記事一覧
MCPトークン

日本語のMCPツール説明でトークン消費は何倍に?6言語の実測と、ツール結果を約1.9倍にするJSONエスケープの罠(MCP Token・2026年)

MCPサーバーの言語でトークン消費はどう変わるか。同じツール定義を日英中韓西独の6言語で、注文10件のツール結果を9通りの書き方でトークン化して比較。Pythonのjson.dumpsによる\uエスケープで結果が1.88倍になる罠、英語で残すもの・現地語にするものの線引き、Claude Sonnet 5.5での費用試算、count_tokensでの測り方まで。

最終更新:2026年11月11日 / 対象:MCP仕様 2026-07-28(tools)、MCP Python SDK 2.3.0(MCPServer)、MCP TypeScript SDK 1.32.2、o200k_base と cl100k_base(gpt-tokenizer 4.1.2)、Claude Sonnet 5.5 の料金

日本語で使うMCPサーバーは、英語のサーバーより多くのトークンを消費します。差が出るのは3か所です。毎回のリクエストで送られるツールの説明文、モデルが読むツール結果、そしてPythonの標準設定で日本語がすべて \uXXXX に変わってしまうJSONの書き出しです。この記事では、同じツールと同じデータを使ってこの3つを実測し、英語のまま残すもの、日本語にするもの、そして費用への影響を整理します。

※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単位)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)

  • 言語によるトークン消費の差は、ツール結果では思ったより小さく、ツール説明では思ったより大きい。同じ説明文が英語45トークン、日本語68トークン(o200k_base、1.51倍)。古い cl100k_base では91トークン(2.02倍)。キーやenum値が英語のまま残るツール定義全体では1.33倍だった。
  • 日本語は文字数が少ないのにトークンは多い。英語の説明文は1トークンあたり平均4.6文字、日本語は1.4文字。「〇文字以内」というルールは言語をまたいで使えない。
  • 一番大きな罠は言語ではなく書き出し方。注文10件の日本語の結果は、UTF-8のコンパクトなJSONで536トークン、Pythonの json.dumps を既定のまま使うと1,008トークン(1.88倍)。「佐藤 美咲」という1つの名前が7トークンから20トークンになる。
  • インデントのコストは言語の差と同じくらい大きい。MCP Python SDKは dict を返すと indent=2 で書き出し、同じ日本語データが790トークン(1.47倍)になる。タブ区切りの行にすると369トークンまで減る。
  • モデルが識別に使う部分は英語、ユーザーが目にするデータは日本語。ツール名・キー・enum値は英語、説明文は短い英語+必要なら日本語のキーワード1行(+22トークン)、ユーザーのデータは元の言語のままコンパクトなUTF-8で返す。

目次

  1. MCPのトークン消費における「言語による差」とは
  2. 実測:1つのツール定義を6言語で
  3. 実測:1つのツール結果を9通りの書き出し方で
  4. Python製MCPサーバーの \u エスケープの罠
  5. 英語で残すもの・日本語にするもの
  6. Claude Sonnet 5.5での費用試算
  7. count_tokensでClaudeの実際の数を測る(Python)
  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. よくある質問

1. MCPのトークン消費における「言語による差」とは

言語による差とは、ツールの説明・スキーマ・結果を、トークナイザーが英語より効率よく扱えない言語で書いたときに増えるトークンのことです。トークナイザーは主に英語の文章で学習されているため、英語は1単語が1トークンになりやすく、日本語・韓国語・中国語は同じ意味でもより細かく分かれがちです。

MCPでこれが効いてくるのは、同じ文章に何度も課金されるからです。

文章が出てくる場所 課金されるタイミング 言語を決める人
ツールの description と inputSchema の説明 ツール一覧を送る毎回のリクエスト サーバーの作者
サーバーの instructions クライアントが含める場合、毎回のリクエスト サーバーの作者
ツール結果(content のテキスト) 呼び出しの次のリクエストと、会話に残っている間のすべてのリクエスト データの中身と、サーバーの書き出し方
エラーメッセージ ツール結果と同じ サーバーの作者
ツールの name 毎回のリクエスト ASCIIにすべき。仕様では、名前に使う文字は英字・数字・_・-・. だけにすべき(SHOULD)とされている

MCP仕様(2026-07-28のtools)は、description や title の言語について何も決めていません。言語はプロトコルの要件ではなく、コストを見て自分で決めるものです。

