mcp-code-execution

MCP コード実行ハブ

クイックスタート

このスキルは CLI ではなく、オーケストレーションハブです。以下のトリガーキーワードのいずれかが現れたとき、または明示的に呼び出されたときに、Claude Code セッション内で有効になります。

Skill(conserve:mcp-code-execution)

ハブは、検出されたワークフローの形式に基づいて、関連するサブスキルモジュール（mcp-subagents、mcp-patterns、mcp-validation）に処理を振り分けます。別途インストールする手順や CLI のエントリーポイントはありません。

使用する場面

• 自動：キーワード：code execution、MCP、tool chain、data pipeline、MECW
• ツールチェーン：3 つを超えるツールを順番に連結する場合
• データ処理：大規模なデータセット（>10k rows）またはファイル（>50KB）
• コンテキストの逼迫：現在の使用量がウィンドウ全体の 25% を超えている場合（先を見越したコンテキスト管理）

MCP ツール検索（Claude Code 2.1.7+）：MCP ツールの説明がコンテキストの 10% を超えると、ツールは自動的に読み込みが保留され、事前に読み込まれる代わりに MCPSearch で検出されます。これによりトークンのオーバーヘッドが約 85% 削減されますが、ツールは必要に応じて検出する必要があります。Haiku モデルはツール検索に対応していません。ENABLE_TOOL_SEARCH=auto:N を設定すると、しきい値を指定できます。N はパーセンテージです。

サブエージェントの MCP アクセス修正（Claude Code 2.1.30+）：SDK が提供する MCP ツールが、サブエージェントに正しく同期されるようになりました。2.1.30 より前は、サブエージェントが SDK 提供の MCP ツールにアクセスできず、MCP ツールの使用をサブエージェントに委任するワークフローが、何も通知されないまま機能していませんでした。2.1.30 以降では回避策は不要です。

Claude.ai MCP コネクター（Claude Code 2.1.46+）：claude.ai アカウントで Claude Code にログインしているユーザーは、claude.ai/settings/connectors から追加の MCP ツールが自動的に読み込まれる場合があります。これらのツールはツール検索のしきい値の計算に含まれます。ワークフローで予期せずツール検索が実行されたり、コンテキストが膨張したりする場合は、/mcp で claude.ai から取得したコネクターを確認してください。既知の信頼性の問題：コネクターが通知なしに消えることがあります（GitHub #21817）。

MCP プロンプトキャッシュの修正（Claude Code 2.1.70+）：初回のターン後に接続した、指示を含む MCP サーバーが、プロンプトキャッシュを破棄しなくなりました。以前は、遅れて接続した MCP サーバーによってキャッシュ済みのプロンプトプレフィックスが無効化され、セッションの残りのトークンコストが増加していました。2.1.70 以降では、MCP サーバーの接続タイミングにかかわらず、プロンプトキャッシュの再利用が維持されます。

ToolSearch の信頼性修正（Claude Code 2.1.70+）：ToolSearch 後にモデルの応答が空になる問題が修正されました。サーバーがシステムプロンプト形式のタグを使ってツールスキーマを出力していたため、モデルが早期に停止することがありました。ToolSearch を多用するワークフロー（保留中の MCP ツールが多い場合）の信頼性が向上しました。

使用しない場面

• 呼び出しを連結しない単純なツール呼び出し
• コンテキストに余裕があり、ツールの動作も速い場合

ハブの主な役割

• MCP コード実行ワークフローをオーケストレーションする
• 適切な専門モジュールに処理を振り分ける
• サブモジュール全体で MECW 準拠を調整する
• サブモジュールへのトークン予算の割り当てを管理する

必須の TodoWrite 項目

1. mcp-code-execution:assess-workflow
2. mcp-code-execution:route-to-modules
3. mcp-code-execution:coordinate-mecw
4. mcp-code-execution:synthesize-results

ステップ 1 – ワークフローを評価する（mcp-code-execution:assess-workflow）

ワークフローの分類

def classify_workflow_for_mecw(workflow):
    """Determine appropriate MCP modules and MECW strategy"""

    if has_tool_chains(workflow) and workflow.complexity == "high":
        return {
            "modules": ["mcp-subagents", "mcp-patterns"],
            "mecw_strategy": "aggressive",
            "token_budget": 600,
        }
    elif workflow.data_size > "10k_rows":
        return {
            "modules": ["mcp-patterns", "mcp-validation"],
            "mecw_strategy": "moderate",
            "token_budget": 400,
        }
    else:
        return {
            "modules": ["mcp-patterns"],
            "mecw_strategy": "conservative",
            "token_budget": 200,
        }

