありません):700トークンの結果を返す5ステップを、300トークンの要約を返す1回の実行にまとめると、会話の増え方は3,900トークンから約380トークンになります。ただし、小さいローカルモデルはコードを書く力にばらつきがあるので、自分のモデルで試してください。
課題2:ツール定義だけで4Kや8Kが埋まる(3章・4章)。 tool_search_mode を有効にします。NodeFlareは tools/list を search_tools(query) と call_tool(name, args) の2つのメタツールにまとめるので、ホストがモデルに渡す定義はカタログ全体ではなく2つだけになり、ツールが増えても最初のコストはほぼ一定です。MCPの層で動くので、クライアントや実行環境が遅延ツールに対応しているかどうかに左右されません。検索は既定では語句の一致で行い、GEMINI_API_KEY を設定すると意味検索になり、埋め込みに失敗したときは語句の一致に戻ります。計算例(各サーバーの2つのメタツールが約300トークンと仮定した自分の計算です。実際の値は8章の方法で測ってください):組み合わせBの2サーバーをどちらもこの設定でNodeFlareに置くと、定義は5,454トークンから約677トークンになり、8Kで使えるステップ数は1から7に増えます(検索の呼び出し分は含みません)。
課題3:ローカルのエージェントには一部のツールしか要らない。 tool_list_filter_by_scope を有効にし、そのエージェントに tools:call:read_text_file や tools:call:search_files のようなスコープを持つAPIキーを発行します。tools/list はそのキーで呼べるツールだけを返し(スキーマは同じまま)、それ以外の呼び出しはサーバーに届く前にプロキシが拒否します。マシンごとにホストの設定を書き換えなくても、4章の組み合わせEと同じ状態になります。
課題4:残したツールの説明文が長い。 tool_schema_slim を有効にすると、500文字を超える説明文をUTF-8の文字境界で切り詰め、名前と入力スキーマはそのまま残します。効果の範囲ははっきりさせておくと、今回測った5サーバーにはそこまで長い説明文はなく、Notionのコストは入力スキーマにあるので、この設定では変わりません。そうしたサーバーには、スコープによる絞り込み、ツール検索モード、Code Executionを使ってください。
NodeFlareは固定の削減率を公表していません。各スイッチの前後で prompt_eval_count(またはLM Studioのトークン数)を比べてください。
最小の始め方:
- nodeflare.techにサインインし、MCPサーバーのGitHubのURLを入力します。ランタイム、トランスポート、起動コマンドは自動で検出・入力されます。
- デプロイし、
tool_code_modeを有効にします(コンテキストが狭いならtool_search_modeやtool_list_filter_by_scopeも)。 - サーバーのURLとAPIキーをMCPホストに設定します。LM Studioなら
mcp.jsonにurlとAuthorization: Bearerヘッダーを書きます。ほかのホストはリモートMCPクライアント設定チートシートを参照してください。
MCPサーバー1つまで無料で試せます(Freeプラン:サーバー1つ、月30 GB-時間のコンピュート)。→ nodeflare.techで始める
12. よくある質問
ローカルLLMでMCPツールは何トークン使う?
モデルよりもサーバーによって大きく変わります。Qwen3のトークナイザーで数えると、filesystemのリファレンスサーバーの14ツールは1,791トークン、アーカイブ済みのGitHubのリファレンスサーバーは3,586トークン、NotionのMCPサーバーは16,768トークンで、これに約77トークンの定型文が加わりました。Llama 3.1、Gemma 3、o200kでもこの値との差は約10%以内でした。
Ollamaの既定のコンテキスト長は?
OllamaのContext lengthのドキュメントでは、VRAMに応じて24GiB未満は4k、24〜48GiBは32k、48GiB以上は256kです。クラウドモデルは最大長が既定です。読み込まれたモデルが実際に確保した長さは、ollama ps の CONTEXT 列で確認できます。
OllamaでMCPツールを使うには、コンテキスト長はどれくらい必要?
Ollamaは、エージェントやコーディングツールには少なくとも64,000トークンを推奨しています。目安としては、つなぐ全サーバーのツール定義のトークン数に、システムプロンプト・タスク・返答の分として約1,600トークンを足し、さらに想定するツール呼び出しの回数×結果の平均サイズを足します。モデルが対応する長さは超えないようにします。
MCPツールがOllamaの num_ctx を超えるとどうなる?
Ollamaはツール定義とsystemメッセージを残し、描画したプロンプトが収まるまで古い会話のメッセージから捨てます。最新のメッセージは必ず残ります。実際には最初のタスクと初期のツール結果から消えるので、エージェントは何を頼まれたのか分からなくなります。最新のメッセージとsystemメッセージだけで収まらない場合は、プロンプトがコンテキストを超えることもあります。
ローカルモデルによってMCPのトークン数は変わる?