2. 実測:1つのツール定義を6言語で

実際にありそうなツール search_orders(注文検索)を1つ用意しました。説明文は3文、パラメータは説明つきで4つです。説明部分は筆者が5言語に翻訳し、ツール名・JSONのキー・enum値(pending、shipped、delivered)はどの版も英語のままにしています。

測り方(2026年11月11日):gpt-tokenizer 4.1.2 で、o200k_base(最近のOpenAIモデルが使うもの)と cl100k_base(一世代前。ローカルモデルの多くと同じ時期のもの)を使って数えました。どちらもClaudeのトークナイザーではありません。Claudeでの正確な数は7章の方法で測れます。ツール定義はコンパクトなJSONにして測っています。

説明文だけの比較

言語 文字数 UTF-8バイト数 o200k_base 英語比 cl100k_base 英語比
英語 206 206 45 1.00倍 45 1.00倍
日本語 97 265 68 1.51倍 91 2.02倍
中国語(簡体字) 78 208 47 1.04倍 61 1.36倍
韓国語 115 255 55 1.22倍 90 2.00倍
スペイン語 250 254 54 1.20倍 65 1.44倍
ドイツ語 224 226 49 1.09倍 63 1.40倍

ツール定義全体(名前+説明+inputSchema)の比較

言語 o200k_base 英語比 cl100k_base 英語比
英語 156 1.00倍 156 1.00倍
日本語 208 1.33倍 238 1.53倍
中国語(簡体字) 164 1.05倍 182 1.17倍
韓国語 180 1.15倍 229 1.47倍
スペイン語 169 1.08倍 185 1.19倍
ドイツ語 166 1.06倍 183 1.17倍

ここから分かること:

  • 差の大きさは、言語と同じくらいトークナイザーの世代で変わる。韓国語は cl100k_base で2.00倍、o200k_base で1.22倍。ローカルLLMでMCPを使うなら、そのモデルのトークナイザーで確かめる必要があります。API経由の最新モデルで見た差の2倍近くになることもあります。
  • 中国語は o200k_base ではほぼ差がない(1.04倍)。中国語は情報の密度が高く、78文字で英語206文字と同じ内容を伝えているためです。
  • JSONの構造が差を薄める。"type":"string" のようなキーや英語のenum値はどの言語でも同じなので、ツール定義全体(日本語で1.33倍)は説明文だけ(1.51倍)より差が小さくなります。
  • 文字数の上限は言語をまたいで通用しない。英語の説明文は1トークンあたり4.6文字、日本語は1.4文字でした。「説明は300文字以内」というルールだと、英語なら約65トークン、日本語なら約210トークンまで許すことになります。

これは1つのツール、1つの翻訳、2つのトークナイザーでの結果です。倍率は目安として扱い、自分の文章で測ってください。

3. 実測:1つのツール結果を9通りの書き出し方で

結果のデータは注文10件で、それぞれに注文ID・顧客名・商品名・金額・通貨・ステータス・日付があります。「レコードを一覧で返す」よくある形です。英語版は英語の名前と商品名、日本語版は日本語の名前と商品名で、キーはどちらも英語です。

書き出し方 o200k_base cl100k_base 日本語コンパクト比(o200k)
英語・コンパクトなJSON 505 520 —
英語・Python json.dumps 既定 644 660 —
英語・indent=2(MCP Python SDKで dict を返した場合) 759 775 —
日本語・コンパクトなUTF-8 JSON 536 625 1.00倍
日本語・コンパクトなJSON、ステータスは英語コード 523 592 0.98倍
日本語・json.dumps(..., ensure_ascii=False) 675 765 1.26倍
日本語・indent=2(MCP Python SDKで dict を返した場合) 790 880 1.47倍
日本語・Python json.dumps 既定(\u エスケープ) 1,008 1,018 1.88倍
日本語・ヘッダー行つきのタブ区切り 369 450 0.69倍

ここから分かること:

  • この結果では、言語そのものによる増加は6%だけ(o200k_baseで536対505)。ID・数値・日付・キーが大半を占めるためです。問い合わせ本文やドキュメントのように長い文章を返すツールでは、2章の説明文の倍率に近づきます。
  • 書き出し方の影響のほうがずっと大きい。Pythonの既定の区切り文字(", " と ": ")で26%、indent=2 で47%、ASCIIエスケープで88%増えました。
  • 表形式のデータは行で返すのが一番安い。レコードごとに同じキーを繰り返すのが最大の構造コストで、ヘッダー1行+タブ区切りの行にするとコンパクトなJSONより31%減りました。

