---
title: "OpenAI 互換モデルで MCP サーバーを使う仕組み | BroadRouter"
description: "MCP はどの LLM でも使えます。MCP のツールを関数呼び出しに変換するのはクライアントです。Cline、Continue、opencode、n8n、自作の Python コードでオープンモデルと MCP を使う方法を解説します。"
url: https://broadrouter.com/ja/blog/mcp-with-openai-compatible-models/
lang: ja
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。[英語の原文を読む](https://broadrouter.com/blog/mcp-with-openai-compatible-models/)（2026-11-16 更新）。

# OpenAI 互換モデルで MCP サーバーを使う（プロバイダーを問わず）

BroadNet Inference チーム · 約 4 分で読めます · 公開日 2026-11-14 · 更新日 2026-11-16

MCP はモデルに依存しません。アプリ内の MCP クライアントが各サーバーのツールを一覧し、通常の Function Calling のツールとしてモデルに渡し、モデルが求めたら tools/call を実行します。ツール呼び出しが安定した OpenAI 互換モデルなら MCP サーバーを使えます。Cline、Continue、opencode、n8n で設定するか、Python 約 40 行で橋渡しできます。

## 要点

-   MCP のドキュメントには、MCP は “does not dictate how AI applications use LLMs”（訳：AI アプリケーションが LLM をどう使うかを規定しない）とあります。MCP のツールをモデルのツール形式に変換するのはホストアプリです。
-   モデルにはツール呼び出しが必要です。BroadNet Inference では、GLM 5.3 と Qwen3.8 27B に記載があります。
-   Cline、Continue（Agent モードのみ）、opencode、n8n、OpenAI Agents SDK は、いずれもカスタムモデルで MCP クライアントとして動きます。
-   MCP のツールスキーマは、毎回のモデル呼び出しですべて送られます。opencode のドキュメントは MCP のツールがモデルのコンテキストを消費すると注意しています。必要なサーバーだけを追加してください。
-   OpenAI の Responses API 内で動くホスト型 MCP ツールは、ほかのプロバイダーでは使えません。ローカルの MCP クライアントなら使えます。

**このページの内容**

1.  MCP がどのモデルでも動くのはなぜですか？
2.  MCP にはどのモデルを使うべきですか？
3.  主要なクライアントで MCP を設定するには？
4.  Python で MCP をオープンモデルにつなぐには？
5.  オープンモデルで MCP を使うときによくある問題は？
6.  BroadNet Inference が向いている場面

Model Context Protocol（MCP）は、GitHub、データベース、ファイルシステム、ブラウザといったツールにエージェントがアクセスするための標準的な方法です。MCP のチュートリアルの多くは Claude や GPT を前提にしていますが、どちらも必須ではありません。この記事では、ツール呼び出しに対応した [OpenAI 互換](https://broadrouter.com/ja/glossary/openai-compatible-api/)モデルならなぜ MCP が使えるのか、開発者が実際に使うクライアントでの設定方法、そして自作のコードで MCP をオープンモデルにつなぐ方法を説明します。

## MCP がどのモデルでも動くのはなぜですか？

MCP が位置するのは、アプリとモデルの間ではなく、アプリとツールサーバーの間です。MCP のアーキテクチャのドキュメントは、3 つの役割を説明しています。

-   \*\*ホスト：\*\*エディタの拡張機能や自作スクリプトのような AI アプリケーション。
-   \*\*クライアント：\*\*ホストが MCP サーバーごとに保持する 1 本の接続。
-   \*\*サーバー：\*\*ツール、リソース、プロンプトを公開するプログラム。ローカルでは stdio、リモートでは Streamable HTTP で動きます。

ドキュメントははっきりと、MCP は “does not dictate how AI applications use LLMs or manage the provided context.”（訳：AI アプリケーションが LLM をどう使うか、提供されたコンテキストをどう管理するかを規定しない。）と書いています。ホストは `tools/list` で各サーバーのツールを一覧し、モデルから見える 1 つのレジストリにまとめます。モデルがツールを求めたら、ホストが該当するサーバーに `tools/call` を送ります。

