Laya MCP Serverとは？
Laya は Convai Innovations によるオープンウェイトの「System One」判定モデルです。テキストを生成する代わりに、テキストや JSON について型付きの質問（選択肢から 1 つを選ぶ、尺度で評価する、yes/no の確率を出す）に 1 回の フォワードパスで答えます。Laya の Python パッケージにはオプションの MCP サーバーが含まれ、pip install "laya[mcp]" でインストールし、laya-mcp-server で起動します。これでエージェントは、こうした判定をツールとして呼び出せます。
サーバーが公開するツールは 10 個です。laya_predict、laya_predict_batch、laya_predict_long、laya_route、laya_route_batch、laya_decide、laya_shortlist、laya_tournament、laya_preset、laya_status です。laya_decide は JSON スキーマを受け取り、それに合う値を返します。laya_shortlist と laya_tournament は、ベースモデルが苦手とする約 20 を超える選択肢を絞り込みます。stdio で動き、英語版（パラメーター 421M）と多言語版（322M）のチェックポイントを自分の CPU や GPU に読み込むか、LAYA_BASE_URL で共有の laya-serve HTTP サーバーに向けます。
リポジトリの GitHub スターは約 34,000 で、2026年9月18日に作成され、2026年10月21日のバージョン 0.4.13 までに 46 回リリースされました。コードとウェイトは Apache 2.0 です。
Laya MCP Serverのインストール方法
pip install "laya[mcp]" && laya-mcp-serverLaya MCP Serverは使う価値があるか？
Laya の MCP サーバーは、ウェイトを自分で実行できる System One モデル向けに、ベンダーが作った MCP サーバーとして私たちが見つけた唯一のもので、それがこのサーバーの存在理由のすべてです。すべての判定は自分のマシンにとどまり、トークンごとの請求はありません。README は、T4 GPU で 1 つの質問を 32.8 ms と測定しています。比較として引用している第三者のベンチマークでは、TypeSafe のホスト型 Jev は 236 から 276 ms でした。
ツールの揃い方は、私たちが読んだどの Jev のラッパーよりも充実しています。バッチ用のツールはリクエストをチェックポイントごとにまとめ、フォワードパスを共有します。README によると、Apple の GPU で 16 件のチケットを 1 回のバッチ呼び出しで処理すると、16 回の単独呼び出しより 2.1 から 2.3 倍速く、判定が反転することもありませんでした。ショートリストとトーナメントのツールがあるのは、モデルが扱える選択肢の数が約 20 ラベルを超えると崩れるからです。Banking77 では、README は全 77 ラベルでの Laya を 0.425 と報告し、第三者による 72 ラベルでの Jev は 0.870 です。
メンテナーは珍しく率直で、その「Honest limits」の節はインストール前に読むべきです。配布されているベースのチェックポイントは、自分たちの型付き判定のベンチマークで 0.362 と 0.352 で、ランダムのベースライン 0.318 をわずかに上回るだけで、多数派クラスのベースライン 0.461 を下回ります。見出しの 0.766 という数値は、そのベンチマークの学習用データでファインチューニングしたチェックポイントのものです。README は Laya を「特化させるための高速な土台であって、ゼロショットの判定エンジンではない」と呼び、否定形の解約依頼が解約として分類され、うち 1 件は確率 0.9998 だった事例を記録しています。どちらのチェックポイントも、自分のデータで温度を調整するまでは過信気味です。
実務上のコストは、PyTorch、3 つのチェックポイントすべてで約 2.3 GB、そして stdio のみという点です。セッション間 で 1 つのモデルを共有するには laya-serve を別に動かす必要があり、そのモードではショートリストとトーナメントのツールが使えなくなります。Laya と Jev を比較するベンチマークはすべて Laya のリポジトリによるもので、Jev の数値は作者が自分で測ったものではない第三者の数値です。そのため、精度の表より速度の差のほうが確かな根拠になります。
真価を発揮する場面
1 日 5,000 件のチケットを扱う欧州の銀行のサポートエンジニアリングチーム
顧客のテキストを米国のベンダーに送らずに、チケットを適切なキューに振り分ける
ラベル付きの過去のチケット数千件でファインチューニングし、温度を調整してから、エージェントに laya_route_batch を呼ばせます。T4 1 枚でのバッチ処理は毎秒 103 から 332 件なので、GPU 1 枚で 1 日の量を何倍もこなせ、呼び出しごとの料金もかかりません。
ノート PC 上のローカルなコーディングエージェントにガードレールを加える開発者
危険なプロンプトとツール呼び出しをオフラインで検出する
LAYA_DEVICE=cpu で laya-mcp-server を実行し、プロンプトのガードレールのワークフローには laya_preset を使います。CPU では質問 1 件あたりおよそ 190 か ら 460 ms を見込み、ベースのチェックポイントはゼロショットではほぼ偶然の水準なので、自分の例で検証してください。
