記事一覧
MCPトークン

思考トークンでMCPのトークン消費はどれだけ増える?ツール呼び出しループの拡張思考・推論をClaude Sonnet 5.5の料金で試算【2026年版】

MCPのツール呼び出しループで思考トークンがどこに積み上がるかを解説。出力課金の仕組み、ツール結果と一緒に返すルール、後のターンで入力として残るClaudeのモデル、ClaudeとOpenAIの比較、5回呼び出すタスクを思考量4段階でSonnet 5.5の料金に当てはめた試算、Code Executionとの比較、effortとbetween_toolsの設定、計測用Pythonコードまで。

最終更新:2026年11月9日 / 対象:Claude APIの拡張思考・適応型思考・effort・料金(Claude Sonnet 5.5)、OpenAIの推論ガイド、Anthropic Python SDK 2.6.0、MCP Python SDK 2.3.0

MCPのトークン消費(MCP Token)を減らす話では、たいてい3つのものを数えます。ツール定義、ツール呼び出し、ツールの結果です。ところが推論するモデルを使うと、4つ目が加わります。ツールを呼ぶ前と呼んだ後にモデルが行う「思考」です。

思考は出力トークンとして課金され、ツール呼び出しのループでは毎回ツールの結果と一緒に送り返す必要があります。さらに最近のClaudeでは、ターンが終わったあともコンテキストに残ります。この記事では、MCPのツール呼び出しループで思考トークンがどこに積み上がるのかを整理し、ClaudeとOpenAIのルールを比べます。そのうえで、5回のMCP呼び出しを行う1つのタスクを、思考量4段階でClaude Sonnet 5.5の料金に当てはめて試算し、思考トークンを抑える設定をまとめます。

注:ここでいう「トークン」はLLMのトークン(コンテキストと課金)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)

  • 思考トークンもMCPのトークン消費の一部です。 Anthropicのドキュメントは、思考トークンは「思考の文章が返されない場合でも出力トークンとして課金される」と書いています。OpenAIも、推論トークンは「APIからは見えないが、コンテキストウィンドウを占め、出力トークンとして課金される」としています。
  • ツール呼び出しループでは、1ステップごとに考え直します。 MCPツールを5回順番に呼ぶタスクは、リクエスト6回分になります。Claudeでは思考ブロックを「完全かつ未変更のまま」ツールの結果と一緒に返す必要があります。
  • 最近のClaudeでは、思考がターンの後も残ります。 ドキュメントには「Claude Opus 4.5と4.6以上のモデルは、過去のターンの思考ブロックをコンテキストに残し、入力として課金する」とあります。Sonnet 4.5、Haiku 4.5、それ以前のモデルは削除します。
  • プロンプトキャッシュは思考には効きません。 私の試算(MCP呼び出し5回、1ステップ1,500トークンの思考、Sonnet 5.5)では、キャッシュありのループ全体0.145ドルのうち、思考の出力だけで0.090ドル(62%)でした。
  • 一番効くのはステップ数を減らすことです。 同じ5回の呼び出しをCode Executionの1回の実行にまとめると、タスクとその後10ターンの合計が、キャッシュなしで0.677ドルから0.183ドル(73%減)、キャッシュありで0.198ドルから0.060ドル(70%減)になりました。ほかにはeffort、Sonnet 5.5の between_tools、キャッシュを壊さないよう設定を固定することが効きます。

目次

  • MCPのトークン消費における思考トークンとは
  • MCPのツール呼び出しループで思考トークンはどこに積み上がるか
  • ClaudeとOpenAIの思考ルールの比較
  • 試算:5回呼び出すMCPタスクを思考量4段階で計算
  • Code Execution:ステップが減れば思考ブロックも減る
  • 思考トークンを抑える設定
  • MCPツール呼び出しごとの思考トークンを測る(Python)
  • 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. MCPのトークン消費における思考トークンとは

思考トークンとは、モデルが回答やツール呼び出しの前に生成する推論のトークンのことです。MCPエージェントでは、どのツールをどの引数で呼ぶか、結果をどう使うかを決めるために使われる分のトークン消費にあたります。文章が見えるかどうかに関係なく出力トークンとして課金され、モデルによっては後のリクエストで入力としても読み直されます。

