問題
この問題は、codex.*mcpを呼び出したときに、ローカルモデルの初回応答が1分を超えると発生するようです。また、codex 0.116.0も必要なようです。
そのため、起動時はモデルにあいさつし、llama.cppにシステムプロンプトをキャッシュさせる必要があります。
codexで下記の問題が発生しました。
codexがローカルプロバイダーモード(lmstudio、またはllama.cpp系サーバー)でmcpツールを呼び出すと、永遠にハングしてしまいます。
run codex.list_mcp_resources
• Calling codex.list_mcp_resources({})
• Working (36s • esc to interrupt)
› Summarize recent commits
Qwen3.6-35B-A3B-UD-Q6_K.gguf medium · ~\Documents\LocalAI
また、mcpを呼び出した瞬間、応答が完了したとマークされてしまいます。
1.27.558.506 W srv server_chat_: unsupported Responses tool type 'custom' skipped
1.27.558.521 W srv server_chat_: unsupported Responses tool type 'namespace' skipped
1.27.558.558 W srv server_chat_: unsupported Responses tool type 'namespace' skipped
1.27.558.654 W srv server_chat_: unsupported Responses tool type 'namespace' skipped
1.27.558.714 W srv server_chat_: unsupported Responses tool type 'web_search' skipped
1.27.595.107 I srv params_from_: Chat format: peg-gemma4
1.27.605.934 I slot get_availabl: id 0 | task -1 | selected slot by LCP similarity, sim_best = 0.933 (> 0.100 thold), f_keep = 0.898
1.27.606.158 I slot launch_slot_: id 0 | task 829 | processing task, is_child = 0
1.27.606.167 I slot update_slots: id 0 | task 829 | Checking checkpoint with [5703, 7238] against 6232...
1.27.613.401 W slot update_slots: id 0 | task 829 | restored context checkpoint (pos_min = 5703, pos_max = 7238, n_tokens = 7239, n_past = 7238, size = 72.669 MiB)
1.28.237.657 I slot create_check: id 0 | task 829 | created context checkpoint 2 of 32 (pos_min = 6221, pos_max = 7756, n_tokens = 7757, size = 72.669 MiB)
1.28.365.745 I reasoning-budget: activated, budget=2147483647 tokens
1.28.402.682 I reasoning-budget: deactivated (natural end)
1.28.599.985 I slot print_timing: id 0 | task 829 | prompt eval time = 736.73 ms / 537 tokens ( 1.37 ms per token, 728.90 tokens per second)
1.28.599.991 I slot print_timing: id 0 | task 829 | eval time = 257.08 ms / 16 tokens ( 16.07 ms per token, 62.24 tokens per second)
1.28.599.992 I slot print_timing: id 0 | task 829 | total time = 993.81 ms / 553 tokens
1.28.599.992 I slot print_timing: id 0 | task 829 | graphs reused = 832
1.28.600.427 I slot release: id 0 | task 829 | stop processing: n_tokens = 7790, truncated = 0
1.28.600.445 I srv update_slots: all slots are idle
解決策
これは現codex最新バージョンの仕様であり、バージョン0.116.0のcodexを使用する必要があります。
codex 0.116.0インストール
mkdir codex-0116
cd codex-0116
npm init -y
npm install "@openai/codex@0.116.0"
ssd問題を修正
codexの0.142.0より下は、cドライブのssdの寿命を破壊するコードが含まれているため、使用する場合回避策を実行することが推奨されます。
CREATE TRIGGERのほうのpythonスクリプト実行すると、ssdの寿命破壊が起こらなくなる場合があります。
mcpタイムアウトを指定
codex.list_mcp_resourcesはタイムアウトを設定できないので、「AIに使うな」と指示しなければなりません。
mcpのタイムアウトをstartup_timeout_secとtool_timeout_secで長くする必要があります。
[mcp_servers.clion]
url = "http://127.0.0.1:64311/stream"
enabled = true
startup_timeout_sec = 10000
tool_timeout_sec = 100000
[mcp_servers.chrome-devtools]
command = "npx"
args = ["chrome-devtools-mcp@latest", "--categoryExperimentalWebmcp=true", "--chromeArg=--enable-features=WebMCPTesting,DevToolsWebMCPSupport"]
