記事一覧
MCPトークン

MCPのトークン消費は往復回数で決まる:並列ツール呼び出し・一括取得ツール・コード実行で減らす計算と実装【2026年版】

ツール呼び出しでターンが増えるたびに、システムプロンプト・ツール定義・過去の結果が再送されます。往復回数の計算式、Claude Sonnet 5.5での試算(6件で入力53,760→15,360トークン)、disable_parallel_tool_use と parallel_tool_calls、一括取得ツールの設計、依存処理のコード実行、削除されたJSON-RPCバッチとの違いを解説。

最終更新:2026年11月15日 / 対象:Claude APIの並列ツール呼び出し(disable_parallel_tool_use)、OpenAIの parallel_tool_calls、MCP仕様の変更履歴 2025-03-26・2025-06-18(JSON-RPCバッチ)、Claude CodeのMCPドキュメント、Claude Sonnet 5.5の料金

MCPのトークン消費(MCP Token)を減らす話は、たいてい「小さくする」話です。ツールを減らす、説明文を短くする、結果を絞る。この記事が扱うのは別の軸、「同じコンテキストに何回お金を払っているか」です。ツール呼び出しのたびにモデルの1ターンが増えると、そのたびにシステムプロンプト、全ツール定義、それまでのツール結果がまとめて再送されます。独立した6件の調べものを1件ずつ行うと、6件を1ターンでまとめて行う場合の約3倍の入力トークンがかかります。最後に残るコンテキストはまったく同じなのに、です。以下では、計算式、Claude Sonnet 5.5での試算(計算方法つき)、往復を減らす3つの方法(並列ツール呼び出し・一括取得ツール・コード実行)を順に説明します。

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

結論(30秒で読める要約)

  • モデルの1ターンごとに、コンテキスト全体が再び課金されます。 エージェントのループでは、k回目のリクエストに「先頭部分(システムプロンプトとツール定義)+それまでに返った結果すべて」が入ります。1件ずつ呼ぶと入力は呼び出し回数の2乗で増え、並列に呼ぶと1次で増えます。
  • 最終的なコンテキストは同じでも、請求額は違います。 独立した6件の調べもの(先頭部分5,000トークン、結果1件800トークン)の試算では、1件ずつだと7リクエスト・入力53,760トークン、並列だと2リクエスト・15,360トークンでした。Claude Sonnet 5.5でキャッシュなしなら、1,000タスクあたり $114.12 と $37.32 です。
  • プロンプトキャッシュで金額の差は縮みますが、往復回数は減りません。 キャッシュありだと同じ比較は $36.60 と $32.76 です。一方、モデルのターン数は7回から2回に減るので、待ち時間は大きく変わります。
  • Claude APIの並列ツール呼び出しは既定で有効です。 公式ドキュメントには「Claude 4以降のモデルは、複数のツールが役立つリクエストでは既定で並列にツールを呼ぶ」とあります。止めるには tool_choice の中に disable_parallel_tool_use: true を書きます。OpenAIでは parallel_tool_calls です。
  • 前の結果に依存する呼び出しは並列にできません。 「Xを調べて、その結果でYを取る」ような処理には、サーバー側の一括取得ツールかコード実行を使います。
  • MCPから削除されたJSON-RPCバッチは、この話と無関係です。 2025-03-26で追加され2025-06-18で削除されたもので、まとめていたのはプロトコルのメッセージであり、モデルのターンではありません。

目次

  1. 往復回数がMCPのトークン消費を決める理由
  2. 計算式:1件ずつ vs 並列
  3. Claude Sonnet 5.5での試算
  4. APIとクライアント別の並列ツール呼び出し
  5. 一括取得ツール:サーバー側の設計
  6. 依存する処理はコード実行で
  7. 実装例:MCPのツールを正しく並列実行する
  8. チェックリスト
  9. よくあるハマりどころ
  10. NodeFlareならこう解決できる
  11. FAQ

1. 往復回数がMCPのトークン消費を決める理由

往復とはエージェントのループ内のモデルへのリクエスト1回のことで、1回ごとに入力全体が課金されます。LLMのAPIは状態を持たないので、ツール呼び出しのあとに続きを生成させるには、システムプロンプト、全ツール定義、会話、これまでのツール結果をすべて送り直す必要があります。MCPではツール定義がサーバーの tools/list から来るので、定義が重いサーバーほど1往復あたりのコストが上がります。

