MCPのトークン消費とAPIレート制限:ツール定義がITPMを食う仕組みと、同時に回せるエージェント数の計算【2026年版】
MCPのツール定義がClaude APIのレート制限(ITPM)をどう消費するかを解説。キャッシュ読み込みは数えない仕組み、Sonnet 5.5・Fable 5.2のティア別上限、1分あたりのタスク数の計算式と試算(約5件対約380件)、ランプ制限の429、ヘッダー記録のコードまで。
最終更新:2026年11月16日 / 対象:Claude APIのレート制限(Start・Build・Scaleティア、ITPM・OTPM・ランプ制限)、Claude Sonnet 5.5とClaude Fable 5.2、プロンプトキャッシュ、OpenAIのレート制限ヘッダー
MCPのトークン消費(MCP Token)は、ふつう「請求額」の話として語られます。しかしClaude APIでは、それは「速度制限」の話でもあります。MCPクライアントが送るツール定義は、エージェントのループのリクエストごとに、毎分入力トークン数(ITPM)のレート制限に数えられます。ツール一覧が大きいと、支出の上限に届くずっと前に 429 rate_limit_error が出始めます。この記事では、何がITPMに数えられるのか、自分のティアで1分あたり何件のエージェントタスクを回せるのかの計算方法、そしてプロンプトキャッシュが料金以上に「処理できる量」を変える理由を説明します。
この記事の「トークン」はLLMのトークン(コンテキスト・課金・レート制限)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)
- ITPMには、MCPのツール定義を含む入力トークンがすべて数えられます。 Anthropicのレート制限ページでは、Messages APIの利用量を「モデルクラスごとのRPM(毎分リクエスト数)、ITPM(毎分入力トークン数)、OTPM(毎分出力トークン数)」で測ります。ツール定義は入力なので、ターンのたびにITPMを消費します。
- キャッシュからの読み込みは数えられません。 公式には、ITPMに数えるのは
input_tokensとcache_creation_input_tokensだけで、cache_read_input_tokensは含まれません。 - そのため、キャッシュは割引というより処理能力の対策です。 試算では、ツール一覧55,000トークン・6回呼び出しのタスクで、ITPMに数えられる入力はキャッシュなしで1タスク403,760トークン、キャッシュが温まっていれば5,260トークンでした。Claude Sonnet 5.5のStartティア(ITPM 2,000,000)なら、1分あたり約5タスクと約380タスクの差です。
- モデルによって上限が違います。 Claude Fable 5.2はStartティアでITPM 500,000なので、同じ55,000トークン・キャッシュなしの構成では1分あたり約1タスクしか回りません。
- OTPMが先に詰まることはまれです。 OTPMは実際に生成された出力トークンだけを数え、
max_tokensの値は影響しません。 - 上限未満でも、急増すると429になります。 ランプ制限が利用量の増え方の速さを制限します。キャッシュ読み込みはこちらにも数えられません。
目次
- MCPのトークン消費のうち、レート制限に数えられるもの
- Claude APIのティア別上限(Start・Build・Scale)
- 計算式:1タスクでITPMに数えられるトークン
- 試算:1分あたり何件のMCPエージェントタスクが回るか
- キャッシュが料金より処理能力を変える理由
- ランプ制限・急増・上限未満の429
- 実装:リクエストごとにレート制限ヘッダーを記録する
- OpenAIの場合に見るべきもの
- 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
- FAQ
1. MCPのトークン消費のうち、レート制限に数えられるもの
MCPのトークンに関するレート制限とは、エージェントが1分間に送受信できるLLMトークン量へのAPI側の上限のことで、MCPのツール定義は毎リクエストの入力として数えられます。MCPクライアント(Claude Code、自作のエージェント、フレームワークのアダプター)は、サーバーの tools/list にあるツールをツール定義に変換し、モデルへのリクエストのたびに一覧ごと送ります。APIから見れば、それがMCP由来かどうかは関係なく、システムプロンプトと同じ入力トークンです。
Claude APIには、モデルごとに3つの上限があります。
| 上限 | 数えるもの | Anthropicのレート制限ページの記述 |
|---|---|---|
| RPM | リクエスト数 | 毎分60リクエストは、毎秒1リクエストとして適用される場合がある |
| ITPM | input_tokens + cache_creation_input_tokens |
既定のITPMはキャッシュされていない入力トークンだけを数える。リクエスト開始時に見積もり、実際の入力量に合わせて調整する |
| OTPM | 実際に生成された出力トークン | max_tokens はOTPMの計算に影響しない |