言語に関係なく使えるツール結果の削減方法は、MCPツール結果を小さくする8つの方法にまとめています。

4. Python製MCPサーバーの \u エスケープの罠

Pythonの json.dumps は既定で ensure_ascii=True になっていて、ASCII以外の文字をすべて \uXXXX に置き換えます。ツールがこの既定のままJSON文字列を作って返すと、モデルはエスケープされた文字列をそのまま読むことになります。

MCP Python SDK 2.3.0で、同じデータを返す2つのツールをプロセス内で呼び出して確かめました。

import json
from mcp.server.mcpserver import MCPServer

server = MCPServer("orders")
DATA = {"items": [{"product": "抹茶ラテ", "city": "東京"}]}

@server.tool()
def as_dict() -> dict:
    return DATA                 # SDKが書き出す

@server.tool()
def as_dumps() -> str:
    return json.dumps(DATA)     # 既定は ensure_ascii=True
ツール クライアントが受け取るテキスト
as_dict { "items": [ { "product": "抹茶ラテ", "city": "東京" } ] }(実際は2スペースのインデントと改行つき)
as_dumps {"items": [{"product": "抹茶ラテ", "city": "東京"}]}

このテストで分かったことは2つです。

  • SDK自身の書き出しはエスケープしない。SDK 2.3.0では、文字列以外の戻り値は pydantic_core.to_json(result, fallback=str, indent=2) で変換されます。UTF-8のままですが、インデントがつきます(3章のとおり1.47倍)。
  • エスケープの原因は自分のコード。既定のままの json.dumps や、ASCII出力が既定のライブラリが原因です。なお同じテストで、文字列を返すツールはエスケープされたテキストの structuredContent のコピー({"result": "..."})も返していました。structuredContent がモデルに渡るかどうかはホストによって違います。詳しくはMCP Appsのトークン消費の記事で扱っています。

文字列1つあたりでは、エスケープでコストがおよそ3倍になります。"佐藤 美咲" は7トークン、エスケープ後は20トークン。"抹茶ラテ 12本セット" は11トークン、エスケープ後は33トークンです(o200k_base)。

直し方は1行です。

def to_text(data) -> str:
    # UTF-8のまま、区切りの空白なし、インデントなし
    return json.dumps(data, ensure_ascii=False, separators=(",", ":"))

@server.tool()
def search_orders(status: str | None = None) -> str:
    rows = query_orders(status)
    return to_text({"orders": rows})

JavaScriptの JSON.stringify はASCII以外の文字をエスケープしないので、TypeScript製のサーバーはこの罠には当たりません。ただし JSON.stringify(data, null, 2) と書けば、インデントの分は同じように増えます。

手早く確認するには、各ツールを一度ずつ呼んで結果にエスケープが含まれていないか探します。

# \uXXXX を含むツール結果を表示する(先に結果を results/*.txt に保存しておく)
grep -lE '\\u[0-9a-fA-F]{4}' results/*.txt

5. 英語で残すもの・日本語にするもの

モデルが識別子として使う部分は英語のまま、ユーザーが目にする部分はユーザーの言語にします。こう分けると、回答の質を落とさずに、トークン消費を英語のサーバーに近い水準に保てます。

部分 おすすめ 理由
ツールの name ASCII・英語 仕様のSHOULD。クライアントやAPIはこの名前で照合する
ツールの title クライアントが表示するなら日本語にしてよい 表示用。Claude APIのツール定義には title フィールドがないため、MCPのツールをClaude向けに変換するクライアントは通常、名前・説明・スキーマだけを使う
description 短い英語。ユーザーが日本語で頼むなら日本語キーワードを1行足す 2章では英語のほうが1.33〜1.51倍安い。キーワード1行は+22トークン(o200k_base)
パラメータの説明 英語 パラメータの数だけ繰り返される。説明だけ日本語・パラメータは英語の版は180トークン、すべて日本語は208トークン
enum値 英語のコード どの言語でも同じトークン数。表示するときに訳す
JSONのキー 英語・短く レコードごとに繰り返される
ユーザーのデータ(名前・商品・メッセージ) 元の言語のまま、コンパクトなUTF-8 訳すとデータが変わってしまう。エスケープすると3倍になる
エラーメッセージ 短い英語+直し方 モデルが読むもの。失敗したツール呼び出しがトークンを消費する理由も参照

