LM StudioのMCPをAPIで使う方法｜/api/v1/chat・allowed_tools・Windows

先に結論：MCP APIはnative /api/v1/chatのintegrationsから始める

LM Studio公式REST docsでは、v1 REST APIのPOST /api/v1/chatにMCP via APIが含まれています。OpenAI互換の/v1/chat/completionsはcustom tools、/v1/responsesはRemote MCPやLM Studio内のMCPに対応する比較になっているため、使いたい機能に応じてendpointを固定します。

「local serverへ接続しているからMCPもPC内だけ」とは限りません。モデルの推論先、LM Studio API、MCP server URL、toolが触れるファイルやネットワーク、API tokenを別の通信・権限として記録します。

• LM Studio Responses API - /v1/responsesのRemote MCPとstatefulを確認する
• LM Studio Tool Use - OpenAI互換custom toolsのschema・dispatchを見る
• MCPとは - MCP・tool calling・RAGの役割を整理する

WindowsでLM Studio 0.4.0以降とserver settingsを確認する

公式のUsing MCP via API docsはLM Studio 0.4.0以降を要件にしています。まずLM StudioをWindowsで起動し、DeveloperのAPI server、port、model、認証、MCP関連のserver settingsを画面で確認します。

1. LM StudioのversionとDeveloper tabのAPI server状態を確認する。
2. modelをロードし、通常のchatで短い公開可能な入力へ返答できることを確認する。
3. Allow per-request MCPsを使う場合は、その設定を有効にする。現行docsではこの経路はremote MCPが対象です。
4. mcp.jsonのpluginを使う場合は、Allow calling servers from mcp.jsonとRequire Authenticationの条件を確認する。
5. 最初は読み取り中心・短い入力・限定tool・stream=falseでAPIを呼ぶ。

Server settingsを変更しただけで安全になるわけではありません。設定を有効にする理由、許可するserver、API tokenのscope、toolのallowlist、外部送信、停止方法を一緒に記録します。

• LM Studio Server Settings公式docs - MCP・認証・network設定の現行説明を見る
• LM Studio lms CLI記事 - server start・status・Windowsの端末確認へ進む
• LM Studio API Quickstart - native APIとAPI tokenの最小例を見る

PowerShellからephemeral MCPを1回だけ呼ぶ

ephemeral MCPは、requestごとにserver_urlとintegrationsを定義する方式です。WindowsではAPI tokenを環境変数から読み、server URLとallowed_toolsをplaceholderから置き換えます。実在serverへ接続する前に、出所、利用規約、送信データ、tool一覧を確認します。

$token = [Environment]::GetEnvironmentVariable("LM_API_TOKEN", "User")
if ([string]::IsNullOrWhiteSpace($token)) { throw "LM_API_TOKEN is not configured" }

$headers = @{ Authorization = "Bearer $token" }
$payload = @{
  model = "MODEL_IDENTIFIER"
  input = "読み取り専用の短い確認をしてください"
  integrations = @(
    @{
      type = "ephemeral_mcp"
      server_label = "MCP_SERVER_LABEL"
      server_url = "https://MCP_SERVER_URL"
      allowed_tools = @("READ_ONLY_TOOL")
    }
  )
  context_length = 8000
  stream = $false
} | ConvertTo-Json -Depth 10

$response = Invoke-RestMethod -Uri "http://localhost:1234/api/v1/chat" -Method Post -Headers $headers -ContentType "application/json" -Body $payload
$response | ConvertTo-Json -Depth 15

• MODEL_IDENTIFIERはGET /api/v1/modelsやDeveloper表示で確認した値へ置き換える。
• MCP_SERVER_URL、MCP_SERVER_LABEL、READ_ONLY_TOOLは公式server docsで確認した値へ置き換える。
• LM_API_TOKENはsource、PowerShell履歴、Git、画面共有、ログへ貼り付けない。
• 最初はstream=falseと読み取り中心のtoolだけにし、tool resultとresponse全体を秘密情報を除いて確認する。

このコードは外部MCPへ接続するためのplaceholder例です。実行すれば安全に試せるserverを意味せず、server URL・tool・headersへ入力した情報がどこへ送られるかを確認してから使います。

• LM Studio MCP API公式docs - ephemeral_mcpのrequestとallowed_toolsを見る
• LM Studio Authentication - API tokenとpermissionの現行条件を見る
• ローカルLLMの安全性 - 入力・ログ・外部送信・権限の確認へ進む

ephemeral MCPとmcp.jsonのpluginを使い分ける

LM Studio公式docsでは、ephemeral serverはrequestごとに定義し、mcp.jsonのserverはpluginとしてintegrationへ渡します。1回の安全な検証はephemeral、頻繁に使うserverやcommandを持つserverはmcp.jsonという違いですが、どちらもserverの権限とtoolの許可を確認します。

{
  "mcpServers": {
    "read-only-example": {
      "url": "https://MCP_SERVER_URL",
      "headers": {
        "Authorization": "Bearer <TOKEN_FROM_SECRET_STORE>"
      }
    }
  }
}