エージェントのループは次のように動きます。

  1. モデルがプロンプトとツール一覧を受け取り、tool_use ブロックを1つ以上返す。
  2. クライアントがMCPサーバーに対してその呼び出しを実行する(tools/call)。
  3. クライアントが結果を加えて、すべてを新しいリクエストとして送る。
  4. モデルがツールを呼ばずに回答するまで繰り返す。

モデルが1ターンに1つずつツールを呼ぶと、n件の調べものには n+1 回のリクエストが必要になり、最初の結果は n 回送り直されます。n件を1ターンでまとめて呼べばリクエストは2回で済みます。どちらも最後のコンテキストは同じで、違うのは途中の部分に何回お金を払ったかだけです。

2. 計算式:1件ずつ vs 並列

1件ずつ呼ぶと入力トークンは呼び出し回数の2乗で増え、並列なら1次で増えます。

P を先頭部分(システムプロンプト+ツール定義)、U をユーザーのメッセージ、R をツール結果1件のトークン数、C をモデルが書く tool_use ブロック1つのトークン数とします。

パターン リクエスト回数 入力トークンの合計
1件ずつ(1ターン1呼び出し) n+1 (n+1)(P+U) + n(n+1)/2 × (C+R)
並列(1ターンで全部) 2 2(P+U) + n(C+R)
差 n−1 (n−1)(P+U) + n(n−1)/2 × (C+R)

差は2つの項でできています。1つ目は余分なターンごとに再送される先頭部分なので、ツール定義が重いほど1件ずつ呼ぶ損が大きくなります。2つ目は前の結果が後のターンで再送される分なので、結果が大きいほど損が大きくなります。定義や結果を小さくする対策と往復を減らす対策は、掛け算で効きます。

3. Claude Sonnet 5.5での試算

この試算では、並列呼び出しで入力トークンが6件で71%、12件で85%減りました。キャッシュありの場合、金額の削減は3〜12件で5〜19%です。

前提は次のとおりです。先頭部分 P=5,000トークン(システムプロンプトと中規模のMCPツール一覧)、ユーザーのメッセージ U=100、結果1件 R=800、tool_use ブロック1つ C=60(出力)、最終回答300(出力)。調べものは互いに独立とします。料金はAnthropicの料金ページにあるClaude Sonnet 5.5の値で、入力 $2/100万トークン、出力 $10/100万トークン、5分キャッシュ書き込み $2.50、キャッシュヒット $0.10 です。「キャッシュあり」は、各リクエストが直前のリクエストまでの内容をキャッシュから読み、新しい部分だけを書き込むものとして計算しました。金額は1,000タスクあたりです。実際に動かした計測ではなく、筆者の計算です。

呼び出し数 パターン リクエスト 入力トークン 出力トークン 1,000タスク(キャッシュなし) 1,000タスク(キャッシュあり)
3 1件ずつ 4 25,560 480 $55.92 $25.79
3 並列 2 12,780 480 $30.36 $24.51
6 1件ずつ 7 53,760 660 $114.12 $36.60
6 3件並列×2段 3 23,040 660 $52.68 $33.53
6 並列 2 15,360 660 $37.32 $32.76
6 一括取得ツール1回 2 15,060 360 $33.72 $29.01
12 1件ずつ 13 133,380 1,020 $276.96 $60.55
12 並列 2 20,520 1,020 $51.24 $49.26
12 一括取得ツール1回 2 19,860 360 $43.32 $41.01

6件・1件ずつの行を手で確かめると、7回のリクエストの入力は 5,100、5,960、6,820、7,680、8,540、9,400、10,260 トークンです(1回ごとに 60+800 増える)。合計 53,760 × $2 ÷ 100万 = $0.10752、出力 660 × $10 ÷ 100万 = $0.0066 で、1タスク $0.11412、1,000タスクで $114.12 になります。2章の式でも、並列との差は 5 × 5,100 + 15 × 860 = 38,400 トークンで一致します。

一括取得ツールの行は、tool_use ブロック1つ(60トークン)で、結果には6 × 800トークン分のデータが入る前提です。実際には、うまく設計した一括取得ツールは6つ分の外枠を1つにまとめるので、結果はもっと小さくなることが多いです。

数字からわかること:

