LM StudioをほかのAI・アプリとつなぐ手順（その2：LM Studio側）：ローカルサーバーと認証、Claude Code、Codex、OpenAI・Anthropic互換API、LM Link、MCP、llmsterを、どの画面・どのファイルに何を書くかで並べる

この記事は、公式の資料を2026年10月25日に読んでまとめたものです。この記事は、実際に使って確かめた記録ではありません。手順は、公式の手順を順に並べたものです。設定例は、「公式の例の写し」か「公式の記載に合わせて、この記事で組んだ例（動作は確かめていません）」と、そのつど区別して書きます。公式ページは要約の形で取得しているため、読み切れていない所は「公式で確認できていない」と書き、長い引用は避けて言い換えています。画面の表記は公式ページの表記なので、手元の画面と照らして読んでください。

先に結論

• つなぎ方は、ほとんどが「サーバーを起動して、相手の接続先を localhost:1234 に向ける」です。 Claude Code、Codex、ほかのOpenAI形式・Anthropic形式のアプリが、この形です。
• 初期状態の認証は「なし」です。 自分のPCの中だけで使うなら問題が小さい、と読めますが、ネットワークに広げるなら、認証をオンにして、トークンを使います。
• MCP は、LM Studio が「受ける側（ホスト）」になる使い方と、APIからMCPを使う使い方があります。 後者は、サーバーの設定に、セキュリティ上の警告の書かれたスイッチがあります（手順F）。
• 別の機器のモデルを使うには LM Link です。 設定の手順（「Setup a link」など）は、読んだページから別のページへ分かれており、この記事は読めていません。
• 公式のページで、設定の画面の位置が書かれていない所があります。 その所は「公式で確認できていない」と書きます。

前提：用語をそろえる

• ローカルサーバー：自分のPCを、ほかのアプリから呼べる窓口にする機能です。
• 接続先（ベースURL）：相手のアプリがLM Studioに話しかけに行くアドレスです。例は http://localhost:1234 です。
• OpenAI互換 / Anthropic互換：OpenAIやAnthropicのアプリと同じ話し方で、LM Studio に話しかけられる仕組みです。
• APIトークン：LM Studio のサーバーに入るための合言葉です（AIの文章の単位のトークンとは別の意味）。
• 環境変数：OSに持たせる設定です。
• MCP / mcp.json：AIに外のツールをつなぐ決まりごと（MCP）と、そのサーバーを書く設定ファイル（mcp.json）です。
• MCPホスト：MCPのサーバーをつなぐ側のアプリです。LM Studio は、0.3.17から、MCPのホストになれる、と公式は書いています。
• LM Link / Tailscale：自分の機器の間でモデルを使う仕組みと、その通信を暗号化する提携先のサービスです。
• JIT読み込み：リクエストが来たときに、まだ読み込まれていないモデルを読み込む設定です。
• llmster / lms：LM Studio の画面のない常駐版と、コマンドのツールです（06）。

連携の地図（LM StudioのIntegrationsのページ、確認日2026-10-25）

• この一覧は、各連携の作者を書いていません。「公式」は「公式のドキュメントに載っている」という意味です。
• 一覧のページは、IDEの拡張や自作のスクリプトでは、接続先を http://localhost:1234 に向ければよい、という趣旨を書いています（このページは1234を「既定のポート」とは明記していません）。

手順A：ローカルサーバーを起動する

A-1：起動する

1. 画面の場合：「Developer」タブを開き、「Start server」のスイッチを入れます。
2. コマンドの場合：

lms server start --port 1234

1. 止めるのは lms server stop です（CLIのページ）。状態は lms server status がCLIのページに載りますが、説明は書かれていません。
2. サーバーの状態は、デスクトップのアプリの場合、最後の状態が、アプリやサービスの起動時に復元される、とヘッドレスのページは書いています。

3. ログイン時に自動で動かす設定は、06のB-5です。

4. 起動したあとは、http://localhost:1234 で待ち受け、OpenAI形式かAnthropic形式のリクエストを受けられる、と書かれています。

5. ポート番号の既定値は、サーバーのページと設定のページには書かれていません。Claude Code と Codex の連携ページが「default port 1234」と書き、「LM Studio, llmster, and lms」のページは、lms server start が http://localhost:1234 で待ち受ける、と書いています。連携の一覧のページは、1234を既定とは明記していません。

