LM StudioのMCP設定とGemma 4の動かし方｜OAuth・MTP高速化・Web検索

LM StudioでGemma 4を動かすとき、つまずきどころは決まっています。MCPサーバーをどこに書くのか。Web検索はどうやって足すのか。「MTPで最大3倍速くなる」と聞いて設定しようとしたのに、ドラフトモデルの一覧に出てこない。この3点です。

本記事は2026年7月時点の最新安定版0.4.19を前提に、公式のリリースノート・ドキュメント・バグトラッカーで裏が取れた事実だけを使って、MCP設定とOAuth、MCP経由のWeb検索、Gemma 4のMTP高速化、Unified KV Cacheによる同時実行までを実務手順として整理します。

まとめ：LM Studio × Gemma 4 × MCP の要点

• MCPサーバーは mcp.json に書く。編集はアプリ右サイドバーの「Program」タブ →「Install > Edit mcp.json」から開くエディタで行い、書式はCursorの mcpServers 記法に準拠する。
• MCPサーバーのOAuth認証は0.4.10（2026年4月9日）で追加された。同じ版でGemma 4のツールコール信頼性も改善されている。
• LM Studio本体にWeb検索機能は無い。DuckDuckGoなどを叩くコミュニティ製MCPサーバーを追加して実現する。
• Gemma 4のMTP（Multi-Token Prediction）はモデル本体の機能ではなく、2026年4月16日に別リリースされたドラフター。LM Studioでは0.4.14（2026年5月22日）でMTP speculative decodingが安定版になり、Speculative Decodingのドラフトモデルとして指定して使う。
• MTPがドラフトモデル一覧に出ない・GGUFでクラッシュする既知の不具合が公式バグトラッカーに残っている。CUDA＋GGUF環境では無理に追わない判断も合理的。
• Unified KV Cacheは0.4.0で入った同時実行のためのメモリ機構で、既定でON。並列数は「Max Concurrent Predictions」（既定4スロット）で決まる。
• 2026年7月時点の最新安定版は0.4.19（7月7日）。0.4.10で止めている場合、MTP・テンソル並列・LM Linkの一般提供を取り逃している。

mcp.jsonの編集場所とMCPサーバーの追加手順

LM StudioはMCPホストとして動作し、ローカル・リモート双方のMCPサーバーに接続できます。設定ファイルは mcp.json ですが、迷いやすいのは置き場所ではなく開き方です。公式ドキュメントが案内しているのはアプリ内エディタ経由で、右サイドバーの「Program」タブから「Install > Edit mcp.json」を選ぶとエディタが開きます。ファイルシステム上の絶対パスは公式には案内されていないため、テキストエディタで直接探しに行くより、このアプリ内エディタから編集するのが確実です。

書式はCursorの記法に準拠しており、ルートキーは mcpServers です。他所の設定例をコピーするときは、mcpServers の中身だけを移します（外側のオブジェクトごと貼ると二重になって読み込まれません）。

{
  "mcpServers": {
    "duckduckgo": {
      "command": "npx",
      "args": ["-y", "duckduckgo-mcp-server"]
    }
  }
}

MCPサーバー配布ページにある「Add to LM Studio」ボタンからのワンクリック追加にも対応しています。追加後、モデルがツールを呼ぶたびに確認を求められ、引数をレビュー・編集したうえで、都度許可するか以降は常時許可するかを選べます。常時許可にすると次回からそのツールでは確認が出なくなるため、ファイル書き込み系のツールに対して安易に選ばないでください。MCPそのものの仕組みを先に押さえたい場合はMCPの基本概念と仕組みを参照してください。

0.4.10で追加されたOAuth認証の位置づけ

0.4.10のリリースノートには「Add OAuth support for MCP servers」が明記されています。これにより、APIキーを mcp.json に平文で書き込む代わりに、OAuthフローに対応したリモートMCPサーバーへブラウザ経由で認可を通せるようになりました。設定ファイルに長期有効なトークンを置かずに済む点が実務上の価値です。なおOAuthのトークン交換には0.4.14 Build 2で不具合修正が入っているため、OAuth接続を使うなら0.4.14以降に上げてください。どのMCPサーバーがOAuthに対応しているかの公式な一覧は公開されていないので、接続先のドキュメントで個別に確認する必要があります。