MECW リスク評価

詳細なリスク分析は mcp-validation モジュールに委任します。

def delegate_mecw_assessment(workflow):
    return mcp_validation_assess_mecw_risk(
        workflow, hub_allocated_tokens=self.token_budget * 0.5
    )

ステップ 2 – モジュールに振り分ける（mcp-code-execution:route-to-modules）

モジュールのオーケストレーション

class MCPExecutionHub:
    def __init__(self):
        self.modules = {
            "mcp-subagents": MCPSubagentsModule(),
            "mcp-patterns": MCPatternsModule(),
            "mcp-validation": MCPValidationModule(),
        }

    def execute_workflow(self, workflow, classification):
        results = []

        # Execute modules in optimal order
        for module_name in classification["modules"]:
            module = self.modules[module_name]
            result = module.execute(
                workflow,
                mecw_budget=classification["token_budget"]
                // len(classification["modules"]),
            )
            results.append(result)

        return self.synthesize_results(results)

ステップ 3 – MECW を調整する（mcp-code-execution:coordinate-mecw）

モジュール間の MECW 管理

• すべてのモジュールでコンテキストの総使用量を監視する
• コンテキスト使用率 50% のルールを全体に適用する
• 外部状態の管理を調整する
• MECW の緊急時プロトコルを実施する

ステップ 4 – 結果を統合する（mcp-code-execution:synthesize-results）

結果の統合

def synthesize_module_results(module_results):
    """Combine module results into a single status dict."""

    return {
        "status": "completed",
        "token_savings": calculate_savings(module_results),
        "mecw_compliance": verify_mecw_rules(module_results),
        "hallucination_risk": assess_hallucination_prevention(module_results),
        "results": consolidate_results(module_results),
    }

モジュールの統合

利用可能なモジュール

• モジュール間のオーケストレーションについては、modules/mcp-coordination.md を参照してください
• 一般的な MCP 実行パターンについては、modules/mcp-patterns.md を参照してください
• サブエージェントへの委任戦略については、modules/mcp-subagents.md を参照してください
• MECW 準拠の検証については、modules/mcp-validation.md を参照してください

Context Optimization Hub との連携

• context-optimization から高レベルの MECW 戦略を受け取ります
• 詳細な実行メトリクスと準拠データを返します
• トークン予算の割り当てを調整します

パフォーマンススキルとの連携

• mcp-patterns を通じて python-performance-optimization を使用します
• リソースを考慮した実行のために cpu-gpu-performance と連携します
• 最適化によって MECW 準拠が維持されることを検証します

緊急時プロトコル

Hub レベルの緊急対応

MECW の上限を超えた場合：

1. リスク評価のため、直ちに mcp-validation に委任します
2. さらなる分解のため、mcp-subagents にルーティングします
3. mcp-patterns を通じて圧縮を適用します
4. コンテキストを維持するため、最小限の要約を返します

成功指標

• ワークフロー成功率：モジュール間の調整成功率が 95% 超
• MECW 準拠：コンテキストの 50% ルールを 100% 遵守
• トークン効率：従来の方法と比べて 80% 超の削減を維持
• モジュール間の調整：Hub のオーケストレーションによるオーバーヘッドを 5% 未満に抑制

終了条件

• ツールチェーンの長さとデータサイズに基づいて適切なモジュール構成（mcp-subagents、mcp-patterns、mcp-validation）を選択し、ワークフローを 3 つの MECW 戦略（aggressive／moderate／conservative）のいずれかに分類する
• ワークフロー全体を通じて、コンテキストの使用量がウィンドウ全体の 50% 以下に保たれている。上限を超えた場合は、Hub レベルの緊急対応（mcp-validation への委任、mcp-subagents へのルーティング、圧縮の適用）を実行する
• synthesize_module_results が、status、token_savings、mecw_compliance、hallucination_risk の 4 つのキーをすべて含む dict を返す
• ワークフローの終了時に報告されるトークン削減率が、同じワークフローを Bash ツールの直接連鎖で実行した場合と比べて 80% を超えている