結論から
僕の環境(Claude Code + 一人会社のフル自動化基盤、launchdジョブ17個)で、MCPサーバーを足していったら起動直後のコンテキストが2割近くツール定義で埋まり、初回応答が明確に遅くなった。原因はシンプルで、MCPサーバーのツール定義は「使う/使わない」に関係なく全部システムプロンプトに載るからです。
この記事は、その消費量を実測するスクリプトと、プロファイル分割で削る手順です。経営の話は最後に少しだけ書きます。
なにが起きるのか(仕組み)
MCPサーバーを接続すると、Claude Code は各サーバーに tools/list を投げ、返ってきた全ツールの name / description / inputSchema(JSON Schema) をリクエストのツール定義に載せます。つまり、
- ツール1個あたり数百〜2,000トークン(スキーマが深いものは平気で超える)
- サーバー1個で40ツール返すものがある(Gmail、Playwright、GitHub あたりが太い)
- 一度も呼ばなくてもコストは毎リクエスト発生する(プロンプトキャッシュが効いても、コンテキスト枠の消費は消えない)
僕の環境では Gmail / Google Drive / Slack / GitHub / Playwright / note-api / Figma / Docs / codegraph を繋いだ状態で、ツール総数が190個超になっていました。これが「モデルが賢いのに指示を取り違える」現象の温床にもなります。以前、CLAUDE.md を1,000行まで膨らませてAIが指示と逆の動作を始めた失敗をしましたが、構造は同じです。選択肢が多すぎると選択を間違える。
実測1:ツール定義のトークン量を数える
まず測ります。MCPサーバーに直接 tools/list を投げて、返ってきた JSON をそのままトークン換算するのが一番正確です。stdio サーバーなら JSON-RPC を標準入力に流すだけで済みます。
.company/scripts/lib/measure-mcp-tools.mjs(当社で実際に回しているもの。依存ゼロ、Node 20+):
#!/usr/bin/env node
// MCPサーバーの tools/list を叩き、ツール数と定義トークン量を実測する
// usage: node measure-mcp-tools.mjs '<server-name>' '<command>' [args...]
import { spawn } from 'node:child_process';
const [name, command, ...args] = process.argv.slice(2);
if (!command) {
console.error('usage: measure-mcp-tools.mjs <name> <command> [args...]');
process.exit(1);
}
const REQUESTS = [
{
jsonrpc: '2.0', id: 1, method: 'initialize',
params: {
protocolVersion: '2024-11-05',
capabilities: {},
clientInfo: { name: 'mcp-measure', version: '1.0.0' },
},
},
{ jsonrpc: '2.0', method: 'notifications/initialized' },
{ jsonrpc: '2.0', id: 2, method: 'tools/list', params: {} },
];
// 1トークン ≒ 4文字(英語スキーマ前提の近似。日本語descriptionが多いと過小評価になる)
const estimateTokens = (text) => Math.ceil(text.length / 4);
const child = spawn(command, args, { stdio: ['pipe', 'pipe', 'inherit'] });
const started = Date.now();
let buffer = '';
const timer = setTimeout(() => {
console.error(`[${name}] timeout: tools/list に応答なし`);
child.kill('SIGKILL');
process.exit(2);
}, 30_000);
child.stdout.on('data', (chunk) => {
buffer += chunk.toString();
// stdio transport は改行区切りJSON。行単位で処理する
const lines = buffer.split('\n');
buffer = lines.pop() ?? '';
for (const line of lines) {
if (!line.trim()) continue;
let msg;
try { msg = JSON.parse(line); } catch { continue; }
if (msg.id !== 2) continue;
clearTimeout(timer);
const tools = msg.result?.tools ?? [];
const perTool = tools
.map((t) => ({
name: t.name,
tokens: estimateTokens(JSON.stringify(t)),
}))
.sort((a, b) => b.tokens - a.tokens);