Web検索は内蔵機能ではなくMCPサーバーで足す

「LM Studioでインターネット検索をさせたい」という要望は多いのですが、LM Studio本体にWeb検索機能は搭載されていません。公式ドキュメントにも内蔵Web検索への言及はなく、実現手段はMCPサーバー経由の一択です。LM Studio Hubには web-search、DuckDuckGoバックエンドの検索サーバー、SearXNGに対応したものなど、コミュニティ製のMCPサーバーが公開されています。いずれも公式提供物ではないため、社内利用では配布元とソースを確認してから入れてください。

ここで効いてくるのがGemma 4のツールコール信頼性です。検索MCPは「クエリを組み立ててツールを呼び、返ってきたJSONを読んで回答に織り込む」という多段のツール利用になるため、ツールコールが不安定なモデルでは検索結果を無視した回答が返ります。0.4.10でGemma 4のツールコール信頼性が改善され、0.4.11ではチャットテンプレート対応も更新されているので、Gemma 4で検索MCPを使うなら最低でも0.4.11以降が前提になります。

Gemma 4のモデル構成とLM Studioで選ぶサイズ

Gemma 4は2026年3月31日に公開されたGoogleのオープンモデルで、ライセンスはApache 2.0です。初期ラインアップは、エッジ向けでネイティブ音声入力を持つE2B / E4B、総25.2B・推論時アクティブ3.8BのMoEモデル26B A4B、総30.7BのDense 31Bの4種類。2026年6月3日には、エンコーダフリーの統合マルチモーダルモデルGemma 4 12B Unifiedが追加されました。コンテキスト長は大型モデルが最大256K、E2B/E4Bが128Kです。

LM Studioでの選び方の勘所は、MoEの26B A4Bを「26B相当の重さ」と見積もらないことです。アクティブパラメータは3.8Bなので、生成速度は総パラメータ数から受ける印象よりずっと速くなります。一方でVRAMには総パラメータ分の重みを載せる必要があるため、速度はアクティブ、メモリは総パラメータで見積もるのが正しい読み方です。VRAM容量別の具体的な選定と量子化形式（GGUF/AWQ）の違いはGemma 4のモデル一覧・必要スペック・量子化の解説に、12B Unifiedの位置づけはGemma 4 12Bのリリースで変わるローカルAI開発の前提にまとめています。

Gemma 4のMTPで生成を高速化する（0.4.14以降）

Gemma 4まわりで最も誤解されているのがMTP（Multi-Token Prediction）です。MTPはGemma 4本体に最初から入っている機能ではありません。Googleは2026年4月16日に「Gemma 4 – MTP」として、E2B / E4B / 26B A4B / 31B の各サイズに対応するMTPドラフターを別リリースしました。公式ブログ（2026年5月5日）は、出力品質を落とさずに最大3倍の高速化、Apple Siliconでバッチ4〜8時に約2.2倍という数値を示しています。

仕組みとしては投機的デコード（speculative decoding）の一種です。軽量なMTPヘッドが次に来る複数トークンを先読みし、本体モデルがそれをまとめて並列検証する。検証に通った分だけ一気に確定するので、1トークンずつ生成するより速くなります。前提となる考え方はSpeculative Decodingの仕組みと高速化効果で解説しています。

LM Studio側は0.4.14（2026年5月22日）でMTP speculative decodingを安定版としてリリース済みです。使うときは、本体モデルとは別にMTPドラフターをダウンロードしたうえで、モデルのロード設定 → Advanced → Speculative Decoding でドラフトモデルとして指定します。

MTPが使えないときに疑う3点と、追わない判断

公式が「最大3倍」と言っていても、手元の構成でそのまま効くとは限りません。詰まったら次の順で切り分けてください。

ドラフトモデル一覧にMTPが出ない場合（issue #2044）

公式バグトラッカーのissue #2044では、macOS環境でGemma 4のMTPドラフター（gemma4-assistant）がモデルとしてインデックスされるにもかかわらず、Speculative Decodingのドラフトモデル選択ドロップダウンに現れない事象が報告されています。ドラフターのダウンロード自体は成功しているのに選べない場合、設定ミスではなくこの既知不具合を疑うべきです。