  • キャッシュなしなら、往復回数が支配的です。 12件では、1件ずつは並列の5.4倍かかります。
  • キャッシュありだと、金額の差は5〜19%に縮みます。 Sonnet 5.5のキャッシュヒットは100万トークンあたり $0.10 なので、再送分は安くなります。ただしキャッシュが効くのは、先頭部分が1バイトも変わらず、有効期限内のときだけです(ツール一覧がキャッシュを壊す理由)。
  • キャッシュでは往復回数は減りません。 ターンが2回でなく7回なら待ち時間が延び、モデルが途中で止まったり、確認を求めたり、脱線したりする機会も増えます。サーバー側で往復が実時間にどう積み上がるかは MCPサーバーのレイテンシ実測 を参照してください。
  • 一部だけ並列にしても効きます。 3件並列×2段は、キャッシュなしで1件ずつの半分以下です。

4. APIとクライアント別の並列ツール呼び出し

並列ツール呼び出しはClaude APIでもOpenAI APIでも既定で有効です。並列にならない原因の多くは、設定で無効にしている、プロンプトが並列を妨げている、結果の返し方が間違っている、のどれかです。

APIまたはクライアント 既定 無効にする方法 ドキュメントの記述
Claude API 有効 tool_choice: {"type": "auto", "disable_parallel_tool_use": true} Claude 4以降のモデルは、複数のツールが役立つ場合に既定で並列に呼ぶ。この設定はリクエストの最上位のパラメーターではない
OpenAI API(Function calling) 無効にしない限り有効 parallel_tool_calls: false false にすると、1ターンに呼ばれるツールは0個か1個になる。組み込みツールは並列の関数呼び出しに含められない
Claude Code 読み取り専用の呼び出しをまとめて実行 — MCPドキュメントによると、readOnlyHint が付いたツールは他の読み取り専用の呼び出しと並列に実行される
MCPプロトコル クライアントは複数の tools/call を同時に送れる — JSON-RPCバッチは2025-03-26で追加され、2025-06-18で削除

Anthropicの並列ツール呼び出しのページのうち、トークン消費に関わる点は次のとおりです。

  • 結果は1つのユーザーメッセージにまとめて返す。 tool_use ブロック1つにつき tool_result を1つ、次のユーザーメッセージにまとめて入れ、テキストより前に置きます。結果ごとに別のユーザーメッセージにするのは、誤った例として挙げられています。
  • disable_parallel_tool_use: true のとき、auto では1回の応答で呼ぶツールは最大1つ、any や tool ではちょうど1つになります。
  • プロンプトで促せる。 ドキュメントは、独立した操作は順番にではなく同時にツールを呼ぶよう指示するシステムプロンプトの例を載せています。数十トークン程度です。
  • モデルによる違いがある。 「Claude Fable 5.1は、特に長いエージェントループで、以前のモデルより並列呼び出しが少なくなることがある」と書かれています。
  • 実行順序は実装側が決める。 APIは実行順序を定めていません。読み取り専用の呼び出しは並列にしても安全なことが多く、副作用のある呼び出しは順番に実行したほうがよい場合があります。

MCP側では、削除されたJSON-RPCバッチがよく混同されます。これは複数のプロトコルメッセージを1つのHTTPボディに詰める仕組みで、タスクに必要なモデルのターン数は変わらないため、トークン消費には関係しませんでした。並列ツール呼び出しはモデルの層で起き、クライアントは普通の tools/call を同時に送るだけです。

5. 一括取得ツール:サーバー側の設計

一括取得ツールは入力をリストで受け取り、すべての結果を1回で返すツールです。必要な件数がいくつでも、tool_use ブロック1つと往復1回で済みます。

並列呼び出しはモデルが協力してくれないと起きませんが、一括取得ツールはモデルの癖に左右されません。「この20件を取って」のようなタスクでは、並列に20個の tool_use ブロックを書かせると出力トークンも20倍かかるので、その点でも有利です。設計のルールは次のとおりです。

ルール 理由
上限つきの配列(ids、paths、queries など、上限は20件など)を受け取る 1タスク1回で済み、上限が結果の大きさを抑える
完全なオブジェクトをN個返さず、1つのコンパクトな外枠で返す 共通項目は1回だけで、N回分の結果より小さい
項目ごとのエラーは結果の中で返す 1件の欠けで全体が失敗したり、再試行ループになったりしない
読み取り専用なら readOnlyHint: true を付ける クライアントが他の読み取り専用の呼び出しと並べて実行できる
1件用のツールは本当に必要なときだけ残す 同じことをするツールが2つあると、毎回の往復で定義を2つ払う