OpenAI 互換 API では、「モデルから見える」とは、ツールを通常の `tools` 配列に入れることを意味します。MCP のツールにはもともと名前、説明、`inputSchema` があり、関数定義に 1 対 1 で対応します。モデルは MCP が関わっていることを知りません。必要なのは、信頼できる[ツール呼び出し](https://broadrouter.com/ja/glossary/tool-calling/)だけです。

## MCP にはどのモデルを使うべきですか？

| BroadNet のモデル | ツール呼び出しの記載 | コンテキスト | MCP との相性 |
| --- | --- | --- | --- |
| [GLM 5.3](https://broadrouter.com/ja/models/glm-5.3/) | あり | 1,048,576 | サーバーが多い場合の無難な標準 |
| [Qwen3.8 27B](https://broadrouter.com/ja/models/qwen3.8-27b/) | あり | 262,144 | 良好、画像入力も可 |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ja/models/deepseek-v4.1-flash/) | 記載なし | 1,048,576 | まずテストを。画像入力に対応 |
| [Gemma 4 VL 26B](https://broadrouter.com/ja/models/gemma-4-vl-26b/) | 記載なし | 32,768 | 非推奨 |

ツール対応の 2 モデルを並べて比べるには、[GLM 5.3 と Qwen3.8 27B の比較](https://broadrouter.com/compare/glm-5.3-vs-qwen3.8-27b/)をご覧ください。コンテキストは思った以上に重要です。MCP のツールスキーマはすべて、毎回の呼び出しに乗ります。opencode のドキュメントには “MCP tools consume model context, so add only the servers you need.”（訳：MCP のツールはモデルのコンテキストを消費するので、必要なサーバーだけを追加すること。）とあります。測り方は[エージェントのトークン予算](https://broadrouter.com/ja/blog/agent-token-budget/)の記事で紹介しています。

## 主要なクライアントで MCP を設定するには？

| クライアント | MCP サーバーの設定場所 | トランスポート | 備考 |
| --- | --- | --- | --- |
| Cline | MCP Servers パネル、`mcpServers` JSON | stdio、Streamable HTTP、旧来の SSE | リモートの type は `"streamableHttp"` |
| Continue | `config.yaml` の `mcpServers` または `.continue/mcpServers/` | stdio、sse、streamable-http | Agent モードのみ |
| opencode | `opencode.jsonc` の `mcp.servers` | `local`、`remote` | シークレットは `{env:NAME}` で |
| n8n | AI Agent に付ける MCP Client Tool ノード | リモートサーバーのエンドポイント（ドキュメントでは SSE エンドポイント） | All、Selected、All Except でツールを選択 |
| OpenAI Agents SDK | Agent の `mcp_servers=[...]` | stdio、Streamable HTTP、SSE | `HostedMCPTool` ではない |

そのうえで、クライアントのモデルをプロバイダーに向けます。BroadNet 側のモデル設定は、[Cline](https://broadrouter.com/ja/guides/cline-openai-compatible/)、[Continue](https://broadrouter.com/ja/guides/continue-dev-openai-compatible/)、[opencode](https://broadrouter.com/ja/guides/opencode-custom-provider/) の各ガイドで解説しています。Continue では `tool_use` の capability を忘れないでください。これがないと Agent モードが使えません。

Continue のドキュメントにある例です。

```yaml
mcpServers:
  - name: SQLite MCP
    type: stdio
    command: npx
    args: ["-y", "mcp-sqlite", "/path/to/your/database.db"]
```