Claudeでは「拡張思考(extended thinking)」や「適応型思考(adaptive thinking)」、OpenAIでは「推論(reasoning)」と呼ばれます。どちらも出力として課金されます。MCPの仕様は思考について何も定めていません。思考はMCPサーバーではなく、クライアントやエージェントが使うモデルAPI側の性質です。ただし、ツールを1回呼ぶたびに推論の1ステップが終わって次のステップが始まるので、思考にいくら払うかはMCPの使い方で大きく変わります。

2. MCPのツール呼び出しループで思考トークンはどこに積み上がるか

ツール呼び出しのループでは、ツール呼び出しの1ラウンドごとに1回、最後の回答で1回、モデルの推論ステップが発生し、そのたびに思考ブロックが生まれます。Claude APIでどこで課金されるかを、2026年11月9日時点のAnthropicのドキュメントから整理します。

段階 思考に起きること 課金
モデルが考えてから tool_use を出す 新しい思考トークンが生まれる。回答の文章と合わせて max_tokens に数えられる 出力
MCPツールの結果を返す アシスタントのメッセージにあった思考ブロックを一緒に返す必要がある 入力(次のリクエストの一部)
同じターンの次のステップ 前の思考が、増えていく履歴と一緒に読み直される 入力(以降のステップで毎回)
後のターン(Opus 4.5と4.6以上のモデル) 過去のターンの思考ブロックがコンテキストに残る 入力(以降のターンで毎回)
後のターン(Sonnet 4.5、Haiku 4.5、それ以前) 過去のターンの思考ブロックは削除される 削除後は課金されない
思考の表示を「省略」や「要約」にした場合 見えるのは要約か、何もなし 出力は全量。ドキュメントは「省略しても思考トークンの全量が課金される。省略で減るのはレイテンシで、コストではない」と書いている

MCPエージェントにとっての意味は3つです。

  • 順番に呼ぶツールが多いほど、思考が増えます。 MCPツールを1つずつ5回呼べば、推論ステップは6回です。1ステップでまとめて並列に呼んだ場合は、思考ブロックは1つで済みます。
  • ループの中では、どのモデルでも思考が読み直されます。 思考ブロックを返すルールは、後のターンで古い思考を削除するモデルにも適用されます。
  • 思考を残すモデルでは、タスクが終わってもコストが続きます。 Sonnet 5.5とOpus 5.5は4.6より新しいので、1つのMCPタスクで生まれた思考が、そのセッションの後のターンすべてで入力になります。

3. ClaudeとOpenAIの思考ルールの比較

どちらも推論を出力として課金し、ツールの結果と一緒に返すことを求めています。違うのは、過去のターンの推論の扱いです。各社のドキュメントをもとに比べます。

Claude API OpenAI Responses API
課金 思考の文章が返されなくても出力トークンとして課金 APIからは見えないが、コンテキストを占め、出力トークンとして課金
利用者から見えるか 要約か省略。Claude 5以降は display の既定が省略 推論アイテムは中身が見えない(opaque)
ツール呼び出しループの中 思考ブロックを完全かつ未変更のまま返す。アシスタントのメッセージを受け取ったとおりに返す ツール呼び出しと一緒に返された推論アイテムも、ツールの出力と一緒に返す必要がある(または previous_response_id を使う)
過去のターン Opus 4.5と4.6以上は残して入力として課金。Sonnet 4.5、Haiku 4.5、それ以前は削除 GPT-5.6より前は、既定で過去のターンの推論を次の生成に含めない。GPT-5.6は既定で含める(reasoning.context の current_turn か all_turns で指定)
主な調整手段 output_config.effort:low、medium、high、xhigh、max(モデルによる) reasoning.effort:none、minimal、low、medium、high、xhigh、max など(モデルによる)
使用量のフィールド usage.output_tokens_details.thinking_tokens usage.output_tokens_details.reasoning_tokens
余裕の取り方 max_tokens が出力全体の上限 使い始めは推論と出力のために少なくとも25,000トークンを確保するよう推奨。足りないと status: incomplete になる

OpenAIの推論ガイドは、過去のターンの推論を次の生成に含めたときにそれがどう課金されるかを明記していません。all_turns やGPT-5.6の既定を使う場合は、自分のリクエストで usage.input_tokens を比べて確かめてください。