const total = perTool.reduce((sum, t) => sum + t.tokens, 0);
console.log(JSON.stringify({
server: name,
handshakeMs: Date.now() - started,
toolCount: tools.length,
totalTokens: total,
top5: perTool.slice(0, 5),
}, null, 2));
child.kill();
process.exit(0);
}
});
for (const req of REQUESTS) child.stdin.write(`${JSON.stringify(req)}\n`);
実行はこうです:
cd /path/to/repo
node .company/scripts/lib/measure-mcp-tools.mjs \
playwright npx -y @playwright/mcp@latest
node .company/scripts/lib/measure-mcp-tools.mjs \
github npx -y @modelcontextprotocol/server-github
僕の環境での実測値(2026-09時点、totalTokens は上のスクリプト出力):
| サーバー | ツール数 | 定義トークン | handshake |
|---|---|---|---|
| playwright | 30 | 約9,800 | 1.4s |
| github | 26 | 約8,100 | 0.9s |
| gmail 系 | 34 | 約7,600 | 2.1s |
| note-api(自作) | 41 | 約6,300 | 0.4s |
| codegraph(自作) | 4 | 約1,100 | 0.3s |
合計で33,000トークン前後がツール定義だけで消える。200kコンテキストなら16%、これがCLAUDE.mdやファイル読み込みの前に確定で乗ります。体感の遅さはこれと、接続時の handshake 直列待ちの合算です。
落とし穴:handshakeは起動時に全サーバー分かかる
上の表の handshake 列が地味に効きます。npx -y 指定のサーバーはキャッシュミス時にパッケージ取得から始まるので、初回だけ10秒級になることがあります。常用するサーバーはグローバル導入して npx を外すだけで起動が安定します。
# 毎回 npx で取りに行かせない
npm i -g @playwright/mcp
# .mcp.json の command は "mcp-server-playwright" のような実体を直接指す
実測2:Claude Code 側で「今いくら使っているか」を見る
Claude Code には /context があります。これが唯一の答え合わせです。
> /context
MCP tools の行が、そのセッションでツール定義に使われている実トークン量です。上のスクリプトの近似値とここがズレる場合は、近似(4文字=1トークン)を疑ってください。日本語 description の多い自作サーバーは近似が過小に出ます。
もうひとつ、接続の生死と所要時間は:
claude mcp list
で確認できます。✗ failed to connect が混ざっていると、Claude Code は毎起動でそのサーバーの接続リトライを待ちます。死んだサーバーを消さずに放置しているのが、遅さの最頻原因でした。僕は実際これで数週間損をしました。
対策:プロファイル分割(これが一番効いた)
「全部繋ぐ」をやめて、用途ごとに .mcp.json を分け、使うときだけ切り替える。当社ではこの形に落ち着きました。
.mcp.profiles/publishing.json(記事・書籍公開のとき。ブラウザ操作とnoteだけ):
{
"mcpServers": {
"note-api": {
"command": "node",
"args": ["/Users/kyoagun/workspace/note-mcp-server/build/index.js"],
"env": { "NOTE_SESSION_V5": "${NOTE_SESSION_V5}" }
},
"playwright": {
"command": "mcp-server-playwright",
"args": ["--isolated"]
}
}
}
.mcp.profiles/dev.json(開発のとき。コード探索とGitHubだけ):
{
"mcpServers": {
"codegraph": {
"command": "codegraph",
"args": ["mcp"]
},
"github": {
"command": "mcp-server-github",
"env": { "GITHUB_PERSONAL_ACCESS_TOKEN": "${GITHUB_TOKEN}" }
}
}
}
切り替えスクリプト .company/scripts/mcp-profile.sh:
#!/usr/bin/env bash
# MCPプロファイルを切り替える(.mcp.json を差し替えるだけ)
# usage: ./mcp-profile.sh dev | publishing | none | show
set -euo pipefail
REPO_ROOT="$(cd "$(dirname "${BASH_SOURCE[0]}")/../.." && pwd)"
PROFILE_DIR="$REPO_ROOT/.mcp.profiles"
TARGET="$REPO_ROOT/.mcp.json"
usage() {