キーワード行について:英語だけの定義は156トークン、Keywords (ja): 注文検索, 注文履歴, 配送状況, 顧客名 を足すと179トークンでした。これでツールの選び間違いが減るかどうかは、自分の評価で確かめる必要があります。2026年6月10日のMCP Dev Summit Bangaloreでの講演「Multilingual MCP: Making tool calling work for the next billion users」では、インドの言語での質問に対し、多言語のツール定義と検索の改善でツール選択の正解率が38%から87%に上がったと報告されています。キーワード1行とは条件が違いますが、「英語の説明だけで十分」と決めつけずに試す理由にはなります。

英語の説明文そのものを短くする方法は、ツール定義の監査と削減の方法で解説しています。

6. Claude Sonnet 5.5での費用試算

以下の試算は、2章と3章の o200k_base の数を目安として使い、Anthropicの料金ページにあるClaude Sonnet 5.5の価格(入力100万トークンあたり2ドル、キャッシュヒットは0.10ドル)で計算したものです。Claudeでの実際の数は変わりますが、計算のしかたはそのまま使えます。

ツール定義:search_orders 相当のツールが30個あるサーバーで、月10,000リクエスト

版 1リクエストのトークン 英語との差 月の追加費用(キャッシュなし) 月の追加費用(キャッシュヒット)
英語 156 × 30 = 4,680 — — —
日本語(o200k_base) 208 × 30 = 6,240 +1,560 1,560 × 10,000 × 2ドル ÷ 100万 = 31.20ドル 1,560 × 10,000 × 0.10ドル ÷ 100万 = 1.56ドル
日本語(cl100k_baseの数) 238 × 30 = 7,140 +2,460 49.20ドル 2.46ドル

ツール結果:1タスクで5回ツールを呼び、各結果を4回のリクエストで読む(呼び出し直後+その後の3ターン)。月10,000タスク

書き出し方(日本語) 1結果のトークン コンパクト比で1タスクあたり増える分 月の追加費用(2ドル/100万トークン)
コンパクトなUTF-8 JSON 536 — —
indent=2 790 254 × 5 × 4 = 5,080 101.60ドル
json.dumps 既定(\u) 1,008 472 × 5 × 4 = 9,440 188.80ドル
タブ区切りの行 369 −167 × 5 × 4 = −3,340 −66.80ドル(削減)

この試算で言いたいのは、この使い方では、書き出しの既定値を1つ直すほうが、説明文をすべて英語に訳すより6倍効くということです。キャッシュは定義のコストを大きく下げますが、結果は毎回変わるのでキャッシュがあまり効きません。

7. count_tokensでClaudeの実際の数を測る(Python)

Anthropicのトークン数カウントのエンドポイント(POST /v1/messages/count_tokens)は、レート制限はあるものの無料で使え、ツール定義も受け付けて input_tokens を返します。Anthropicのドキュメントによると、Claude Opus 4.7以降のモデルは新しいトークナイザーを使っていて、同じ文章で「約30%多い」トークンになり、増え方は内容によって変わります。言語ごとの数字は出ていないので、使っているモデルで測ってください。

import json, anthropic

client = anthropic.Anthropic()
MODEL = "your-model-id"   # 実際に使っているClaudeのモデルID

def count(tools: list[dict], text: str = "hi") -> int:
    r = client.messages.count_tokens(
        model=MODEL,
        tools=tools,
        messages=[{"role": "user", "content": text}],
    )
    return r.input_tokens

def to_claude(tool: dict) -> dict:
    # MCPの tools/list の1件を Claude API のツール形式に変換
    return {"name": tool["name"],
            "description": tool.get("description", ""),
            "input_schema": tool["inputSchema"]}

en = json.load(open("tools_en.json"))   # 英語版サーバーの tools/list
ja = json.load(open("tools_ja.json"))   # 同じサーバーの日本語版
base = count([])
print("英語の定義:", count([to_claude(t) for t in en]) - base)
print("日本語の定義:", count([to_claude(t) for t in ja]) - base)

# ツール結果:実際の結果をユーザーのテキストとして数える
sample = open("result_ja.txt", encoding="utf-8").read()
print("日本語の結果:", count([], sample) - base)

ツールなしのリクエストの数を引くと固定の部分が消え、定義や結果だけの数が分かります。返る値は推定値で、実際の数とわずかに違うことがあるとAnthropicは書いています。