4. 試算:5回呼び出すMCPタスクを思考量4段階で計算

1ステップ1,500トークンの思考があると、プロンプトキャッシュを使っていてもタスクの費用は思考なしの3.5倍になりました。キャッシュは新しく生成される思考には効かないためです。以下は私の試算で、実際の請求額を測ったものではありません。

前提:

  • ユーザーの1つの依頼に、MCPツールを順番に5回呼ぶ必要がある。リクエストは6回(ツールのステップ5回+最終回答)。
  • タスク前のコンテキスト C0 = 15,000トークン(システムプロンプト、MCPのツール定義、それまでの履歴)。tool_use ブロック O = 80トークン、ツールの結果 R = 1,200トークン、最終回答 A = 400トークン。
  • 1ステップあたりの思考 T = 0、300、1,500、4,000トークン。どれかのeffortでこの値になるという意味ではなく、場合分けです。実際の値は7章の方法で測ってください。
  • タスクの後、同じセッションで L = 10ターン続き、タスクの内容はコンテキストに残る。数えるのはその読み直しの分だけ。
  • 料金はAnthropicの料金ページのClaude Sonnet 5.5:100万トークンあたり入力2ドル、出力10ドル、5分キャッシュ書き込み2.50ドル、キャッシュヒット0.10ドル。Sonnet 5.5は過去のターンの思考を残すモデル。
  • キャッシュありの列:C0はすでにキャッシュ済み。新しいブロックは1回書き込み、その後はキャッシュから読む。

計算式:

  • ループの入力 = 6 × C0 + (T + O + R) × (0 + 1 + 2 + 3 + 4 + 5)
  • ループの出力 = 6 × T + 5 × O + A
  • タスク後に残る量 = 5 × (O + R) + A + 6 × T(思考を残すモデル)
  • キャッシュなしの費用 = 入力 × 2ドル/100万 + 出力 × 10ドル/100万
1ステップの思考(T) ループの入力 ループの出力 ループ(キャッシュなし) ループ(キャッシュあり) 後のターンで毎回読む量 タスク+10ターン(キャッシュなし) タスク+10ターン(キャッシュあり)
0 109,200 800 0.226ドル 0.034ドル 6,800 0.362ドル 0.057ドル
300 113,700 2,600 0.253ドル 0.056ドル 8,600 0.425ドル 0.086ドル
1,500 131,700 9,800 0.361ドル 0.145ドル 15,800 0.677ドル 0.198ドル
4,000 169,200 24,800 0.586ドル 0.328ドル 30,800 1.202ドル 0.433ドル

1行を手で確かめます(T = 1,500)。ループの入力は 6 × 15,000 + 2,780 × 15 = 131,700、出力は 9,000 + 400 + 400 = 9,800 です。キャッシュなしの費用は 131,700 × 2 ÷ 1,000,000 + 9,800 × 10 ÷ 1,000,000 = 0.2634 + 0.0980 = 0.361ドルです。

読み方:

  • キャッシュで減るのは入力で、思考ではありません。 キャッシュなしでは、T = 1,500の思考でタスクの費用は87%増えます(0.677ドル対0.362ドル)。キャッシュありでは3.5倍です(0.198ドル対0.057ドル)。キャッシュヒットは100万トークン0.10ドルなのに、思考は出力で10ドルだからです。
  • 思考を残すモデルでは、後から効いてきます。 T = 1,500では9,000トークンの思考がコンテキストに残り、後のターンで毎回読み直されます。古い思考を削除するモデル(Haiku 4.5と同じ動き。比較のため料金は同じとする)なら、キャッシュなしの合計は0.677ドルではなく0.497ドル、T = 4,000なら1.202ドルではなく0.722ドルです。
  • ステップ数が掛け算になります。 思考の費用はおおよそ「ステップ数 × T」なので、同じTでもステップが2回なら6回の3分の1です。

5. Code Execution:ステップが減れば思考ブロックも減る

Code Execution(コードモードとも呼ばれます)では、モデルが複数のMCPツールを呼ぶスクリプトを1つ書きます。5回呼ぶタスクが、ツールのステップ1回と最終回答だけになります。ステップが減れば思考ブロックも減り、途中のツールの結果はコンテキストに入りません。コードモードが得になる条件全般は MCP Code Executionと直接のツール呼び出しの比較 で詳しく扱っています。