## Python で MCP をオープンモデルにつなぐには？

自分でエージェントを作るなら、橋渡しのコードは短く済みます。ここでは MCP Python SDK の `Client`（バージョン 2.0 以降、`pip install "mcp>=2"`）を使います。`StdioServerParameters` を渡すと stdio サーバーを起動します。これに、BroadNet に向けた OpenAI SDK を組み合わせます。

```python
import asyncio, json, os
from mcp import Client, StdioServerParameters
from mcp.types import TextContent
from openai import OpenAI

llm = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
server = StdioServerParameters(command="npx",
    args=["-y", "@modelcontextprotocol/server-filesystem", "."])

async def main(question):
    async with Client(server) as mcp:
        listed = await mcp.list_tools()
        tools = [{"type": "function", "function": {
                    "name": t.name, "description": t.description or "",
                    "parameters": t.input_schema}} for t in listed.tools]
        messages = [{"role": "user", "content": question}]
        for _ in range(8):
            r = llm.chat.completions.create(model="broadnet/glm-5.3",
                    messages=messages, tools=tools, max_tokens=4000)
            msg = r.choices[0].message
            messages.append(msg.model_dump(exclude_none=True))
            if not msg.tool_calls:
                return msg.content
            for call in msg.tool_calls:
                try:
                    res = await mcp.call_tool(call.function.name,
                                              json.loads(call.function.arguments or "{}"))
                    text = "\n".join(b.text for b in res.content if isinstance(b, TextContent))
                    out = f"Error: {text}" if res.is_error else text
                except Exception as e:
                    out = f"Error: {e}"
                messages.append({"role": "tool", "tool_call_id": call.id, "content": out})

print(asyncio.run(main("List the Markdown files here and summarize the README.")))
```

`mcp` 1.x には `Client` クラスがありません。`stdio_client(...)` でサーバーを開き、`ClientSession` で包んで `initialize()` を呼び、キャメルケースのフィールド `inputSchema` と `isError` を読んでください。重要な点は 3 つです。

1.  \*\*エラーはツールの結果にします。\*\*MCP SDK はツールの失敗を例外ではなく `is_error` で報告します。それをモデルに返せば、モデルが調整できます。検証とリトライは[ツール呼び出しのガイド](https://broadrouter.com/ja/blog/tool-calling-open-models/)で解説しています。
2.  \*\*ループに上限を設けます。\*\*ここでは 8 ステップです。大きな結果を返す MCP サーバーは、すぐにコンテキストを埋めてしまいます。
3.  \*\*ツールを絞り込みます。\*\*タスクに必要なツールだけを公開します。OpenAI Agents SDK にはそのための `tool_filter` があり、n8n には Selected と All Except があります。

OpenAI Agents SDK を使う場合は、`MCPServerStdio` と `MCPServerStreamableHttp` のクラスが自分のプロセス内で動きます。[Agents SDK のガイド](https://broadrouter.com/ja/guides/openai-agents-sdk-custom-provider/)のように、カスタムプロバイダーと組み合わせてください。`HostedMCPTool` は OpenAI の Responses API 内で動くので、OpenAI のモデルでしか使えません。

## オープンモデルで MCP を使うときによくある問題は？

-   \*\*ツールが多すぎる。\*\*モデルが間違ったツールを選んだり、ツールを無視したりします。有効なツールは少なく保ってください。自作のツールなら、[JSON スキーマジェネレーター](https://broadrouter.com/tools/json-schema-generator/)で、きれいでフラットな `parameters` スキーマを作れます。
-   \*\*ツールの結果が大きすぎる。\*\*データベースのテーブル全体を返すサーバーは、[コンテキストウィンドウ](https://broadrouter.com/ja/glossary/context-window/)をあっさり超えます。上限を設けるか、ページングしてください。
-   \*\*返答が空になる、途中で切れる。\*\*GLM 5.3 と Qwen3.8 27B は先に推論し、推論は `max_tokens` に含まれます。[上限を上げてください](https://broadrouter.com/ja/guides/reasoning-tokens-empty-response/)。
-   \*\*信頼性。\*\*MCP サーバーは自分のマシンでコードを実行したり、自分の認証情報でサービスを呼んだりします。信頼できるサーバーだけをインストールし、書き込みや支払いを伴う操作は確認してから実行してください。

## BroadNet Inference が向いている場面

BroadNet Inference が担うのはモデル側です。ツール呼び出しの記載がある GLM 5.3 と Qwen3.8 27B を、上のどの MCP クライアントでも使える標準の chat completions 形式で提供し、プロンプトと出力はゼロデータ保持です。MCP サーバーやホスト型ツールを代わりに動かすことはしません。それはクライアントの役割です。両モデルのトークンあたりの料金は[料金ページ](https://broadrouter.com/ja/pricing/)に、キーは [inference.broadnet.ai](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-mcp-with-openai-compatible-models&utm_content=body) にあります。