3つともトークンバケット方式で、決まった時刻にリセットされるのではなく、上限まで連続的に補充されます。つまり「毎分」は補充の速さであり、0秒目に全部を使い切れる枠ではありません。
MCPにとって大事なのはキャッシュの扱いです。ツール定義はリクエストの先頭にあるので、入力の中でいちばんキャッシュしやすい部分です。そしてキャッシュからの読み込みはITPMに数えられません。
2. Claude APIのティア別上限(Start・Build・Scale)
StartティアのITPMは、Claude Sonnet 5.5・Opus 5.5・Haiku 5.5がそれぞれ2,000,000、Claude Fable 5.2が500,000です。2026年11月16日時点のAnthropicのレート制限ページの値は次のとおりです(RPM / ITPM / OTPM)。
| モデル | Start | Build | Scale |
|---|---|---|---|
| Claude Sonnet 5.5 | 4,000 / 2,000,000 / 400,000 | 10,000 / 5,000,000 / 1,000,000 | 13,000 / 10,000,000 / 2,000,000 |
| Claude Opus 5.5 | 4,000 / 2,000,000 / 400,000 | 10,000 / 5,000,000 / 1,000,000 | 13,000 / 10,000,000 / 2,000,000 |
| Claude Haiku 5.5 | 4,000 / 2,000,000 / 400,000 | 10,000 / 5,000,000 / 1,000,000 | 13,000 / 10,000,000 / 2,000,000 |
| Claude Fable 5.2 | 4,000 / 500,000 / 100,000 | 10,000 / 1,500,000 / 300,000 | 13,000 / 4,000,000 / 800,000 |
ティアは利用履歴とアカウントの状態に応じて自動で決まり、Claude Consoleから引き上げを申請できます。上限は組織とモデルクラスごとなので、同じキーを使う開発者とエージェント全員で分け合うことになります。なお、これらは許容される最大値であり、保証された最低値ではありません。
3. 計算式:1タスクでITPMに数えられるトークン
キャッシュなしでは、1タスクがITPMに与える負荷は「ツール一覧の大きさ × モデルのターン数」で増えます。キャッシュが効けば、ツール一覧の分はほぼ消えます。
記号は次のとおりです。P=先頭部分(ツール定義とシステムプロンプト)、U=ユーザーメッセージ、C=tool_use ブロック1つのトークン数、R=ツール結果1件のトークン数、n=1ターンに1回ずつ行うツール呼び出しの回数(モデルへのリクエストはn+1回)。
| キャッシュ | 1タスクでITPMに数えられる入力 |
|---|---|
| なし | (n+1)(P+U) + n(n+1)/2 · (C+R) |
| コールド(先頭部分をタスクごとに1回書き込む) | P + U + n(C+R) |
| ウォーム(先頭部分が直前のリクエストでキャッシュ済み) | U + n(C+R) |
| コード実行・キャッシュなし(2リクエスト、コードK、戻り値V) | 2(P+U) + K + V |
キャッシュありの行は、各リクエストが直前のリクエストまでをキャッシュから読み、新しい部分だけを書き込む前提です。エージェントのループで段階的にキャッシュする場合の動きにあたります。キャッシュが当たるには、先頭部分がバイト単位で同じで、有効期限内である必要があります(ツール一覧がプロンプトキャッシュを壊す理由を参照)。
キャッシュなしの行は、逐次的なツール呼び出しでトークン消費が膨らむ理由で扱った2乗で増える式と同じです。この記事では、その値に料金を掛けるのではなく、毎分の上限で割ります。
4. 試算:1分あたり何件のMCPエージェントタスクが回るか
ツール一覧が55,000トークンでキャッシュなしだと、Sonnet 5.5のStartティアで回る6回呼び出しのタスクは1分あたり約5件です。キャッシュが温まっていれば約380件です。
前提(筆者の計算で、実際の計測ではありません):U=100、C=60、R=800、n=6回の逐次呼び出し(7リクエスト)。先頭部分Pは3通りです。5,000トークン(小さなサーバーが数個)、20,000(サーバーが数個)、55,000(重い構成。当ブログのMCPトークン消費の総合記事では、58ツールで約55Kトークンを計測しました)。コード実行はコードK=250トークン、戻り値V=400トークンとします。「1分あたりのタスク数」は、トラフィックが均等に分散している前提で、ITPM ÷ 1タスクでITPMに数えられるトークン数です。
| 先頭部分P | 方式 | 1タスクでITPMに数えられるトークン | Sonnet 5.5・Start(ITPM 200万) | Fable 5.2・Start(ITPM 50万) |
|---|---|---|---|---|
| 5,000 | キャッシュなし | 53,760 | 37.2件/分 | 9.3 |
| 5,000 | コールドキャッシュ | 10,260 | 194.9 | 48.7 |
