Ollama 向け MCP サーバー：ローカルモデルで MCP ツールを使う方法

Ollama は MCP サーバーを使えるのか？

単体では使えません。Ollama はモデルを動かしツール呼び出しにも対応していますが、MCP クライアントではないため、MCP サーバーを起動したり接続したりはしません。Ollama で MCP サーバーを使うには、Ollama をモデルのバックエンドとして使う MCP クライアントを動かします。例えばターミナルの ollmcp、ollama launch 経由の Claude Code や Codex、Goose、Open WebUI などです。そのうえで、ツールに対応したローカルモデルを選びます。

このガイドでは、これらの選択肢を比較し、実際に動くセットアップを順に説明し、最先端モデルをローカルモデルに置き換えたときにつまずきやすい制限をまとめます。試すサーバーがまだなければ、まず MCP サーバーディレクトリをご覧ください。

構成要素の関係

MCP の構成は 3 つの要素からなり、Ollama が担うのはそのうち 1 つだけです。

1. モデル：いつツールを呼ぶかを決めます。これが Ollama です。
2. MCP クライアント（ホストとも呼ばれます）：MCP サーバーを起動または接続し、ツール一覧をモデルに渡し、呼び出しを実行して結果を返します。Ollama はこれを行いません。
3. MCP サーバー：ブラウザー、ファイルシステム、GitHub など、実際のツールを提供します。

つまり「Ollama にはどの MCP サーバーを使えばいいか？」という問いは、実は「どのクライアントなら Ollama のモデルが MCP サーバーを使えるか？」という問いです。そのクライアントさえあれば、ディレクトリにあるどの MCP サーバーも使えます。背景知識は MCP の仕組みと MCP クライアントガイドをご覧ください。

選択肢の比較

いずれも 2026 年 10 月時点で活発にメンテナンスされています。古いチュートリアルによく出てくる mcphost は GitHub でアーカイブされたため、ここでは外しています。

ステップ 1：ツール対応のモデルを選ぶ

MCP が機能するのは、モデルがツール呼び出しを出力できる場合だけです。Ollama はそうしたモデルに tools タグを付けており、一覧は ollama.com/search?c=tools にあります。執筆時点でこのタグが付いているモデルの例：

実用的な目安として、小型モデル（1B〜4B パラメーター）は説明の明確なツールを 1 つ呼ぶことはできますが、複数のサーバーが数十個のツールを公開すると混乱しがちです。複数サーバーを使うエージェント的な作業では、20B 以上のほうが明らかに安定します。

コンテキスト長を引き上げる

これは Ollama で MCP が「動かない」最も多い原因です。ツール定義はすべてプロンプトに入りますが、Ollama のデフォルトのコンテキストは VRAM 次第で、24 GiB 未満なら 4k トークン、24〜48 GiB なら 32k、48 GiB 以上なら 256k です。Ollama はエージェントやコーディングツールに少なくとも 64,000 トークンを推奨しています。Ollama アプリの設定のスライダーで変えるか、サーバー起動時に指定します。

OLLAMA_CONTEXT_LENGTH=64000 ollama serve

その後、ollama ps で実際に割り当てられた値（CONTEXT 列）を確認します。

ステップ 2（最速）：ターミナルで ollmcp を使う

ollmcp は Ollama 専用に作られた MCP クライアントです。stdio、SSE、Streamable HTTP のサーバーに対応し、ツールのオン・オフを切り替えられ、ツールを呼ぶたびに確認を求めます。

# install
uv tool install --upgrade ollmcp    # or: pip install --upgrade ollmcp

# add MCP servers (saved for future sessions)
ollmcp mcp add playwright -- npx @playwright/mcp@latest
ollmcp mcp add filesystem -- npx -y @modelcontextprotocol/server-filesystem ~/Documents

# start a chat with a tool-capable model
ollmcp --model qwen3:8b

セッション内では、/tools でツール選択画面、/model でモデルの切り替え、/hil で人による確認（human-in-the-loop）のオン・オフができます。リモートサーバーも使えます。

ollmcp mcp add --transport http github https://api.githubcopilot.com/mcp/ \
  --header "Authorization: Bearer $YOUR_GITHUB_PAT"

これは個人アクセストークンで接続する GitHub MCP サーバーです。Claude Desktop でサーバーを設定済みなら、ollmcp --claude-desktop でその設定から読み込めます。最初のテストには Playwright MCP サーバーがおすすめです。モデルにページを開いて要約させ、ターミナルでツール呼び出しの様子を確認しましょう。

ステップ 2（コーディング）：Ollama で Claude Code や Codex を動かす

Ollama は 2 大コーディングエージェントをローカルモデルで起動でき、どちらも本格的な MCP クライアントです。

Claude Code。 ollama launch claude は Ollama の Anthropic 互換 API を使って Claude Code を起動します。MCP サーバーは通常どおり追加し、Ollama ではなく Claude Code の設定に保存されます。

claude mcp add --transport http context7 https://mcp.context7.com/mcp
ollama launch claude --model qwen3.5