enabled = true
startup_timeout_sec = 10000
tool_timeout_sec = 100000
起動
これは私の環境での数値です。
このモデルをlmstudioでダウンロードしました。
モデルの大きさは、アクティブパラメーターがあるため、おそらく大きくても速度は変わらないと思います。搭載メモリに応じた量子化を選択してください。
これには改行が含まれます
./codex-0116/node_modules/.bin/codex
-m Qwen3.6-35B-A3B-UD-Q6_K.gguf
--config model_provider="local"
--config oss_provider="lmstudio"
--config sandbox_mode="workspace-write"
--config bypass-sandbox=false
--config bypass-approvals=false
--sandbox workspace-write
--config model_catalog_json="model_catalog.json"
model_catalog.json
外部のモデルはmodel_catalog.jsonでモデルのメタデータを指定する必要があります。
slugは、モデル識別子と合わせ、context_window、max_context_window、truncation_policy.limitはcontext length設定と同期する必要があります。
{
"models": [
{
"slug": "Qwen3.6-35B-A3B-UD-Q6_K.gguf",
"display_name": "Qwen3.6 35B A3B (Q6_K, local TurboQuant+)",
"description": "Local GGUF via llama-server / TurboQuant+",
"shell_type": "shell_command",
"visibility": "list",
"supported_in_api": true,
"priority": 0,
"context_window": 98304,
"max_context_window": 98304,
"effective_context_window_percent": 90,
"input_modalities": ["text"],
"supports_search_tool": false,
"supports_image_detail_original": false,
"supports_reasoning_summaries": false,
"support_verbosity": false,
"apply_patch_tool_type": "freeform",
"web_search_tool_type": "text",
"base_instructions": "You are a helpful AI assistant running locally. Provide accurate and concise answers.",
"experimental_supported_tools": [
"mcp"
],
"supports_parallel_tool_calls": false,
"truncation_policy": {
"mode": "tokens",
"limit": 98304
},
"supported_reasoning_levels": []
}
]
}
おまけ
llama-cpp-turboquant
対応しているモデルであれば、lmstudioを使用するよりもllama-cpp-turboquantのほうが2倍ほど早いです。
なお特別な量子化をしなくても、turboquantの恩恵を受けられる場合があります。
rtx 4070 ti superでおおよそ倍の速度が出ることを確認済みです。
codex --oss -m gemma-4-26b-a4b-qat
lmstudio: 30.24tok/sec
llama-cpp-turboquan: 69.53 tokens/second
(--n-gpu-layers 999 --n-cpu-moe 8)
codex --oss -m Qwen3.6-35B-A3B-GGUF
llama-cpp-turboquan: 45.35 tokens per second
(--n-gpu-layers 999 --n-cpu-moe 25)
ダウンロード
プレビルドバイナリをダウンロードしましょう
どこかへ展開しておき、llama-server.exeがあることを確認します。
起動引数
threads: cpuで処理するスレッド数
n-cpu-moe: どれだけcpuに負荷を負担させるか。減らすとメモリ使用量減。0に近いほどGPUが使用される。
m: モデル指定
mmproj: マルチモーダルモデル指定(画像)
c: context length
-fa on --cache-type-k q8_0 --cache-type-v turbo3: 高速化ON
これには改行が含まれます
--n-cpu-moe 40は、GPUメモリの実装量に応じて調整してください
"./turboquant-plus-tqp-v0.2.0-windows-x64-cuda12.4\llama-server.exe"
--host 127.0.0.1 --port 1234
--parallel 1 --threads 12
--n-gpu-layers 999 --n-cpu-moe 40
--device CUDA0
-fa on --cache-type-k q8_0 --cache-type-v turbo3
-c 98304
-m "C:\Users\owner\.lmstudio\models\unsloth\Qwen3.6-35B-A3B-GGUF\Qwen3.6-35B-A3B-UD-Q6_K.gguf"
--mmproj "C:\Users\owner\.lmstudio\models\unsloth\Qwen3.6-35B-A3B-GGUF\mmproj-F32.gg
uf"
codex設定
[features]
apps = false
[model_providers.local]
name = "Local llama.cpp"
base_url = "http://127.0.0.1:1234/v1"
requires_openai_auth = false
stream_idle_timeout_ms = 10000000
web_search = "disabled"
wire_api = "responses"
おわりに
良きローカルAIライフを！