4章と同じ前提で、モデルが350トークンのスクリプトを1つ書き、サンドボックスの中で5つのツールを呼んで300トークンの結果を返す場合です。リクエストは6回ではなく2回になります(私の試算)。

1ステップの思考(T) 直接呼び出し:タスク+10ターン(キャッシュなし) Code Execution:タスク+10ターン(キャッシュなし) 直接(キャッシュあり) Code Execution(キャッシュあり)
0 0.362ドル 0.090ドル 0.057ドル 0.016ドル
300 0.425ドル 0.108ドル 0.086ドル 0.025ドル
1,500 0.677ドル 0.183ドル 0.198ドル 0.060ドル
4,000 1.202ドル 0.338ドル 0.433ドル 0.133ドル

1つ手で確かめます(T = 1,500、キャッシュなし)。1回目のリクエストは15,000を読み、1,500 + 350を出力します。2回目は 15,000 + 1,500 + 350 + 300 = 17,150 を読み、1,500 + 400を出力します。入力 32,150 × 2ドル/100万 = 0.0643ドル、出力 3,750 × 10ドル/100万 = 0.0375ドルです。後に残る 350 + 300 + 400 + 思考3,000 = 4,050トークンを10回読むと 40,500 × 2ドル/100万 = 0.081ドル。合計0.183ドルです。

注意点が2つあります。モデルはツールを1つ選ぶときより、正しいコードを書くときの方が長く考えるかもしれないので、両方のモードでTを測ってください。また、コードモードが効くのは呼び出しを前もって計画できる場合だけです。前の結果を読んでから次を決める必要があるなら、ステップは分かれたままです。

6. 思考トークンを抑える設定

主な調整手段はeffortと思考モードで、プロンプトキャッシュを壊さないよう両方をセッション中に変えないことが大切です。2026年11月9日時点の内容です。

設定 ドキュメントの記述 使いどころ
output_config.effort(Claude) 値は low から max。思考だけでなく、ツール呼び出しや関数の引数を含む回答のすべてのトークンに効く。effortを下げるとツール呼び出しも少なく短くなる 定型的なMCPの検索は low か medium
effortの既定値 Claude Opus 5.5とClaude Haiku 5.5は medium、effort対応のほかのモデルは high 明示的に指定して、何に払っているか把握する
thinking: {type: "between_tools"} 回答前の思考をオフにする設定。受け付けるのはClaude Sonnet 5.5だけで、effortが high 以下のとき。ツール呼び出しの合間の短い経過報告は思考ブロックとして返る どのツールを呼ぶか明らかなSonnet 5.5のエージェント
thinking: {type: "disabled"} Sonnet 5.5、Opus 5.5、ほか複数の新しいモデルでは400エラー 受け付けるモデルでだけ使う
budget_tokens(手動モード) 最小1,024トークン。インターリーブ思考ではターン内のすべての思考ブロックにまたがるので max_tokens を超えてよい。Claude 4.7以降のモデルは手動モードのリクエストを拒否する 古いモデルのみ
セッションの途中でeffortや思考モードを変える リクエスト間で変えるとキャッシュのブレークポイントが無効になる。モデルの既定値を明示するのは省略と同じで、キャッシュは壊れない セッションかエージェントごとに1つに決める
reasoning.effort(OpenAI) low はツール利用、計画、検索、複数ステップの判断に向く。none は推論や連続したツール呼び出しが要らない処理向け ツール中心のエージェント

MCP側でできることも2つあります。ツール一覧を小さくすれば、各ステップで読み直すC0が小さくなります(MCPのプロンプトキャッシュとツール定義 を参照)。順番に呼ぶ回数を減らせば、考えるステップそのものが減ります。こうした機能を持つツールの比較は MCPのトークン消費を減らすツールのランキング にまとめています。

tool_choice について補足します。新しいモデルでは、ツールを強制しても思考は節約できません。手動モードの思考でツールを強制するとエラーになり、適応型思考でも「Claude Opus 5.5、Claude Sonnet 5.5、Claude Fable 5.1、Claude Mythos 5.1」では拒否されます。