echo "profiles: none $(ls "$PROFILE_DIR" 2>/dev/null | sed 's/\.json$//' | tr '\n' ' ')"
exit 1
}
case "${1:-show}" in
show)
if [[ -L "$TARGET" ]]; then
echo "current: $(basename "$(readlink "$TARGET")" .json)"
elif [[ -e "$TARGET" ]]; then
echo "current: (実ファイル。プロファイル管理外)"
else
echo "current: none"
fi
# 接続確認とツール総数の把握はこれが速い
command -v claude >/dev/null && claude mcp list || true
;;
none)
rm -f "$TARGET"
echo "MCPなしに切り替えました(ツール定義0トークン)"
;;
*)
SRC="$PROFILE_DIR/$1.json"
[[ -f "$SRC" ]] || usage
ln -sfn "$SRC" "$TARGET"
echo "$1 に切り替えました。Claude Code を再起動してください"
;;
esac
chmod +x .company/scripts/mcp-profile.sh
./.company/scripts/mcp-profile.sh dev
./.company/scripts/mcp-profile.sh show
注意点2つ。
-
.mcp.jsonをシンボリックリンクにしているので、.gitignoreに.mcp.jsonを入れておくこと。忘れるとプロファイル切り替えが毎回 diff に出ます。 - プロジェクト
.mcp.jsonのサーバーは初回に承認ダイアログが出ます。CIやlaunchd経由の非対話実行では承認できないので、自動実行させるジョブには.claude/settings.jsonで明示許可しておきます。
{
"enableAllProjectMcpServers": false,
"enabledMcpjsonServers": ["codegraph", "note-api"],
"disabledMcpjsonServers": ["playwright"]
}
enabledMcpjsonServers に列挙したものだけが有効になります。enableAllProjectMcpServers: true は便利ですが、プロファイル分割の意味を消すので僕は使っていません。
対策2:自作サーバーのツールを削る
他人のサーバーは削れませんが、自作は削れます。当社の note 投稿用サーバーは当初41ツールありましたが、Claude Code から実際に呼ばれていたのは6ツールでした。ログを取って確認するのが確実です。
サーバー側に1行入れるだけで呼び出し実績が取れます:
server.setRequestHandler(CallToolRequestSchema, async (req) => {
// どのツールが実際に呼ばれているかを追記ログで残す
appendFileSync(
process.env.MCP_CALL_LOG ?? '/tmp/mcp-calls.log',
`${new Date().toISOString()}\t${req.params.name}\n`,
);
return handle(req);
});
2週間放置してから集計します:
sort /tmp/mcp-calls.log | cut -f2 | uniq -c | sort -rn
出てこなかったツールは tools/list から外す(コードは残して登録だけ落とす)。僕はこれで note-api を41→9ツールに削り、定義トークンを約6,300→1,500に落としました。**削ったあと、記事投稿の成功率は下がっていません。**むしろ「似たツールを取り違える」失敗が消えました。
検証方法(削った効果を確認する)
作業後に必ずこの3点を見ます。
-
/contextのMCP tools行 — 削減前後の実数を記録する -
claude mcp list—✗が0件であること(死骸が残っていないこと) - 同一プロンプトで初回応答までの体感時間 — 僕の環境では33k→11kトークンで、初回応答が明確に速くなった
数字を残さないと、次に誰かが「便利そうだから」とサーバーを足したとき、戻ったことに気づけません。当社ではプロファイル切り替え時に /context の値を .company/departments/dev/ に追記するようにしています。
経営の話(ここだけ)
僕は一人でAI-CEO Frameworkを回していて、AI運用コストは月約¥20,000(Claude Code Max)です。MCPを足しすぎたときに起きたのは、コストの増加ではなくアウトプットの精度低下でした。ツール190個の中からAIが選び間違える。以前 CLAUDE.md を1,000行まで膨らませてAIが指示と逆の動作を始めた失敗と、まったく同じ構造です。
接続できることと、接続すべきことは違う。 MCPは「必要なときに必要なものだけ」が正解です。まずは /context を開いて、今いくら払っているか見てください。
参考書籍
MCPサーバーの設計・自作・運用をもう少し体系的にやりたい方向けに、当社で書籍を出しています。
- 『Claude Code × MCP サーバー開発入門』 — MCPプロトコルの基礎から自作サーバーの実装、ツール設計の粒度、認証、運用まで。この記事の「ツールを削る」判断基準も書籍で詳しく扱っています
- 書籍一覧: https://zenn.dev/joinclass?tab=books