MCP TypeScript SDKでの例です(説明用のコードなので、名前と上限は自分のサーバーに合わせてください)。

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { z } from "zod";

const server = new McpServer({ name: "orders", version: "1.0.0" });

server.registerTool(
  "get_orders",
  {
    description: "Get up to 20 orders by ID in one call. Returns id, status, total, eta.",
    inputSchema: { ids: z.array(z.string()).min(1).max(20) },
    annotations: { readOnlyHint: true },
  },
  async ({ ids }) => {
    const rows = await Promise.all(ids.map(async (id) => {
      const o = await db.findOrder(id); // your data access
      return o ? [o.id, o.status, o.total, o.eta].join("\t") : `${id}\tNOT_FOUND`;
    }));
    return { content: [{ type: "text", text: "id\tstatus\ttotal\teta\n" + rows.join("\n") }] };
  }
);

タブ区切りの外枠にすると、項目名は1回書くだけで済みます。

6. 依存する処理はコード実行で

各呼び出しが前の結果に依存する場合、並列呼び出しも単純な一括取得ツールも往復を減らせません。減らせるのはコード実行です。モデルがループや分岐、ツール呼び出しを含むスクリプトを1つ書き、スクリプトの戻り値だけがコンテキストに戻ります。

この試算では、6段の依存チェーンを1件ずつ行うと、上の表の1件ずつの行と同じく1,000タスクあたり $114.12(キャッシュなし)です。これを1回のコード実行にすると(コード250出力トークン、戻り値400トークン、先頭部分は同じ5,000トークン)、2リクエスト・入力10,850トークンで、1,000タスクあたり $27.20(キャッシュなし)、$20.39(キャッシュあり)になります。削減幅はスクリプトがどれだけ結果を絞るかで大きく変わります。損益分岐の計算とコード実行が不利になる場面は MCPのコード実行と直接のツール呼び出しの比較 で詳しく扱っています。

タスクの形と対策の対応:

タスクの形 向いている対策 往復回数
独立した調べもの、件数が少ない 並列ツール呼び出し 2
独立した調べもの、同じ種類が多数 一括取得ツール 2
依存チェーン(Aの出力をBが使う) コード実行 2
途中で人やモデルの判断が要る 1件ずつのまま n+1
最初の失敗で止める必要がある書き込み 1件ずつ、またはトランザクション型の一括ツール n+1 または 2

7. 実装例:MCPのツールを正しく並列実行する

自分でエージェントのループを書くなら、1ターンに返ってきた tool_use ブロックをすべて同時に実行し、結果をまとめて返します。Anthropic SDKとMCPの ClientSession を使ったPythonの例です。

import asyncio

async def run_tool_blocks(session, blocks):
    async def one(b):
        try:
            r = await session.call_tool(b.name, b.input)
            text = "".join(c.text for c in r.content if c.type == "text")
            return {"type": "tool_result", "tool_use_id": b.id,
                    "content": text, "is_error": bool(r.isError)}
        except Exception as e:
            return {"type": "tool_result", "tool_use_id": b.id,
                    "content": f"Not executed: {e}", "is_error": True}
    return await asyncio.gather(*(one(b) for b in blocks))

# inside the loop, after response = client.messages.create(...)
tool_blocks = [b for b in response.content if b.type == "tool_use"]
if tool_blocks:
    messages.append({"role": "assistant", "content": response.content})
    results = await run_tool_blocks(session, tool_blocks)
    messages.append({"role": "user", "content": results})  # one message, all results

エージェントが本当に並列で呼んでいるかを確かめるには、タスクごとに「モデルへのリクエスト数」と「tool_use ブロック数」の2つを記録します。独立した調べものが多いタスクでこの2つがほぼ同じなら、モデルは1ターンに1つずつ呼んでいます。