A-2：サーバーの設定（「Server Settings」の項目）

公式の設定のページに載る項目です。既定値は、ページには書かれていません（要約の末尾が途中で切れていました）。

• 「Idle TTL and Auto-Evict」という別のページがあり、設定の項目との関係は、この記事では読んでいません。
• 設定の画面が、アプリの中のどのメニューにあるかは、設定のページには書かれていません。認証のページは「Developers Page > Server Settings」と書いています。

A-3：認証をオンにして、トークンを作る（LM Studio 0.4.0以降）

1. 「Developers Page > Server Settings」で、認証のスイッチ（「Require Authentication」）をオンにします。以後、REST API、Python SDK、TypeScript SDK からのリクエストは、有効なAPIトークンが要ります。
2. 「Server Settings」の「Manage Tokens」をクリックします。「API Tokens」のウィンドウが開き、トークンを作成、表示、削除できます。
3. 「Create Token」をクリックし、トークンの名前を入れ、権限を選びます。
4. 作ったトークンは、その場で写します。公式は、二度と表示されない、と書いています。

5. 権限や名前を変えるには、ウィンドウの「Edit」を押します。

6. 個別の権限の選択肢は、読んだページには書かれていませんでした。

7. トークンの渡し方（REST）：Authorization: Bearer <トークン> のヘッダーです。公式の例は、環境変数 LM_API_TOKEN を使いますが、その設定のしかたは書かれていません。
8. Anthropic 形式のエンドポイントは、x-api-key か Authorization: Bearer <トークン> のどちらでも受け付ける、と書かれています（認証がオフなら x-api-key は省略できる）。
9. 認証がオンのとき、トークンなしのリクエストは受け付けられません。返ってくるエラーの形は、ページには書かれていません。
10. 外し方（認証を止める）：同じスイッチをオフにします（ページに明記された手順ではなく、スイッチの対の操作という、僕らの読み方です）。トークンの削除は、「API Tokens」のウィンドウでできる、と書かれています。

A-4：ネットワークに公開する（条件は公式のとおりに）

• 画面では、「Serve on Local Network」をオンにします。オンにすると、サーバーは localhost 以外のアドレスに結びつき、API の接続先のURLが更新されます。そのURLを、アプリで使う、と書かれています。
• コマンドでは、次の形が書かれています。

lms server start --bind 0.0.0.0

• 公式は、127.0.0.1 以外に結びつけると、サーバーが localhost の外に出る、と警告し、「何をしているか分かっている場合だけ」という趣旨を書いています。認証を有効にするよう勧め、認証のページを案内しています。
• 機器のLANのアドレスの調べ方、ファイアウォールとポートの扱いは、そのページには書かれていません。
• 広げる前に確かめること（これは僕らの注意で、公式の文ではありません）：同じネットワークに誰がいるか、認証をオンにしたか、トークンを他人に見せていないか。

手順B：Claude Code につなぐ

LM Studio の公式ページ（Integrations / Claude Code）の内容です。

前提： LM Studio のサーバーが動いていること。claude のコマンドが使えること（その入れ方は、このページには書かれていません。Ollama の公式ページが載せるコマンドは09）。

1. サーバーを起動します（手順A-1）。
2. 環境変数を設定します（公式の写し）。

export ANTHROPIC_BASE_URL=http://localhost:1234
export ANTHROPIC_AUTH_TOKEN=lmstudio
export CLAUDE_CODE_ATTRIBUTION_HEADER=0

1. ローカルのモデルを指定して動かします。

claude --model openai/gpt-oss-20b

認証をオンにしている場合： LM Studio でAPIトークンを作り、次のように設定します。

export LM_API_TOKEN=<LMSTUDIO_TOKEN>
export ANTHROPIC_AUTH_TOKEN=$LM_API_TOKEN

• 別の機器のモデルを使う場合は、LM Link を使えると書かれています（手順E）。

手順C：Codex につなぐ

LM Studio の公式ページ（Integrations / Codex）の内容です。

前提： Codex が入っていること（ページは「普段どおりCodexを実行する」と書き、入れ方は書いていません。Ollama の公式ページが載せる入れ方は09）。