7. MCPツール呼び出しごとの思考トークンを測る(Python)

思考の費用は、測らないと分かりません。見えている文章の長さは当てになりません。Claude APIはレスポンスごとに usage.output_tokens_details.thinking_tokens を返します。Anthropic Python SDKはこの値を、要約された思考の文章ではなく、モデルが実際に生成した推論の量だと説明しています。次のループはリモートのMCPサーバーに接続し、Claudeの代わりにツールを実行して、ステップごとに入力、キャッシュ読み込み、出力、思考の量を表示します。

import asyncio, os
from typing import Literal
import anthropic, httpx2
from anthropic.types import MessageParam, ToolParam, ToolResultBlockParam
from mcp import ClientSession
from mcp.client.streamable_http import streamable_http_client

MODEL = "claude-sonnet-5-5"
client = anthropic.AsyncAnthropic()
Effort = Literal["low", "medium", "high", "xhigh", "max"]

async def run(task: str, url: str, effort: Effort = "medium") -> None:
    headers = {"Authorization": f"Bearer {os.environ['MCP_API_KEY']}"}
    async with httpx2.AsyncClient(headers=headers) as http, \
               streamable_http_client(url, http_client=http) as (read, write, *_), \
               ClientSession(read, write) as mcp:
        await mcp.initialize()
        tools: list[ToolParam] = [
            {"name": t.name, "description": t.description or "", "input_schema": t.input_schema}
            for t in (await mcp.list_tools()).tools
        ]
        messages: list[MessageParam] = [{"role": "user", "content": task}]
        for step in range(1, 11):  # 推論ステップ数の上限
            resp = await client.messages.create(
                model=MODEL, max_tokens=16000, tools=tools, messages=messages,
                thinking={"type": "adaptive"},
                output_config={"effort": effort},  # セッション中は固定する(キャッシュのため)
            )
            u = resp.usage
            thinking = u.output_tokens_details.thinking_tokens if u.output_tokens_details else 0
            calls = [b.name for b in resp.content if b.type == "tool_use"]
            print(f"step {step}: in={u.input_tokens} cache_read={u.cache_read_input_tokens} "
                  f"out={u.output_tokens} thinking={thinking} tools={calls}")
            # 思考ブロックも含め、アシスタントの内容を変更せずに返す
            messages.append({"role": "assistant", "content": resp.content})
            if resp.stop_reason != "tool_use":
                break
            results: list[ToolResultBlockParam] = []
            for b in resp.content:
                if b.type == "tool_use":
                    r = await mcp.call_tool(b.name, dict(b.input))
                    text = "".join(c.text for c in r.content if c.type == "text")
                    results.append({"type": "tool_result", "tool_use_id": b.id,
                                    "content": text[:8000], "is_error": bool(r.is_error)})
            messages.append({"role": "user", "content": results})

asyncio.run(run("Find last week's failed orders and summarize the causes.",
                "https://your-server.example.com/mcp"))

このコードはAnthropic Python SDK 2.6.0とMCP Python SDK 2.3.0に対してpyrightの型チェックを通しています。この記事のために実際のサーバーで実行したものではありません。出力で見るところは次の3つです。

  • ステップごとの thinking が、4章の計算式に入れる実際のTです。
  • ステップ数 から、順番に呼ぶことのコストが分かります。同じタスクをコードモードで実行した結果と比べてください。
  • cache_read は2ステップ目以降、高いままのはずです。下がったら、プレフィックス(effort、思考モード、ツール一覧)のどこかが変わっています。

OpenAIでは、レスポンスごとに usage.output_tokens_details.reasoning_tokens を同じように読みます。

8. チェックリスト

  • [ ] 出力の合計だけでなく、推論ステップごとに思考(推論)トークンを記録している
  • [ ] effortをエージェントごとに明示し、セッションの途中で変えていない
  • [ ] 定型的なMCPの検索は、自由な分析より低いeffortで動かしている
  • [ ] ツールの結果と一緒に、思考ブロックを変更せずに返している
  • [ ] 前もって計画できる複数呼び出しは、Code Executionか並列呼び出しにしている
  • [ ] 思考を残すモデルでは、長いセッションを分けるか圧縮して、古い思考がたまらないようにしている
  • [ ] max_tokens(または max_output_tokens)に、思考とツール呼び出しの分の余裕がある
  • [ ] ツール一覧がタスクに必要な分より大きくない
  • [ ] 変更の前後で、リクエスト単位ではなく完了したタスク単位の費用を比べた