8. チェックリスト

  • [ ] 必要のない場所で disable_parallel_tool_use や parallel_tool_calls: false を設定していない
  • [ ] 1ターン分の tool_result はすべて1つのユーザーメッセージに入れ、テキストより前に置いている
  • [ ] システムプロンプトで、独立した操作はまとめて呼ぶよう指示している
  • [ ] 読み取り専用のツールに readOnlyHint: true を付けている
  • [ ] ループで何度も呼ばれるツールには、上限つき配列を受け取る一括版がある
  • [ ] 一括取得の結果はコンパクトな外枠で返し、項目ごとのエラーを含めている
  • [ ] 依存する複数ステップの処理は、nターンではなくコード実行で行っている
  • [ ] プロンプトキャッシュが有効で、ツール一覧がリクエスト間で変わらない
  • [ ] タスクごとにリクエスト数と tool_use ブロック数を記録している

9. よくあるハマりどころ

症状 原因 対処
モデルが毎回1ターンに1つしかツールを呼ばない disable_parallel_tool_use か parallel_tool_calls: false が設定されている 順番が本当に必要なツール以外では外す
数ターン後に並列呼び出しが止まる 結果を別々のユーザーメッセージで返している すべての tool_result を1つのメッセージで返す
並列呼び出しで不要なものまで取ってくる モデルが先回りして広く取りに行く 「独立した操作だけ」と指示し、一括の件数に上限をつける
一括取得の結果が巨大になる 配列や項目に上限がない 件数(例:20件)と返す項目を絞る
書き込みの順番が狂う 副作用のあるツールを同時に実行している 順番に実行し、readOnlyHint は読み取りツールだけに付ける
1件の失敗で一括処理全体が失敗する 呼び出し全体でエラーを投げている 項目ごとの状態を結果の中で返す
並列にしてもコストが高い 大きな先頭部分を毎ターン再送している ツール定義を削り、プロンプトキャッシュを使う
「JSON-RPCバッチでトークンが減る」と言われた プロトコルのバッチとモデルのターンの混同 2025-06-18で削除済みで、もともとモデルのトークンには影響しない

10. NodeFlareならこう解決できる

NodeFlareはMCP専用のホスティングです。GitHubリポジトリのMCPサーバーを認証つきのHTTPSエンドポイントとして動かし、プロキシ側にトークン消費を抑えるサーバー単位の切り替えが4つあります。どれもサーバーのコードを変更せずに使えます。この記事の課題に対応させると次のとおりです。

課題1:依存する処理は1ステップごとに往復が必要(6章)。 Code Execution(tool_code_mode)をオンにします。サーバーは run_code と search_tools を公開し、モデルは tools.* を呼ぶJavaScript(注文を調べ、その配送を調べ、運送会社の状況を確認する、など)を書き、NodeFlareがサンドボックスで実行します。会話に入るのはスクリプトが返した値だけなので、何ターンもかかる処理が1回の実行で済みます。実行は分離されたDenoサブプロセスで行われ、ファイルシステムや環境変数にはアクセスできず、ネットワークはプロキシのコールバック先だけに限られます。既定値はタイムアウト600秒、1回の実行で最大50回のツール呼び出し、V8ヒープ128MBで、ツール呼び出しのたびに権限(スコープ)が確認されます。

課題2:重い先頭部分が毎回の往復で再送される(2章・3章)。 tool_search_mode をオンにします。NodeFlareは tools/list の一覧を search_tools(query) と call_tool(name, args) の2つのメタツールに置き換えるので、サーバーのツールがいくつあっても、どのクライアントでも先頭部分 P を小さく保てます。検索は既定で語句の一致で行い、GEMINI_API_KEY を設定すると意味検索になります(失敗時は語句検索に戻ります)。

課題3:呼び出し元が使えないツールの定義まで払っている。 tool_list_filter_by_scope をオンにすると、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します(スキーマはそのまま)。読み取り専用のエージェントの先頭部分から、書き込みツールが消えます。

課題4:自分で書いていないサーバーの長い説明文。 tool_schema_slim は500文字を超えるツール説明文を切り詰めます(UTF-8で安全に切ります)。ツール名と入力スキーマは変わりません。

NodeFlareは、これらの切り替えによるトークン削減率を公表していません。この記事の試算の前提だけを使った計算例として、ツール一覧が小さくなって先頭部分が5,000から1,500トークンになった場合、6件・1件ずつのタスクの入力は 53,760 から 29,260 トークン(7 × 1,600 + 21 × 860)になり、キャッシュなしで1,000タスクあたり $114.12 から $65.12 になります。自分のサーバーで前後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。
  2. デプロイし、tool_code_mode をオンにします(必要に応じて tool_search_mode や tool_list_filter_by_scope も)。
  3. クライアントの接続先を https://<your-server>.nodeflare.tech/mcp にし、Authorization: Bearer <NodeFlareのAPIキー> を付けます。

MCPサーバー1つまでは無料で試せます。→ nodeflare.techで始める

11. FAQ

並列ツール呼び出しでMCPのトークン消費は減りますか?