変わりますが、思うほどではありません。今回の計測では、Qwen3、Llama 3.1、Gemma 3、o200kのトークナイザーの差は同じ定義で約10%以内でした。それより実行環境のJSONの書き方の方が効き、スペース入りのJSONは詰めたJSONより17〜31%多くなりました。
LM StudioのトークンカウンターにMCPのツール定義は含まれる?
含まれます。LM Studio 0.3.17のリリースノートに、トークン数がシステムプロンプトとツール定義を含むようになったと書かれています。MCPのドキュメントでも、一部のMCPサーバーはトークンを過剰に使い、ローカルモデルで頻繁にコンテキストのあふれを起こしうると注意しています。
LM Studioがモデルに渡すMCPツールを絞るには?
アプリでは、mcp.json で必要なサーバーだけを有効にします。開発者向けAPI(LM Studio 0.4.0以降)では、MCPの連携に allowed_tools を指定します。指定しなければ、サーバーの全ツールがモデルから見えます。定義が減ればプロンプトの処理も速くなります。
Ollamaで Claude Code のツール検索は効く?
当てにしない方が安全です。OllamaのAnthropic互換のページには、遅延ツールとツール選択の制御は「完全には対応していない」とあり、プロンプトキャッシュとトークンカウントのエンドポイントにも対応していません。Claude Code で /context を実行し、実際に読み込まれているMCPツールのトークン数を確認してください。
コンテキストを広げるとメモリはどれくらい増える?
Qwen3-8Bでは、configの層数とヘッド数から計算すると16ビットのKVキャッシュが1トークンあたり144KiB必要で、32Kで約4.5GiB、64Kで約9GiBです。これはモデルの重みとは別です。OllamaのFAQには、必要なRAMは並列数×コンテキスト長に比例するとも書かれています。
ローカルモデルでもプロンプトキャッシュは効く?
ローカルでは、APIの料金ではなく実行環境の機能として効きます。Ollamaはキャッシュから読んだプロンプトのトークン数を prompt_eval_cached_count で返すので、ツール定義の部分が変わらなければ毎ターン処理し直すことはありません。ただし節約できるのは時間で、コンテキストの空きは増えません。定義はコンテキストを占めたままです。
ここでいう「MCP Token」はAPIトークンのこと?
違います。この記事が扱うのは、MCPのツール定義や結果がコンテキストの中で使うLLMのトークンです。MCPサーバー用のAPIキーやOAuthのアクセストークンはセキュリティの話題です。
まとめ
ローカルLLMでのMCP Tokenは、まず「入るかどうか」の問題です。Ollamaの既定のコンテキストは4Kのことがあり、MCPサーバー1つのツール定義だけでその半分以上を占めることがあります。そこにタスク、ツールの結果、返答が入らなければなりません。トークナイザーの違いは数%程度ですが、JSONの書き方とサーバーの選び方でコストは何倍も変わります。プロンプトがあふれると、Ollamaはツール定義を残して古いメッセージを捨てるので、エージェントはエラーも出さずにタスクを忘れます。自分の実行環境で描画後のプロンプトを測り、作業に必要なサーバーだけをつなぎ、ツールを絞り、結果を小さく保ち、コンテキスト長はモデルの対応範囲とKVキャッシュのメモリの両方から決めてください。
参考資料
- Ollama Docs: Context length
- Ollama Docs: FAQ(コンテキストの大きさ)
- Ollama Docs: Chat API(
num_ctx、prompt_eval_count) - Ollama Docs: Anthropic compatibility
- Ollama Docs: Claude Code integration
- Ollamaのソースコード:server/prompt.go(chatPromptの切り捨て)
- LM Studio Docs: MCP(アプリ)
- LM Studio Docs: MCP(API)
- LM Studio 0.3.17 リリースノート
- llama.cpp server README
- Qwen3-8B モデルカードとconfig.json
- 使用したトークナイザー:@lenml/tokenizer-qwen3、@lenml/tokenizer-llama3_1、@lenml/tokenizer-gemma3、gpt-tokenizer
- 計測したパッケージ:@modelcontextprotocol/server-filesystem、@modelcontextprotocol/server-everything、@modelcontextprotocol/server-github、@playwright/mcp、@notionhq/notion-mcp-server
関連記事:MCPツール定義の監査とスリム化 ・ MCPツールはいくつから多すぎるか ・ リモートMCPクライアント設定チートシート
