MCP経由で機械的タスクをDeepSeek V4 FlashにオフロードしてClaudeのコストを60分の1に削減

あるRedditユーザーがClaudeの使用状況を分析したところ、その大半が機械的なタスクに使われていることが判明しました。ファイルの分類、JSONの再フォーマット、テキストからのフィールド抽出、ざっと目を通すだけのドキュメントの要約などです。これらにSonnetを使う必要はまったくありませんでした。対策は、MCPを介してサイドワーカーとして動作する小型で安価なモデルと、CLAUDE.mdにそれらのタスクを実行しないように指示する1つのルールを追加することでした。

セットアップ：MCPツール + CLAUDE.md拒否リスト

セットアップでは、テキストを送信してテキストを受け取る単一のMCPツールを使用します。デフォルトのモデルはDeepSeek V4 Flash（低コスト、1Mコンテキスト）です。エンドポイントは1行の設定で、OpenAI互換プロバイダ（ローカルのollama、vllm、lm studio）で動作します。リポジトリはgithub.com/arizen-dev/deepseek-mcp（MIT、Python 3.10+）です。

重要な点は、CLAUDE.mdのルールが否定的なフレーミングを使用していることです。許可リストではなく拒否リストです。ユーザーによると、肯定的なフレーミング（「XにはDeepSeekを使う」）では約30%の確率で無視されたとのことです。拒否リストのアプローチでは確実に機能します。

# CLAUDE.md内:
# 以下のことにClaudeを使わない:
# - jsonフォーマット
# - フィールド抽出
# - ファイル分類
# - 後で自分で確認する要約

結果：60分の1のコスト削減

3週間の実際の使用で、217回の機械的な呼び出しがDeepSeek V4 Flashにオフロードされ、総費用は0.41ドルでした。同じワークロードをSonnetで実行した場合、約7ドルかかるところです。これらのタスクだけで約17倍の倍率であり、ユーザーによると、より重いタスクをSonnetに残した場合の全体の請求額は60分の1に削減されたとのことです。

サイドワーカーの動作方法

サイドワーカーはエージェントではなく、監視下のツールです。ツール呼び出し、ファイルアクセス、チェーンは行いません。レイテンシは3〜25秒です。出力を確認します。全体の流れは、テキストを送信し、テキストを受け取り、確認し、次に進む、というものです。

対象者

Claude APIまたはClaude Codeを使用している開発者で、複雑な作業にはSonnetの推論能力を維持しつつ、大量の機械的なタスクにかかるコストを削減したい方。