関連する無料ツール（英語）

-   [Agent run cost estimator](https://broadrouter.com/tools/agent-run-cost-estimator/) Context growth per step, total tokens and cost of one agent run, with a DeepSeek session comparison.
-   [LLM batch job planner](https://broadrouter.com/tools/llm-batch-job-planner/) Run time, binding limit, cost per model and the flat sessions needed to finish a big job by a deadline.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [LLM rate limit and concurrency calculator](https://broadrouter.com/tools/llm-rate-limit-calculator/) Which limit binds first: RPM, TPM or concurrency, with Little's law.

[無料ツール（英語）](https://broadrouter.com/tools/)

## この記事の用語

[MCP（Model Context Protocol）](https://broadrouter.com/ja/glossary/mcp/)

MCP（Model Context Protocol）とは、LLM アプリと外部のツールやデータの接続方法を標準化した、JSON-RPC 2.0 ベースのオープンなプロトコルです。サーバーがツール、リソース、プロンプトを公開し、ホストアプリ内のクライアントがそれらを見つけて、モデルのツール呼び出しを渡します。

[AI エージェント（AI agent）](https://broadrouter.com/ja/glossary/agent/)

AI エージェントとは、言語モデルが目標に向けて自分で手順を決めるシステムです。どのツールを呼ぶかを決め、結果を読み、最終回答を出すか上限に達するまで繰り返します。決まった箇所でモデルを呼ぶ固定のスクリプトは、ふつうワークフローと呼ばれます。

[SSE（Server-Sent Events）](https://broadrouter.com/ja/glossary/sse/)

SSE（Server-Sent Events）とは、content type が text/event-stream の長時間続く 1 つの HTTP 応答を通じて、サーバーがクライアントにテキストイベントのストリームを送るための Web 標準です。各イベントは data: などのフィールド行 1 行以上と、最後の空行からなります。

[ストリーミング（streaming）](https://broadrouter.com/ja/glossary/streaming/)

ストリーミングとは、言語モデルの応答を最後にまとめて返すのではなく、生成中に小さなチャンクに分けて返す方式です。OpenAI 互換 API では、リクエストで stream を true にすると Server-Sent Events（SSE）でストリーミングされます。

[OpenAI 互換 API（OpenAI-compatible API）](https://broadrouter.com/ja/glossary/openai-compatible-api/)

OpenAI 互換 API とは、POST /v1/chat/completions など OpenAI API と同じリクエスト形式とレスポンス形式を受け付ける HTTP API です。OpenAI の SDK やツールは、ベース URL、API キー、モデル名を変えるだけで利用できます。

[オープンウェイトモデル（open-weight model）](https://broadrouter.com/ja/glossary/open-weight-model/)

オープンウェイトモデルとは、学習済みの重みが公開され、誰でもダウンロードして実行できるモデルで、通常は条件付きのライセンスで提供されます。学習コードや学習データの詳細も公開し、他者が検証・再現できる完全なオープンソース AI とは別物です。

[ツール呼び出し（Function Calling、tool calling）](https://broadrouter.com/ja/glossary/tool-calling/)

ツール呼び出し（Function Calling とも呼ばれます）とは、開発者が定義した関数の実行を求める構造化されたリクエストを、モデルが JSON の引数付きで返す LLM API の機能です。関数を実行して結果を返すのはアプリケーションで、モデル自身がコードを実行することはありません。

[トークン（token）](https://broadrouter.com/ja/glossary/token/)

トークンとは、言語モデルが読み書きするテキストの単位です。モデルのトークナイザーが作る単語、単語の一部、句読点、バイト列のいずれかにあたります。LLM API は利用量をトークンで数え、上限を設け、通常はトークン単位で課金します。

## よくある質問

### Claude や GPT 以外のモデルでも MCP は使えますか？

使えます。MCP はアプリとツールサーバーの間のプロトコルです。アプリは、使っているモデルのツール呼び出し形式でツールをモデルに渡します。ツール呼び出しが正しく動く OpenAI 互換モデルなら、MCP のツールを使えます。