| 5,000 | コード実行・キャッシュなし | 10,850 | 184.3 | 46.1 |
| 20,000 | キャッシュなし | 158,760 | 12.6 | 3.1 |
| 20,000 | コールドキャッシュ | 25,260 | 79.2 | 19.8 |
| 20,000 | コード実行・キャッシュなし | 40,850 | 49.0 | 12.2 |
| 55,000 | キャッシュなし | 403,760 | 5.0 | 1.2 |
| 55,000 | コールドキャッシュ | 60,260 | 33.2 | 8.3 |
| 55,000 | コード実行・キャッシュなし | 110,850 | 18.0 | 4.5 |
| 共通 | ウォームキャッシュ | 5,260 | 380.2 | 95.1 |
55,000・キャッシュなしの行を手で確かめます。7 ×(55,000 + 100)= 385,700、これに 21 × 860 = 18,060 を足して 403,760トークン。2,000,000 ÷ 403,760 = 4.95件/分です。
表から読み取れること:
- キャッシュなしでは、ツール一覧の大きさが処理能力を決めます。 同じタスクでも、先頭部分が5,000から55,000トークンになると、処理能力は7.5分の1(37.2→5.0件/分)に落ちます。
- 1タスクが1分ほどかかるなら、1分あたりのタスク数はほぼ同時に動かせるエージェント数です。 重いツール一覧をキャッシュなしで使うと、1つのキーを5つのエージェントで共有するだけで、Sonnet 5.5のStartティアでは429が出始めます。
- ウォームキャッシュなら、処理能力はツール一覧の大きさにほぼ左右されません。 数えられるのは新しいメッセージと結果だけです。ただし先頭部分はコンテキストウィンドウを占めたままで、変更直後の最初のリクエストは全量を払います。
- コード実行はキャッシュなしの場合に効きますが、この例ではキャッシュのほうが効きます。 ターン数は7から2に減りますが、各ターンにPが載ります。コード実行が真価を発揮するのは結果(R)が大きい場合で、この例ではRを小さくしています。
5. キャッシュが料金より処理能力を変える理由
先頭部分が温まっていれば、キャッシュで料金は95%下がりますが、ITPMからは先頭部分がまるごと消えます。Anthropicの料金ページでは、Claude Sonnet 5.5は入力100万トークンあたり $2、5分キャッシュの書き込みが $2.50、キャッシュヒットが $0.10 です。55,000トークンの先頭部分は、キャッシュから読んでも 55,000 × $0.10 / 100万 = $0.0055 かかりますが、ITPMは0です。
| 55,000トークンの先頭部分・1リクエスト | 料金(Sonnet 5.5) | ITPMに数えられるトークン |
|---|---|---|
| キャッシュなし | $0.110 | 55,000 |
| キャッシュ書き込み | $0.1375 | 55,000 |
| キャッシュ読み込み | $0.0055 | 0 |
つまり処理能力の観点で問うべきは「キャッシュが有効か」ではなく、「リクエストの何割がウォームキャッシュに当たっているか」です。当たらなくなる原因は主に3つです。
- リクエストごとにツール一覧が変わる。 ツールはキャッシュされる先頭部分のいちばん前にあるので、順番が変わったりツールが1つ増えたりすると、その後ろがすべて無効になります。
- ツールの前やシステムプロンプトの冒頭に動的なデータがある。 タイムスタンプ、ユーザー名、リクエストIDは、最後のキャッシュブレークポイントより後ろに置きます。
- リクエストの間隔がキャッシュの有効期限より長い。 5分のキャッシュが波と波の間に切れると、毎回の最初のリクエストが、全額・ITPM全量のキャッシュ書き込みになります。
キャッシュの書き込みはITPMに数えられる点にも注意してください。ツール一覧が変わるデプロイの直後は、動いているすべてのエージェントが先頭部分を書き込み直すため、一時的にITPMが跳ね上がります。
6. ランプ制限・急増・上限未満の429
利用量の増え方が急すぎると、ITPMの上限未満でも429が返ります。Anthropicのページによると、ランプ制限は組織のモデルごとの利用量が増える速さを制限するもので、数秒の間にリクエストが集中した場合も急増とみなされることがあります。このときのエラーには error.details.error_code = ramp_limit_exceeded が付きます。
MCPのエージェントにとって大事な点:
- ランプ制限では入力と出力を別々に数え、キャッシュ読み込みは数えません。 ここでもウォームキャッシュが効きます。
- 多数のエージェントを一斉に起動すると急増になります。 10個のエージェントが、キャッシュなしで55,000トークンの最初のリクエストを数秒以内に送れば、一度に55万入力トークンです。
- Anthropicの推奨は、成功する水準でトラフィックを保ち、そこから1分に1段階ずつ増やすことです。 エージェントの起動は時間をずらしましょう。
- Message Batches APIはランプ制限の対象外です。 集めた結果の要約など、MCPを使わないオフラインの処理に向いています。