GGUF版のロードでクラッシュする場合（issue #2036）

issue #2036では、0.4.16で unsloth/gemma-4-12B-it-qat-GGUF をMTPドラフト付きでロードした際、RTX 5070 Ti環境で致命的エラーになる報告が出ています。QAT量子化済みGGUFとMTPドラフターの組み合わせは、少なくとも報告時点では安全な構成とは言えません。

エンジン自体が公式の対象外という可能性

Google公式のMTPブログが対応エンジンとして挙げているのは、Hugging Face Transformers・MLX・vLLM・SGLang・Ollama・LiteRT-LMです。llama.cppとLM Studioはこの一覧に入っていません。LM Studio側のchangelogはMTP対応を明記しているので機能自体は存在しますが、エコシステムとしてはMLX（Apple Silicon）側が先行していると読むのが実態に合います。

結論として、Apple SiliconでMLXランタイムを使っているなら、MTPは今すぐ試す価値があります。逆にCUDA＋GGUF環境で上の不具合に当たったなら、MTPは追わずに見送るのが妥当です。同時実行数やコンテキスト長の調整で得られる実効スループットのほうが、不安定なドラフター構成より確実にリターンがあります。数週間おきにLM Studioのchangelogを見て、修正が入ってから戻れば十分です。

Unified KV CacheとMax Concurrent Predictions

「unified kv cache lm studio」で検索してたどり着く読者が求めているのは、この設定を触るべきかどうかの判断です。Unified KV Cacheは0.4.0（2026年1月28日）で導入された、同時リクエスト処理のためのメモリ機構で、モデルローダーのダイアログ内にあり既定でONです。

従来は、事前確保したKVキャッシュを同時リクエスト数で固定的に分割していました。Unified KV Cacheは分割せず、リクエストごとに可変サイズを許します。長いリクエストと短いリクエストが混在するとき、短いほうが使わなかった領域を長いほうが使えるので、同じVRAMでより多くの同時リクエストをさばけます。並列数は「Max Concurrent Predictions」（既定4スロット）で決まり、llama.cppエンジン2.0.0の継続バッチ処理とセットで機能します。

注意点として、キャッシュが満杯になったときにキューイングせずクラッシュするという不具合報告（issue #1628）があります。APIサーバーとして複数クライアントから叩く用途では、Max Concurrent Predictionsを上げる前にコンテキスト長を落とす方向で調整してください。0.4.16以降、既定コンテキスト長は8kに変更されています。

APIでつなぐ：OpenAI互換・Anthropic互換・ネイティブREST

LM Studioのサーバーは既定で http://localhost:1234 で待ち受け、3系統のAPIを提供します。用途で選び分けます。

ネイティブの /api/v1 は0.4.0で入った新系統で、レスポンスIDを返し、次のリクエストでprevious response IDを渡すと会話を継続できます。ローカルMCPをAPI側からも扱えるのはこの系統だけです。/api/v0 は旧版で、公式ドキュメント自身が新規プロジェクトにはv1を推奨しています。Anthropic互換の /v1/messages は x-api-key と Authorization: Bearer の両方を受け付けるため、Claude Code側はbase URLの差し替えだけで接続できます。

ヘッドレス運用とリモート接続（llmster / LM Link）

GUIを立ち上げずにサーバーとして常駐させるなら、0.4.0で導入されたllmsterを使います。LM Studioのコアをサーバーネイティブにパッケージしたもので、公式が推奨するヘッドレス手段です。

curl -fsSL https://lmstudio.ai/install.sh | bash
lms daemon up
lms load google/gemma-4-12b --yes
lms server start

Linuxではこの流れをsystemdサービスに登録する手順が公式ドキュメントに用意されています。デスクトップアプリを使い続ける場合は、設定で「ログイン時にLLMサーバーを起動」を有効にすれば同等の常駐ができ、未ロードのモデルは推論時にJITでロードされます。