9. よくあるハマりどころ

症状 原因 対処
ツールの結果を返すと400エラー 思考ブロックや redacted_thinking ブロックを編集した、または取り除いた アシスタントの内容を受け取ったとおりに返す
セッションの途中でキャッシュ読み込みがゼロになる リクエスト間でeffortや思考モードを変えた セッション中は固定する。モデルの既定値を明示するのはキャッシュを壊さない
ツールを強制すると400エラー 手動モードの思考でツールを強制した、またはOpus 5.5やSonnet 5.5の適応型思考で強制した tool_choice: auto にする
Sonnet 5.5で thinking: disabled が400エラー Sonnet 5.5は disabled を受け付けない effortを high 以下にして between_tools を送る
見える文章よりずっと多くの出力が課金される 要約や省略にしても、思考は全量課金される thinking_tokens を確認し、effortを下げる
見える会話より入力が速く増える 思考を残すモデルが、毎ターンの思考を保持している タスクごとに新しいセッションにするか、圧縮する
OpenAIのレスポンスが status: incomplete で終わる 推論で max_output_tokens を使い切った 余裕を増やす。OpenAIは使い始めに25,000トークンを勧めている

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のリポジトリを指定すると、MCPサーバーを認証付きのHTTPSエンドポイントとして動かします。プロキシには、サーバーのコードを変えずに使える4つのトークン節約スイッチがあり、サーバー単位で設定できます。これらはモデルの考え方そのものは変えません。変えるのは、ステップの数と、各ステップが読むコンテキストの量です。この記事で挙げた課題ごとに対応を示します。

課題1:順番に呼ぶツール呼び出しが思考を増やす(4章と5章)。 tool_code_mode で Code Execution をオンにします。サーバーは run_code と search_tools を公開し、モデルは tools.* を呼ぶJavaScriptを書きます。NodeFlareはそれをDenoのサンドボックスで実行します(既定値:タイムアウト600秒、1回の実行でツール呼び出し最大50回、V8ヒープ128MB)。前もって計画できる5回の呼び出しが1ステップになるので、思考ブロックは5つではなく1つで済み、途中の結果もコンテキストに入りません。5章の試算(私の計算で、NodeFlareの計測値ではありません)では、1ステップ1,500トークンの思考のとき、タスクとその後10ターンの合計がキャッシュなしで0.677ドルから0.183ドルになりました。

課題2:毎ステップでツール定義を読み直す(4章のC0)。 tool_search_mode をオンにします。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、ツールが増えても各ステップで読み直す定義は小さいままです。検索は文字列一致で、GEMINI_API_KEY を設定すると意味検索になります。検索そのものも1ステップになるので、効くのはツールが多い場合で、5個程度なら不要です。

課題3:使えないツールまでモデルが検討している。 tool_list_filter_by_scope をオンにします。tools/list は、呼び出し元のAPIキーで実際に呼べるツールだけを返します。スキーマは変わりません。各ステップが持つ定義が減ります。

課題4:長い説明文が毎ステップのプレフィックスに入っている。 tool_schema_slim をオンにします。500文字を超えるツールの説明文をUTF-8で安全に切り詰め、名前と入力スキーマはそのまま残します。

NodeFlareはトークン削減率を公表していません。7章のスクリプトで、導入前後のタスクごとの思考と入力を測ってください。

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、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. tool_code_mode を選びます(必要に応じて tool_search_mode や tool_list_filter_by_scope も)。設定は後から変更できます。
  3. サーバーのURLとAPIキーをMCPクライアントに設定します。

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

11. よくある質問

思考トークンはMCPのトークン消費に含まれる?

MCPクライアントの裏で動くモデルが思考する場合は含まれます。Anthropicは思考を、文章が返されなくても出力トークンとして課金し、OpenAIも推論トークンを出力として課金します。ツール呼び出しのループでは、思考がツールの結果と一緒に送り返されるので、後のステップの入力も増えます。

Claudeの思考トークンは入力と出力のどちらで課金される?