429を受け取ったら、retry-after ヘッダーがある場合はその秒数だけ待ってから再試行します。すべての429に付くわけではありません。支出上限のエラー(enforced_spend_limit_reached)には付かず、再試行すべきでもありません。
7. 実装:リクエストごとにレート制限ヘッダーを記録する
MCPのツール一覧がITPMをどれだけ使っているかは、毎リクエストで anthropic-ratelimit-input-tokens-remaining と usage を記録すれば分かります。次のPythonの例は、Anthropic SDKの生のレスポンスから両方を読みます。
import anthropic
client = anthropic.Anthropic()
def call(messages, tools, system):
raw = client.messages.with_raw_response.create(
model="claude-sonnet-5-5",
max_tokens=2048,
system=system,
tools=tools, # Claudeのツール形式に変換したMCPのツール定義
messages=messages,
)
msg = raw.parse()
u = msg.usage
itpm_counted = u.input_tokens + (u.cache_creation_input_tokens or 0)
print({
"itpm_counted": itpm_counted,
"cache_read": u.cache_read_input_tokens or 0,
"itpm_remaining": raw.headers.get("anthropic-ratelimit-input-tokens-remaining"),
"itpm_reset": raw.headers.get("anthropic-ratelimit-input-tokens-reset"),
})
return msg
値の読み方の注意が2つあります。残量は1,000単位に丸められ、リセット時刻は入力トークンの上限が完全に補充される時刻(RFC 3339形式)です。汎用の anthropic-ratelimit-tokens-* ヘッダーは、その時点でいちばん厳しい上限の値を示すので、1つのアラートにまとめるのに便利です。
ツール一覧が占める割合を知るには、同じリクエストを tools ありとなしでトークンカウントAPIに送り、差を取ります。1つのタスクの中でターンが進んでも cache_read が0のままなら、キャッシュが効いておらず、毎回ITPMで先頭部分を払っています。
8. OpenAIの場合に見るべきもの
OpenAIのAPIはモデルごとに毎分トークン数(TPM)を制限し、x-ratelimit-remaining-tokens と x-ratelimit-reset-tokens ヘッダーで残量を返します。レート制限ガイドには、x-ratelimit-limit-tokens、プロジェクト単位のトークンヘッダー、429と503で返る Retry-After も載っています。考え方は同じで、Responses APIのMCPツールで取り込んだツール定義も送信量の一部です。OpenAIのMCPガイドには、MCPツールではツール定義の取り込みとツール呼び出しで使ったトークンに料金がかかると書かれています。一方、キャッシュされた入力がTPMから除外されるとはガイドに書かれていないので、Claudeのキャッシュのルールがそのまま当てはまるとは考えず、ヘッダーで実測してください。
9. チェックリスト
- [ ] 自分のティアと、使う各モデルのITPMを把握している(Console → Rate limits)
- [ ] ツール一覧のトークン数を計測した(トークンカウントAPIで
toolsあり・なしの差) - [ ] プロンプトキャッシュを有効にし、ツールとシステムプロンプトの後ろにブレークポイントを置いている
- [ ] ツール一覧がリクエスト間でバイト単位で同じ(順番も同じ、リクエストごとに編集しない)
- [ ] 最後のキャッシュブレークポイントより前にタイムスタンプやIDがない
- [ ]
input_tokens、cache_creation_input_tokens、cache_read_input_tokens、anthropic-ratelimit-input-tokens-remainingを記録している - [ ] エージェントは一斉にではなく、時間をずらして起動する
- [ ] 再試行は
retry-afterに従い、支出上限のエラーでは止める - [ ] 各エージェントには必要なMCPツールだけを見せている
- [ ] 途中結果が大きい複数ステップの処理はコード実行で行っている
10. よくあるハマりどころ
| 症状 | 原因 | 対処 |
|---|---|---|
| 利用者が少ないのに、その日最初のリクエストで429 | ITPMの低いモデル(Fable 5.2の50万など)に、キャッシュなしの巨大な先頭部分 | ツール一覧を減らし、キャッシュを有効にする |
| MCPサーバーを1つ追加したら429が出始めた | そのサーバーの定義が、全エージェントの全ターンで掛け算される | ツールを絞るか、ツール検索を使う |