# API request側のplugin指定例
{
  "model": "MODEL_IDENTIFIER",
  "input": "限定した読み取りtoolだけを使って確認してください",
  "integrations": [
    {
      "type": "plugin",
      "id": "mcp/read-only-example",
      "allowed_tools": ["READ_ONLY_TOOL"]
    }
  ],
  "context_length": 8000
}

mcp.jsonへtokenや秘密情報を平文で保存するかは、OSのsecret管理とserverの仕様を確認して決めます。例のURL・ID・tool名はplaceholderであり、実在MCPの信頼性や権限を保証しません。

• LM Studio Use MCP Servers - Program tab・mcp.json・local/remote MCPの前提を見る
• LM Studio MCP via API - ephemeralとmcp.jsonの比較表を見る
• LM Studioの履歴・ログ・privacy - 保存先・server log・model fileの境界を見る

allowed_toolsでモデルに渡すtoolを最小化する

allowed_toolsは、MCP serverやpluginからモデルが呼べるtool名を限定するfieldです。LM Studio公式docsでは、指定しなければserverのすべてのtoolが利用可能になり、tool定義を減らすことでprompt processingが速くなる場合があると説明されています。

• tool名は自然言語の説明ではなく、serverが公開する正式な名前を使う。
• 読み取り、検索、書き込み、削除、実行、送信を同じallowlistへ入れない。
• allowed_toolsはtoolを呼ぶ範囲の限定であり、MCP serverの内部権限や認証を弱めるものではない。
• モデルがtoolを呼ぶことと、アプリやserverが安全に実行できることを別の検証にする。

最小allowlistは安全性の一部ですが、完全なsandboxや人間の承認を代替しません。serverのcommand、file path、network、headers、認証情報、戻り値の扱いを別途確認します。

• LM Studio native Chat公式docs - plugin・ephemeral_mcp・allowed_toolsのfieldを見る
• LM Studio Tool Use記事 - custom functionのschemaとdispatchを分ける
• MCP安全性記事 - 権限・ローカルserver・外部送信を確認する

responseのoutput・tool_call・invalid_tool_callを分けて読む

native /api/v1/chatのresponseは、単一の本文だけでなくoutput配列を返します。公式docsではmessage、tool_call、reasoning、invalid_tool_callなどのitemが説明されているため、モデルの文章だけを見てtoolが実行されたと判断しません。

$response.output | ForEach-Object {
  [pscustomobject]@{
    type = $_.type
    tool = $_.tool
    arguments = if ($_.arguments) { $_.arguments | ConvertTo-Json -Compress } else { $null }
    provider = if ($_.provider_info) { $_.provider_info | ConvertTo-Json -Compress } else { $null }
    content = $_.content
  }
} | Format-List

tool_callのargumentsはモデルが生成したデータです。JSONとして読めても、PowerShell、ファイル、shell、HTTP clientへそのまま渡さず、型・値・対象範囲・承認を別に確認します。

• LM Studio Chat API response公式docs - output itemとprovider_infoを見る
• LM Studio Responses API記事 - SSE・reasoning・Remote MCPの別endpointを確認する
• ローカルAI agent比較 - agent・ファイル・MCPの権限境界を比較する

MCPの外部通信・認証・Windows権限を確認する

LM StudioのAPI serverがlocalhostでも、ephemeral MCPのserver_urlやmcp.jsonのremote URLへ通信する構成は外部接続です。MCP serverがファイル、network、command、API tokenへアクセスできる場合があるため、local modelの実行場所だけで安全性を判断しません。

• 信頼できないMCP serverをインストールしない。
• 実ファイル、社内文書、API token、個人情報を初回のMCPテストへ入れない。
• 削除、上書き、購入、メール送信、認証情報の利用、shell実行は自動承認しない。
• server log、LM Studio log、client log、MCP側の保存先を確認する。

LM Studio公式のMCP app docsも、信頼できないMCPを入れないこと、serverによってarbitrary code・local file・networkへ広いアクセスがあり得ることを注意しています。便利さより、接続先と権限を説明できることを優先します。

• LM Studio Use MCP Servers公式docs - untrusted MCP・file・networkの注意を見る
• LM Studio Authentication - token・permission・mcp.json条件を見る
• ローカルRAGのprivacy - データの入力・保存・外部送信を確認する

MCPが動かないときはserver・setting・tool・parserを分ける

MCP APIの失敗は、LM Studioのversion、API server、model、MCP server URL、setting、token、integration type、allowed_tools、tool arguments、response parserを一度に変更せず、順番に切り分けます。

1. LM Studioのversion、Developer API server、port、modelを確認する。
2. MCPなしのPOST /api/v1/chatをstream=falseで実行し、native API単体を確認する。
3. ephemeral_mcpまたはpluginのどちらか一方だけを追加し、settingとtokenを確認する。
4. allowed_toolsを1つに絞り、serverが公開する正式なtool名と一致させる。
5. outputのtool_call、message、invalid_tool_call、provider_infoを分けて保存する。

• LM Studio native REST API - v1 APIとendpoint比較へ戻る
• LM Studioの起動トラブル - アプリ・runtime・serverの共通診断を見る
• ローカルAIトラブルシューティング - Windows・model・APIの切り分けを確認する