8. チェックリスト

  • [ ] ツール名がASCII(英字・数字・_・-・.)になっている
  • [ ] 説明文とパラメータの説明は短い英語。日本語キーワードを入れるなら1行にまとめている
  • [ ] enum値とJSONのキーは英語のコード
  • [ ] どのツール結果にも \uXXXX のエスケープがない(全ツールの結果をgrepした)
  • [ ] Pythonで自分でJSONを作る箇所は ensure_ascii=False とコンパクトな区切りにしている
  • [ ] モデル向けの出力に indent を使っていない
  • [ ] 入れ子が不要なレコード一覧は、キーを繰り返すJSONではなくヘッダー+行で返している
  • [ ] 定義と結果のサンプルを、実際に使うモデルの count_tokens で測った
  • [ ] 説明文を変えたら、ユーザーの言語での質問でツール選択をテストし直した

9. よくあるハマりどころ

症状 原因 対処
同じデータなのに日本語の結果が英語版の約2倍のトークンになる json.dumps の既定 ensure_ascii=True json.dumps(data, ensure_ascii=False, separators=(",", ":")) にする
文字列を返す実装から dict を返す実装に変えたら結果が大きくなった SDKが indent=2 で書き出す 自分でコンパクトに書き出した文字列を返す
日本語のサーバーが、APIよりローカルLLMでずっと重い 古い世代(cl100k世代)のトークナイザーは日本語をより細かく分ける 説明文は英語にし、ローカルモデルのトークナイザーで測る
文字数の上限を守っているのにトークンが多い 日本語は1トークンあたり約1.4文字、英語は約4.6文字(このテスト) 文字数ではなくトークン数で予算を決める
日本語で頼むと違うツールが呼ばれる 英語の説明に、ユーザーが使う言葉が含まれていない 日本語のキーワードを1行足し、評価を回す
ツールに渡すべきコードではなく、訳したラベルをモデルが使ってしまう enum値を日本語にした コードは英語のまま、訳はUIで行う
Claudeのモデルを変えたらトークン数が変わった Claude 4.7以降のトークナイザーは約30%多くなる(Anthropicの記述) 新しいモデルで count_tokens を測り直す

10. NodeFlareならこう解決できる

NodeFlareは、GitHubリポジトリのMCPサーバーを認証つきのHTTPSエンドポイントとしてホストするサービスで、そのプロキシにはトークン消費を減らすためのサーバー単位のスイッチが4つあります。どれもプロキシ側で透過的に適用され、サーバーのコードを変える必要はありません。この記事で挙げた課題ごとに対応を整理します。

課題1:日本語を含む大きなツール結果が何度も読み直される(3章・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.NAME(args) を呼ぶJavaScriptを書き、NodeFlareが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回にまとまり、途中の結果は実行の中にとどまって、モデルが読むのはスクリプトが返した値だけになります。6章の試算では、790トークンの結果5件をそれぞれ4回読むと1タスクあたり15,800トークンです。スクリプトが300トークンの要約だけを返せば、モデルが読むのは1,200トークンになります(筆者の計算で、NodeFlareの計測値ではありません)。実行は隔離されたDenoのサブプロセスで行われ、ファイルシステム・環境変数・プロセス生成は使えません。既定ではタイムアウト600秒、1回の実行で最大50回のツール呼び出しで、ツール呼び出しごとに権限(スコープ)が確認されます。なお、サーバー内部の \u エスケープはCode Executionでは直らないので、4章のとおりコードで直してください。

課題2:日本語の説明文がツールの数だけ積み重なる(2章)。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、ツールが増えても最初のコストはほぼ一定で、クライアントを選びません。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、失敗したときは字句検索に戻ります。ユーザーが日本語で頼む場合は、実際の質問で試してください。

課題3:エージェントが使えないツールの分まで払っている。tool_list_filter_by_scope をオンにします。tools/list が、呼び出し元の資格情報で呼べるツールだけを返すようになり(スキーマはそのまま)、言語による上乗せがかかる定義そのものが減ります。

課題4:長い説明文、特に情報密度の高い言語の説明文。tool_schema_slim をオンにすると、500文字を超えるツール説明がUTF-8で安全に切り詰められます。名前と入力スキーマはそのままです。日本語のようなマルチバイト文字では、バイト単位で切ると文字が壊れることがあるので、UTF-8で安全に切れることには意味があります。また日本語は1文字あたりのトークンが多い(2章で英語の4.6文字に対し約1.4文字)ため、500文字の日本語の説明は o200k_base で約350トークン、英語なら約110トークンです(この倍率からの筆者の推定)。

NodeFlareは削減率を公表していないので、各スイッチの効果は7章のスクリプトで測ってください。

始め方:

  1. NodeFlareのダッシュボードで、MCPサーバーのGitHubのURLを貼る。ランタイム・通信方式・起動コマンドは自動で検出され、設定に入力される。
  2. デプロイしたら tool_code_mode をオンにする(必要に応じて tool_search_mode・tool_list_filter_by_scope・tool_schema_slim も)。
  3. サーバーのURLとNodeFlareのAPIキー(Bearerヘッダー)を、Claude・Cursor・自作のエージェントに設定する。

1サーバーまで無料で試せます。→ nodeflare.techで始める

11. よくある質問

日本語のMCPツール説明は英語よりトークンを使う?