| ダッシュボードではITPM未満なのに429 | 急増によるランプ制限(ramp_limit_exceeded) |
エージェントの起動をずらし、1分に1段階ずつ増やす |
cache_read_input_tokens がいつも0 |
ツールの順番が変わる、またはブレークポイントの前に動的な文字列 | ツールの順番を固定し、動的な文字列を後ろに移す |
| デプロイのたびに429が急増 | 新しいツール一覧でキャッシュが無効になり、全エージェントが先頭部分を書き込む | 段階的に展開し、ツール定義を安定させる |
念のため max_tokens を大きくしてよいか迷う |
ClaudeではOTPMの問題にならない | max_tokens はOTPMに数えられない |
| 429のあとに再試行が殺到する | retry-after を無視した即時再試行 |
指定秒数待ち、ゆらぎを加え、回数に上限を設ける |
| 支出上限の429を延々と再試行する | enforced_spend_limit_reached には retry-after がない |
レート制限ではなく請求のエラーとして扱う |
ここで扱ったのは、LLMのAPIが利用者を制限する話です。自分のMCPサーバーへの呼び出し回数を制限する話は別で、MCPサーバーのレート制限のかけ方で扱っています。
11. 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リポジトリにある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ごとに4つの設定があり、モデルが読む量を減らせます。設定はプロキシで適用されるので、サーバーのコードを変える必要はありません。この記事の課題ごとに対応を示します。
課題1:複数ステップのタスクで、先頭部分と結果がITPMに何度も数えられる(3章・4章)。Code Execution(tool_code_mode)を有効にします。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(例:注文一覧を取り、3件を読み、それぞれの配送状況を確認する)。NodeFlareはそれをサンドボックスで実行し、スクリプトが返した値だけが会話に入ります。7ターンの処理が約2ターンになり、大きな途中結果はITPMに数えられません。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限られます。既定値はタイムアウト600秒(変更可能)、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も再確認されます。
課題2:大きなツール一覧が、キャッシュなしの最大の項になる(3章のP)。tool_search_mode を有効にします。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何個あっても、クライアントが送る定義はほぼ一定です。どのクライアントでも効きます。検索は既定で語句の一致によるもので、GEMINI_API_KEY を設定すると意味検索になり、失敗した場合は語句の一致に戻ります。
課題3:キーを共有するすべてのエージェントが、使えないツールの分まで払っている。tool_list_filter_by_scope を有効にします。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し、スキーマはそのままです。読み取り専用のエージェントの先頭部分には書き込み系のツールが載りません。認証情報ごとの小さな一覧はエージェントごとに安定するので、キャッシュにも有利です。
課題4:自分で書いていないサーバーのツール説明が長い。tool_schema_slim は、500文字を超えるツール説明をUTF-8で安全に切り詰めます。ツール名と入力スキーマは変わりません。
NodeFlareは、これらの設定によるトークン削減率を公表していません。4章の前提だけを使った計算例を示すと、ツール検索で先頭部分Pが55,000から5,000トークンになった場合、キャッシュなしで1タスクがITPMに数えられる量は403,760から53,760トークンに減り、Sonnet 5.5のStartティアで回るタスクは1分あたり5.0件から37.2件になります。NodeFlareのリクエストログには、呼び出しごとの req_bytes と res_bytes がツール名とともに記録されるので、どのツールが大きなデータを返しているかが分かります。トークン数は7章のスクリプトで前後を測ってください。
最小の始め方:
- NodeFlareのダッシュボードでMCPサーバーのGitHubリポジトリを選びます。ランタイム、通信方式、起動コマンドは自動で検出・入力されます。
- デプロイしたら、
tool_code_modeを有効にします(必要に応じてtool_search_modeやtool_list_filter_by_scopeも)。 - 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。
1サーバー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. FAQ
MCPのツール定義はClaude APIのレート制限に数えられますか?