### モデル自体が MCP に対応している必要はありますか？

ありません。モデルに必要なのは Function Calling だけです。ツールの一覧や呼び出しといったプロトコルの処理は、アプリ内の MCP クライアントが行います。

### カスタムの OpenAI 互換モデルで MCP を使えるコーディングエージェントは？

Cline、Agent モードの Continue、opencode は、いずれも MCP サーバーとカスタムの OpenAI 互換モデルを設定できます。Roo Code の後継である Zoo Code も MCP 対応を掲げています。

### MCP サーバーを追加するとエージェントが遅く、高くなるのはなぜですか？

各サーバーのツール定義が、毎回のモデル呼び出しでプロンプトに追加されるからです。十数個のツールを持つサーバーが 10 個あれば、1 ステップあたり数千の入力トークンが増えることがあります。タスクに必要なサーバーだけを有効にするか、ツールを絞り込んでください。

### ホスト型の MCP ツールはほかのプロバイダーでも使えますか？

OpenAI がホストするタイプは使えません。OpenAI Agents SDK のドキュメントによると、HostedMCPTool は Responses API のホスト型 MCP 連携に対応した OpenAI のモデルで動きます。ほかのプロバイダーでは、SDK のローカル MCP サーバーのクラスを使ってください。

## 続けて読む

-   [オープンモデルのツール呼び出し：スキーマ、並列呼び出し、リトライ](https://broadrouter.com/ja/blog/tool-calling-open-models/)
-   [コーディングエージェントでオープンモデルを使う：Aider、Cline、opencode、Codex](https://broadrouter.com/ja/blog/use-open-models-in-coding-agents/)
-   [エージェントのトークン予算：エージェントループのトークンはどこに消えるか](https://broadrouter.com/ja/blog/agent-token-budget/)
-   [n8n の AI Agent を安い LLM で動かす：設定、モデル選び、1 回あたりのコスト](https://broadrouter.com/ja/blog/n8n-ai-agent-cheap-llm/)
-   [AI コーディングエージェント 1 回の実行コスト：ステップ数、コンテキストの増加、キャッシュ](https://broadrouter.com/ja/blog/ai-coding-agent-run-cost/)
-   [Claude Code でオープンモデルを使う：プロキシ、ネイティブエンドポイント、制限](https://broadrouter.com/ja/blog/claude-code-with-openai-compatible-models/)
-   [ガイド：Cline で BroadNet Inference を使う（OpenAI Compatible プロバイダー）](https://broadrouter.com/ja/guides/cline-openai-compatible/)
-   [ガイド：Continue で BroadNet Inference を使う（config.yaml と apiBase）](https://broadrouter.com/ja/guides/continue-dev-openai-compatible/)
-   [ガイド：opencode に BroadNet Inference をカスタムプロバイダーとして追加する](https://broadrouter.com/ja/guides/opencode-custom-provider/)
-   [ガイド：OpenAI Agents SDK を BroadNet Inference で動かす](https://broadrouter.com/ja/guides/openai-agents-sdk-custom-provider/)

実際のワークロードで試してください。新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

[始める](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-mcp-with-openai-compatible-models&utm_content=page-cta) ·

**出典**

-   [Model Context Protocol：アーキテクチャの概要（2026-11-14 確認）](https://modelcontextprotocol.io/docs/learn/architecture)
-   [MCP Python SDK：クライアントとトランスポート（2026-11-14 確認）](https://py.sdk.modelcontextprotocol.io/client/transports/)
-   [Cline ドキュメント：MCP の概要（2026-11-14 確認）](https://docs.cline.bot/mcp/mcp-overview)
-   [Continue ドキュメント：MCP（2026-11-14 確認）](https://docs.continue.dev/customize/deep-dives/mcp)
-   [opencode ドキュメント：MCP サーバー（2026-11-14 確認）](https://opencode.ai/docs/mcp-servers/)
-   [n8n ドキュメント：MCP Client Tool ノード（2026-11-14 確認）](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.toolmcp/)
-   [OpenAI Agents SDK ドキュメント：MCP（2026-11-14 確認）](https://openai.github.io/openai-agents-python/mcp/)