時点によって両方です。生成されたときは出力として課金されます。ツールの結果と一緒に返したとき、またClaude Opus 4.5と4.6以上のモデルでは後のターンでも、入力として読み直されます。

MCPツールの結果と一緒に思考ブロックを返す必要がある?

Claude APIでは必要です。ドキュメントには、ツールの結果を返すときはアシスタントのメッセージにあった思考ブロックも一緒に返す必要があり、redacted_thinking ブロックを作り直したり取り除いたりすると400エラーになると書かれています。OpenAIも、ツール呼び出しと一緒に返された推論アイテムはツールの出力と一緒に返す必要があるとしています。

過去のターンの思考ブロックはコンテキストに残る?

モデルによります。Claude Opus 4.5と4.6以上のモデルは過去のターンの思考を残して入力として課金し、Claude Sonnet 4.5、Haiku 4.5、それ以前は削除します。OpenAIでは、GPT-5.6より前は既定で過去のターンの推論を含めず、GPT-5.6は既定で含めます。

プロンプトキャッシュで思考トークンの費用は下がる?

下がるのは読み直しの分だけです。キャッシュヒットなら読み直しは安くなります(Sonnet 5.5で100万トークン0.10ドル)が、新しい思考は出力として100万トークン10ドルかかり、キャッシュできません。私の試算では、キャッシュありの5回呼び出しループの62%が思考でした。リクエスト間でeffortや思考モードを変えると、キャッシュも壊れます。

MCPエージェントの思考トークンを減らすには?

順番に呼ぶ回数を減らし、定型的なツール利用ではeffortを下げ、設定を固定します。Code Executionなら前もって計画できる複数の呼び出しが1ステップになり、私の試算では5回呼び出すタスクの費用が約70%減りました。Claude Sonnet 5.5では、effortが high 以下なら thinking: {type: "between_tools"} で回答前の思考をオフにできます。

Claude Sonnet 5.5で思考をオフにできる?

disabled では400エラーになります。Anthropicのドキュメントは、代わりに thinking: {type: "between_tools"} を送るよう案内しています。回答前の思考がオフになり、effortが high 以下で使えます。ツール呼び出しの合間に書かれる短い経過報告は、引き続き思考ブロックとして返ります。

MCPツール呼び出しごとの思考トークン数はどう確認する?

Claudeではレスポンスごとの usage.output_tokens_details.thinking_tokens、OpenAIでは usage.output_tokens_details.reasoning_tokens を読みます。7章のPythonの例のように、推論ステップごとに、そのステップで呼んだツール名と一緒に記録してください。

effortを変えるとMCPツールの呼び出し回数も変わる?

Anthropicのeffortのドキュメントによれば変わります。effortは思考だけでなくツール呼び出しを含む回答のすべてのトークンに効き、effortを下げるとツール呼び出しも少なく短くなるとされています。自分のタスクで、effortを下げても答えが正しいままか確かめてください。

Code Executionで思考トークンは減る?

思考が掛け算で増える原因である推論ステップの数を減らします。前もって計画できる5回のツール呼び出しを1つのスクリプトにすれば、6ステップではなく1ステップと最終回答で済みます。ただし、コードを書くときの方が長く考えることもあるので、両方のモードでタスクごとの思考を測ってください。

ここでいう「MCP Token」はAPIトークンのこと?

違います。この記事は、ツール定義、ツールの結果、モデルの思考がコンテキストと請求で使うLLMのトークンについての記事です。MCPサーバーの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

思考は、MCPのトークン消費の中で最も見落としやすい部分です。見えなくても出力として課金され、ループの中ではツールの結果と一緒に送り返され、Claude Opus 4.5と4.6以上のモデルではターンが終わってもコンテキストに残ります。費用は推論ステップの数に比例して増え、プロンプトキャッシュは新しい思考には効きません。

まずステップごとの thinking_tokens を測り、effortを明示してセッション中は固定してください。どのツールを呼ぶか明らかな場面ではSonnet 5.5の between_tools を使い、前もって計画できる呼び出しはCode Executionでまとめて、順番に呼ぶ回数を減らすのが効果的です。

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。

思考トークンでMCPのトークン消費はどれだけ増える?ツール呼び出しループの拡張思考・推論をClaude Sonnet 5.5の料金で試算【2026年版】 | Blog | Nodeflare