数えられます。ツール定義は入力トークンで、プロンプトキャッシュから読み込まれない限り、毎分入力トークン数(ITPM)に数えられます。Anthropicのページでは、ITPMに数えるのは input_tokens と cache_creation_input_tokens だけとされています。
Claude APIでキャッシュされたトークンはITPMに数えられますか?
キャッシュの読み込みは数えられず、書き込みは数えられます。既定のITPMはキャッシュされていない入力トークンだけを数え、cache_read_input_tokens は対象外です。そのため、キャッシュが温まっていれば、MCPのツール一覧はITPMからほぼ消えます。
MCPサーバーを多く使うと429 rate_limit_errorが出るのはなぜですか?
各サーバーのツール定義が、すべてのエージェントのすべてのターンで送り直されるからです。キャッシュなしだと、55,000トークンのツール一覧を使う7リクエストのタスクは約40万入力トークンをITPMに数えます。これは1タスクでSonnet 5.5のStartティアの上限の5分の1です。
Claude Sonnet 5.5のITPMの上限はいくつですか?
2026年11月16日時点で、Anthropicの表ではStartティアが2,000,000、Buildが5,000,000、Scaleが10,000,000です。RPMはそれぞれ4,000・10,000・13,000、OTPMは400,000・1,000,000・2,000,000です。
max_tokensはOTPMに数えられますか?
数えられません。Anthropicのページには、max_tokens はOTPMの計算に影響しないとあり、OTPMは実際に生成されたトークンだけを数えます。MCPのエージェントでは、たいていOTPMよりずっと先にITPMに達します。
レート制限の残りはどうやって確認できますか?
レスポンスヘッダーの anthropic-ratelimit-input-tokens-remaining と anthropic-ratelimit-input-tokens-reset を読みます。残量は1,000単位に丸められ、リセット時刻は上限が完全に補充される時刻(RFC 3339形式)です。
ITPMの上限未満でも429になることはありますか?
あります。ランプ制限はモデルごとの利用量が増える速さを制限し、数秒間の集中でも発動することがあります。エラーコードは ramp_limit_exceeded です。キャッシュ読み込みはランプ制限にも数えられず、エージェントの起動をずらせばたいてい避けられます。
ツール検索はレート制限対策になりますか?
キャッシュが効いていないトラフィックでは効果があります。遅延読み込みされたツールは毎回全文が送られないので、先頭部分(P)が小さくなり、1ターンでITPMに数えられる量が減ります。ウォームキャッシュの場合はITPMの改善幅は小さくなりますが、コンテキストウィンドウには引き続き効きます。
コード実行でITPMの消費は減りますか?
多くの場合は減ります。モデルのターン数が減るので先頭部分の再送回数が減り、大きな途中結果もコンテキストに入りません。55,000トークンの先頭部分の例では、6ステップのタスクがキャッシュなしで403,760から110,850トークンに減りました。
OpenAIではキャッシュされたトークンはTPMから除外されますか?
OpenAIのレート制限ガイドにはそう書かれていません。Claudeのルールが当てはまると考えず、自分のトラフィックで x-ratelimit-remaining-tokens と x-ratelimit-reset-tokens を確認してください。
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・課金・APIのレート制限で数えられる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、支払う金額だけでなく、APIキーで1分間にこなせる仕事量も左右します。Claude APIでは、キャッシュされていないツール定義がターンのたびにITPMに数えられるため、この記事の試算では55,000トークンのツール一覧でSonnet 5.5のStartティアは6回呼び出しのタスクを1分あたり約5件、Fable 5.2では約1件しか回せません。キャッシュの読み込みはITPMに数えられないので、温まった安定した先頭部分を保つことが最大の処理能力対策です(同じ試算で約380件/分)。そのうえで、ツールの絞り込みやツール検索で先頭部分を小さくし、コード実行でターン数を減らし、エージェントの起動をずらしてランプ制限を避け、レート制限ヘッダーを記録して、利用者より先に問題に気づけるようにしましょう。