呼び出し同士が独立していれば減ります。余分なターンのたびに先頭部分とそれまでの結果が再送されるので、n件を1ターンで呼べば先頭部分 n−1 回分と結果の再送分が浮きます。この記事の試算では、6件の並列呼び出しで入力が53,760トークンから15,360トークンになりました。

ツール呼び出しのループでトークンが急に増えるのはなぜですか?

各リクエストに、それまでのすべてが含まれるからです。1ターンに1つずつ呼ぶと、最初の結果は以降のすべてのターンで再送されるため、入力の合計は呼び出し回数の2乗で増えます。

Claudeは既定で並列にツールを呼びますか?

はい。Anthropicのドキュメントによると、Claude 4以降のモデルは、複数のツールが役立つリクエストでは既定で並列に呼びます。止めるには tool_choice の中に disable_parallel_tool_use: true を設定します。

OpenAI APIで並列ツール呼び出しを止めるには?

parallel_tool_calls を false にします。OpenAIのドキュメントによると、これで1ターンに呼ばれるツールは0個か1個になります。

Claude APIで並列ツール呼び出しの結果はどう返せばいいですか?

tool_use ブロックごとに tool_result を1つ作り、すべてを次のユーザーメッセージに入れて tool_use_id で対応づけ、テキストより前に置きます。結果ごとにユーザーメッセージを分けるのは、Anthropicのドキュメントで誤った例とされています。

プロンプトキャッシュを使えば並列呼び出しは不要ですか?

不要にはなりません。キャッシュで再送分は安くなります(試算では6件で約3倍の差が約12%に縮小)。ただし余分な往復と待ち時間は残り、先頭部分が変わらない間しか効きません。

MCPはJSON-RPCのバッチに対応していますか?

現在は対応していません。2025-03-26の仕様で追加され、2025-06-18で削除されました。まとめていたのはプロトコルのメッセージで、モデルのターン数は変わらないため、LLMのトークン消費には影響しませんでした。

MCPの一括取得ツール(バッチツール)とは何ですか?

IDを最大20件など、入力をリストで受け取って全件の結果を1回で返すツールです。モデルが並列に呼ばない場合でも往復を減らせ、コンパクトな外枠で返せばN件分の結果より小さくなります。

並列呼び出しではなくコード実行を使うべきなのはどんなときですか?

各ステップが前の結果に依存するときや、生の結果が必要な情報よりずっと大きいときです。コード実行は処理全体を1つのスクリプトで行い、最終的な値だけを返します。

Claude CodeはMCPのツールを並列に実行しますか?

MCPドキュメントによると、readOnlyHint が付いたツールは他の読み取り専用の呼び出しと並列に実行されます。この注釈がないツールは、副作用がある可能性があるものとして扱われます。

ここでいう「MCP Token」はアクセストークンのことですか?

いいえ。この記事で扱うのは、コンテキストと請求額に関わるLLMのトークンです。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

MCPのトークン消費は、ツールや結果の大きさだけでなく、モデルがそれを何回読み直すかで決まります。1呼び出しごとにターンが増えると、システムプロンプト、全ツール定義、それまでの結果がそのたびに再送され、入力は2乗で増えます。この記事の試算では、独立した6件の調べものは1件ずつだと入力53,760トークン、並列だと15,360トークンでした(Claude Sonnet 5.5、キャッシュなしで1,000タスクあたり $114.12 と $37.32)。並列ツール呼び出しを有効のままにし、結果は1つのメッセージで返し、繰り返す調べものには一括取得ツールを用意し、依存する処理はコード実行に移しましょう。そのうえで先頭部分を削り、キャッシュを有効にすれば、残った往復1回あたりのコストも下がります。

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。

MCPのトークン消費は往復回数で決まる:並列ツール呼び出し・一括取得ツール・コード実行で減らす計算と実装【2026年版】 | Blog | Nodeflare