使います。このテストでは同じ説明文が、o200k_base で日本語68トークン・英語45トークン(1.51倍)、cl100k_base で91対45(2.02倍)でした。英語のキーやenum値を含むツール定義全体では、o200k_base で1.33倍でした。

英語以外の言語だとMCPのトークン消費はどれくらい増える?

言語とトークナイザーによって変わります。o200k_base では、ツール定義全体が英語の1.05倍(中国語)、1.06倍(ドイツ語)、1.08倍(スペイン語)、1.15倍(韓国語)、1.33倍(日本語)でした。古いトークナイザーでは1.17〜1.53倍に広がりました。

MCPのツール説明は英語で書くべき?

トークンのコストだけを見れば、短い英語が一番安いです。ユーザーが日本語で頼むなら、すべてを訳すのではなく日本語のキーワードを1行(このテストで22トークン)足し、実際の質問でツールが正しく選ばれるか確かめるのがおすすめです。

MCPのツール名に日本語は使える?

MCP仕様では、ツール名は1〜128文字で、ASCIIの英字・数字・アンダースコア・ハイフン・ドットだけを使うべき(SHOULD)とされています。日本語の表示名は、任意の title フィールドに入れます。

Python製MCPサーバーの結果が \u だらけになるのはなぜ?

json.dumps が既定で ensure_ascii=True だからです。そうして作った文字列を返すと、モデルには日本語ではなく 抹茶... が届きます。json.dumps(data, ensure_ascii=False, separators=(",", ":")) に変えてください。

MCP Python SDKは日本語をエスケープする?

SDK自身の処理ではしません。SDK 2.3.0では dict を返すと pydantic_core.to_json(..., indent=2) で書き出され、UTF-8のままですがインデントがつきます。エスケープは自分のコードで作ったJSONから生まれます。

ツール結果のインデントもトークンを使う?

使います。同じ日本語の注文10件が、o200k_base でコンパクトなら536トークン、indent=2 なら790トークンで、47%多くなりました。モデルはインデントがなくてもJSONを読めます。

中国語や韓国語は日本語よりトークンが少ない?

このテストの o200k_base では少なく、ツール定義は中国語が英語の1.05倍、韓国語が1.15倍、日本語は1.33倍でした。cl100k_base では韓国語(1.47倍)と日本語(1.53倍)はほぼ同じでした。実際の数字は文章とモデルで変わります。

日本語のMCPツールのトークン数をClaudeで正確に測るには?

ツール定義を入れて POST /v1/messages/count_tokens を呼び、ツールなしのリクエストの数を引きます。無料ですがレート制限があり、返る値は推定値です。7章のスクリプトで英語版と日本語版を比べられます。

Claudeの新しいトークナイザーで、日本語のコストは変わる?

Anthropicによると、Claude Opus 4.7以降は同じ文章で約30%多いトークンになり、増え方は内容によって変わります。言語別の数字は公表されていないので、モデルを変えたら日本語の定義を測り直してください。

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LLMのトークン、つまりコンテキストと課金の単位の話です。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として別に扱っています。

まとめ

言語はMCPのトークン消費に2つの形で効きます。日本語の説明文は最新のトークナイザーで英語の約1.3〜1.5倍、古いものでは最大2倍になり、しかも毎回のリクエストで払います。ツール結果は言語そのものの差は小さいものの、インデントやPythonの既定のASCIIエスケープで簡単に1.5〜1.9倍になります。名前・キー・enum値・説明文は英語、ユーザーのデータは元の言語のままコンパクトなUTF-8にし、結果に \u がないかgrepし、使っているモデルの count_tokens で測る。この3つから始めてください。MCPのトークン消費を減らすツールの比較は、MCPトークン削減ツールのランキングにまとめています。

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。

日本語のMCPツール説明でトークン消費は何倍に?6言語の実測と、ツール結果を約1.9倍にするJSONエスケープの罠(MCP Token・2026年) | Blog | Nodeflare