LM Linkは、LM Studioやllmsterを入れた複数デバイスを結び、別デバイスのローカルモデルをリモートから使う機能です。独自のTailscaleメッシュVPN上でエンドツーエンド暗号化されるため、モデルを公開インターネットに晒さずに済みます。モデルローダーにリモートデバイスのモデルが並び、localhost:1234 を向いている既存ツールからそのまま呼べます。0.4.16（2026年6月8日）でウェイトリストが撤廃され、誰でも使えるようになりました。同時にiPhone/iPad向けアプリ「Locally」も公開されています。

0.4.10から0.4.19までの主な変更点

0.4.10で止めている環境は、MTP・テンソル並列・LM Linkの一般提供という3つの実利を取り逃しています。2026年7月13日時点の最新安定版は0.4.19（7月7日リリース）です。

アップデート前に確認したいのは既定値の変更です。0.4.16で既定コンテキスト長が8kになっているため、それ以前の版で長文コンテキストを前提に組んだワークフローは、更新後に挙動が変わる可能性があります。ライセンス面では、職場・商用での利用は無料で、個別の商用ライセンス取得やフォーム提出は不要です。ただし利用規約上、再配布・販売・SaaSとしての第三者提供は禁止されています。アプリ本体（GUIと推論エンジン統合部）はクローズドソースで、公開されているのは lms CLIや各SDK（lmstudio-js / lmstudio-python）、mlx-engineといった周辺コンポーネント（MIT）です。本体がクローズドである点が監査で問題になる組織では、Foundry Localの基本構造と設計思想もあわせて比較対象になります。

よくある質問（FAQ）

LM StudioにWeb検索機能はありますか？

本体には搭載されていません。公式ドキュメントにも内蔵Web検索の記載はなく、DuckDuckGoやSearXNGを叩くコミュニティ製のMCPサーバーを mcp.json に追加して実現します。LM Studio Hubに複数の検索MCPが公開されています。

Gemma 4のMTPはLM Studioで使えますか？

使えます。LM Studio 0.4.14（2026年5月22日）でMTP speculative decodingが安定版になりました。ただしMTPはGemma 4本体の機能ではなく、2026年4月16日に別リリースされたドラフターを、Speculative Decodingのドラフトモデルとして指定する必要があります。ドラフトモデル一覧に出てこない、GGUF版でクラッシュするといった既知の不具合報告が公式バグトラッカーに残っているため、CUDA＋GGUF環境では動作確認のうえで判断してください。

LM StudioのMCP設定ファイルはどこにありますか？

mcp.json です。右サイドバーの「Program」タブから「Install > Edit mcp.json」を選ぶとアプリ内エディタが開きます。公式ドキュメントはこのエディタ経由の編集を案内しており、ファイルパスは明示されていません。書式はCursor互換で、ルートキーは mcpServers です。

Unified KV Cacheとは何ですか？オフにすべきですか？

0.4.0で導入された、同時リクエスト間でKVキャッシュ領域を固定分割せず可変に割り当てる機構です。既定でONで、通常はそのままで問題ありません。同時実行数は「Max Concurrent Predictions」（既定4）で調整します。キャッシュ満杯時にクラッシュする不具合報告があるため、並列数を上げるより先にコンテキスト長を見直してください。

LM Studioは業務で無料利用できますか？

できます。職場での利用は無料で、商用ライセンスの申請やフォーム提出は不要です。ただし再配布・販売・SaaSとしての第三者提供は利用規約で禁止されています。アプリ本体はクローズドソースで、MITで公開されているのは lms CLIやSDK（lmstudio-js / lmstudio-python）、mlx-engineなどの周辺コンポーネントです。

関連記事

• Gemma 4とは｜モデル一覧・必要スペック(VRAM)・量子化(GGUF/AWQ)・ローカル実行を解説【2026年版】
• Speculative Decoding（投機的デコーディング）とは？仕組み・高速化効果・LM Studioでの実装を解説
• MCPの基本概念と仕組みを理解するための完全ガイド
• Gemma 4 12Bのリリースで変わるローカルAI開発の前提条件
• Foundry Localの基本構造とローカルAI開発に適した設計思想