手動で設定する場合、Ollama のドキュメントでは次の変数を使います。

export ANTHROPIC_AUTH_TOKEN=ollama
export ANTHROPIC_API_KEY=""
export ANTHROPIC_BASE_URL=http://localhost:11434
claude --model qwen3.5

スコープ、OAuth、/mcp については Claude Code MCP ガイドをご覧ください。

Codex CLI。 ollama launch codex（または codex --oss -m gpt-oss:20b）で Codex を Ollama 上で動かせます。MCP サーバーは codex mcp add で ~/.codex/config.toml に追加します。詳しくは Codex MCP 設定をご覧ください。どちらのエージェントも、実用には 64k 以上のコンテキストウィンドウが必要です。

ステップ 2（デスクトップ）：Goose

Goose はオープンソースのエージェントで、Ollama プロバイダーを備え、MCP サーバーを「拡張機能（extensions）」として扱います。

1. Ollama に接続する：Goose Desktop で Settings → Configure Provider を開き、Ollama を探して API ホストが http://localhost:11434 であることを確認します。CLI では goose configure を実行し、Configure Providers → Ollama を選び、qwen3 などのモデル名を入力します。
2. MCP サーバーを追加する：デスクトップではサイドバーの Extensions を開き、Add custom extension をクリックします。CLI では goose configure → Add Extension を選び、Command-line Extension（stdio）か Remote Extension (Streamable HTTP) を選びます。

拡張機能は ~/.config/goose/config.yaml に保存されます。

ステップ 2（Web UI）：Open WebUI

Open WebUI は v0.6.31 から MCP にネイティブ対応しており、モデルには元々 Ollama を組み合わせられます。管理者として次の手順を行います。

1. Settings → Admin → Integrations を開きます。
2. External Tool Servers の下で + Add Connection をクリックします。
3. Type を MCP (Streamable HTTP) にし、サーバーの URL を入力して認証方式（None、Bearer、OAuth 2.1 など）を選びます。
4. 保存し、チャットでそのツールを有効にします。

ここでのネイティブ MCP は Streamable HTTP のみです。stdio サーバーは mcpo でラップし、OpenAPI のツールサーバーとして公開します。

uvx mcpo --port 8000 --api-key "top-secret" -- your_mcp_server_command

よくある落とし穴が 2 つあります。MCP の URL に OpenAPI タイプを選ばないこと、そしてサーバーの URL はブラウザーだけでなく Open WebUI のバックエンドから到達できる必要があることです。

その他の方法

• VS Code。 Ollama 拡張機能を入れると、ローカルモデルが VS Code Chat のモデル選択に加わります。MCP サーバーは VS Code 側で設定します（VS Code MCP 設定参照）。エージェントに MCP ツールを呼ばせたいなら、tools タグ付きのモデルを選びましょう。
• oterm。 Ollama 用のターミナルチャットクライアント（uvx oterm）で、stdio と Streamable HTTP で MCP ツールを使えます。設定は config.json の mcpServers に書きます。
• 自作クライアント。 Ollama の Python と JavaScript のライブラリはツール呼び出しに対応しているので、公式の MCP SDK と組み合わせられます。サーバーのツール一覧を取得してツール定義として chat() に渡し、MCP セッション経由で呼び出しを実行して結果を返します。SDK 側については Python MCP サーバーガイドが参考になります。

想定しておくべき制限

• ツール呼び出しの質。 ローカルモデルは最先端モデルよりも、ツールを使わなかったり、引数をでっち上げたり、ループしたりしがちです。ツールを減らし、説明を明確に書くことが何より効きます。MCP ツールディスカバリーもご覧ください。
• コンテキストの圧迫。 大きなサーバー 1 つで数千トークン分のツールスキーマが加わることもあります。タスクに必要なサーバーだけを有効にしましょう。
• 速度。 ツールの往復ごとに完全な生成が 1 回走ります。CPU への部分的なオフロード（ollama ps で確認）があると、エージェントのループはかなり遅くなります。
• ローカル＝オフラインではない。 モデルはローカルで動いても、リモートの MCP サーバー（GitHub、Notion など）にはデータが送られます。
• セキュリティのルールは同じ。 どのモデルでも、ローカルの stdio サーバーはあなたの権限で動作します。確認プロンプトはオンのままにし、MCP セキュリティのベストプラクティスを読んでおきましょう。

トラブルシューティング

次のステップ

• MCP サーバーディレクトリでローカル環境に組み込むサーバーを探しましょう。Filesystem、Playwright、Memory は完全にローカルで動くので、最初の一歩に最適です。
• プロトコル自体が初めてなら、MCP とはと MCP と RAG の違いをお読みください。
• 自分のツールをローカルモデルに公開したいなら、MCP サーバーの作り方から始めましょう。