40 人規模の SaaS 企業の ML リーダー
ホスト型の分類 API の請求を、セルフホストの判定に置き換える
共有の GPU マシンで laya-serve を 1 つ動かし、各開発者の MCP クライアントを LAYA_BASE_URL と LAYA_API_KEY でそこに向けます。ホスト型の請求はなくなりますが、このモードではショートリストとトーナメントのツールは使えません。
導入前に確認すること
- 導入
- pip install "laya[mcp]" を実行してから laya-mcp-server を Claude Desktop、Cursor、OpenClaw に stdio のコマンドとして設定します。初回の実行で Hugging Face からチェックポイントをダウンロードし（3 つすべてで約 2.3 GB）、その後は事前に読み込んだチェックポイントがすぐに答えます。
- 連携
- ツールは 10 個です。laya_predict、laya_predict_batch、laya_predict_long、laya_route、laya_route_batch、laya_decide、laya_shortlist、laya_tournament、laya_preset、laya_status です。すべて渡したテキストに対する読み取り専用の判定で、外部のシステムには触れません。
- データとプライバシー
- すべてが自分のハードウェアで動き、ウェイトのダウンロード後は入力がマシンの外に出ません。共有の laya-serve は bearer キー（LAYA_API_KEY）を使います。コードとウェイトは Apache 2.0 で、収益の上限はありません。
- 大規模利用時のコスト
- 呼び出しごとの料金はありません。README は、T4 で質問 1 件あたり 32.8 ms、バッチで毎秒 103 から 332 件と測定しています。CPU では質問 1 件あたり約 193 から 464 ms を見込んでください。ファインチューニングは Kaggle の T4 2 枚か Apple Silicon で行う手順が文書化されています。
- 制限
- ベースのチェックポイントは、ファインチューニングするまで、ランダムのベースライン 0.318 に対して 0.362 と 0.352 です。ショートリストなしでは約 20 を超える選択肢で精度が崩れます。英語版のチェックポイントは 512 トークンまでで、ラテン文字以外では失敗します。stdio のみで、共有サーバー経由ではショートリストとトーナメントのツールは使えません。
良い点
- Apache 2.0 のオープンウェイトで、完全にオフラインで動く
- バッチ、長文、スキーマ駆動の判定を含む 10 個のツール
- README によれば T4 で質問 1 件あたり約 33 ms
- 100 以上の言語を自動で多言語版チェックポイントに振り分ける
- 活動が非常に活発で、最初の 5 週間で 46 回リリース
気になる点
- ベースのチェックポイントは、ファインチューニングするまで型付き判定でほぼ偶然の水準
- ショートリストなしでは約 20 を超える選択肢で精度が大きく落ちる
- PyTorch と約 2.3 GB のチェックポイントが必要
- 比較ベンチマークはすべてプロジェクト自身によるもの
おすすめの人
ラベル付きの例を持ち、データを自社のハードウェアにとどめる必要があり、エージェントの中で高速な振り分け、トリアージ、ガードの判定をしたいチーム。
Laya MCP Serverの代替
Laya MCP Server：よくある質問
- Laya MCP Serverは使う価値があるか？
- ハードウェアの外に出ず、呼び出しごとの費用もかからない型付きの判定です。ただし、作者自身が信頼する前にファインチューニングが必要だと言うモデルです。 評価は5点満点中4.2点です。
- Laya MCP Serverの料金は？
- 無料のオープンソースです（Apache 2.0、コードとウェイトの両方）。費用は実行するハードウェアの分だけです。
- Laya MCP Serverの欠点は？
- ベースのチェックポイントは、ファインチューニングするまで型付き判定でほぼ偶然の水準; ショートリストなしでは約 20 を超える選択肢で精度が大きく落ちる; PyTorch と約 2.3 GB のチェックポイントが必要; 比較ベンチマークはすべてプロジェクト自身によるもの.
- Laya MCP Serverは誰に向いているか？
- ラベル付きの例を持ち、データを自社のハードウェアにとどめる必要があり、エージェントの中で高速な振り分け、トリアージ、ガードの判定をしたいチーム。
- チームや本番環境でLaya MCP Serverを使うと費用はいくらか？
- 呼び出しごとの料金はありません。README は、T4 で質問 1 件あたり 32.8 ms、バッチで毎秒 103 から 332 件と測定しています。CPU では質問 1 件あたり約 193 から 464 ms を見込んでください。ファインチューニングは Kaggle の T4 2 枚か Apple Silicon で行う手順が文書化されています。
- Laya MCP Serverは企業データを扱っても安全か？
- すべてが自分のハードウェアで動き、ウェイトのダウンロード後は入力がマシンの外に出ません。共有の laya-serve は bearer キー（LAYA_API_KEY）を使います。コードとウェイトは Apache 2.0 で、収益の上限はありません。
- Laya MCP Serverの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はJev MCP, System One Connector 、 Jev on Viorantです。
回答確認日：2026年10月23日