1. LM Studio のサーバーを起動します（手順A-1）。

lms server start --port 1234

1. Codex を、--oss のフラグで LM Studio に向けて実行します。

codex --oss

既定で、openai/gpt-oss-20b をダウンロードして使う、と書かれています。

1. 別のモデルを使うなら、LM Studio にあるモデルを -m で指定します（公式の例）。

codex --oss -m ibm/granite-4-micro

• 認証をオンにしている場合の Codex 側の設定は、このページには書かれていません（公式で確認できていません）。

手順D：OpenAI形式・Anthropic形式のほかのアプリから呼ぶ

公式のOpenAI互換のページとAnthropic互換のページの内容です。

D-1：OpenAI形式

• 相手の接続先を、OpenAI のサーバーから、LM Studio の http://localhost:1234/v1 に変える、と書かれています。ポートは、サーバーのポートに合わせます。
• 公式のPythonの例は OpenAI(base_url="http://localhost:1234/v1")、TypeScriptの例は baseUrl: "http://localhost:1234/v1"（ページの表記）。APIキーについては、ページに書かれていません（例には、キーの指定がありません）。認証をオンにしたときは、トークンを使います（手順A-3）。
• 使えるパスは次のとおりです（ページの表）。

• model には、LM Studio のモデルの識別子を入れます（ページは例を示さず、「LM Studioの識別子をここに」とだけ書いています）。一覧は GET /v1/models で見られます（JIT読み込みの設定で、ダウンロード済みのモデルが全部並ぶか、読み込み済みだけが並ぶかが変わります）。
• 対応するパラメーターは、ページには書かれていません（個別のページに分かれています）。
• Codex が使えるのは、POST /v1/responses を実装しているため、と書かれています。ほかのOpenAI形式のクライアントのライブラリにも、似た接続先の設定があるはず、という趣旨が書かれています。

D-2：Anthropic形式

• 対応するエンドポイントは POST /v1/messages だけです。接続先は http://localhost:1234 です。
• 公式のPythonの例：

client = Anthropic(
    base_url="http://localhost:1234",
    api_key="lmstudio",
)

• 公式のcurlの例の形：curl http://localhost:1234/v1/messages に、Content-Type と x-api-key: $LM_API_TOKEN のヘッダーを付け、model、max_tokens、messages のJSONを送る（モデルの例は ibm/granite-4-micro）。
• 未対応の機能の一覧は、Anthropic互換のページには書かれていませんでした（Ollama のページは書いています。09）。

D-3：LM Studio独自のREST API

• 開発者向けのページに、チャット（POST /api/v1/chat）、モデルの一覧、読み込み、ダウンロード、取り外し、ダウンロードの状況の確認、状態を持つ会話、ストリーミングイベントが載っています（ページの題は「REST API」。LM Studio Docs のトップ（/docs/app）の一覧には「LM Studio REST API (beta)」と出ている。開発者向けのトップには beta の表示は見つかりませんでした）。
• 認証がオンのときは、Authorization: Bearer のヘッダーでトークンを送ります（手順A-3）。

手順E：LM Link で、別の機器のモデルを使う

LM Link のページと、Integrations の「Using LM Link with Integrations」の内容です。

LM Link とは（公式のページ）： 機器をまたいで、ローカルのモデルを使えるようにする、LM Studio の新しい機能と書かれています（ベータとは書かれていません）。Tailscale との提携で実現している、と書かれています。強いデスクトップのモデルを、ノートPCやiPhoneから使う、といった使い方が例に挙がります。

Claude Code と Codex で、別の機器のモデルを使う（Integrationsのページの手順）：

1. 手元のPCで、サーバーを起動します。手元が localhost:1234 で、API を提供し、モデルは、遠くの機器で動きます。

lms server start --port 1234

1. Claude Code：環境変数を設定し、モデルを指定して起動します（公式の写し。qwen3-8b は例）。

export ANTHROPIC_BASE_URL=http://localhost:1234
export ANTHROPIC_AUTH_TOKEN=lmstudio
claude --model qwen3-8b

1. Codex：

codex --oss -m qwen3-8b

1. モデルの読み込みは、そのモデルがある機器に向かいます。「優先する機器（preferred device）」を設定していれば、そちらに向かう、と書かれています。優先する機器の設定は、別のページです。

2. 渡るデータ：機器の間の通信は暗号化される、とだけ書かれています。LM Studio の運営するサーバーを通るかどうかは、読んだページには書かれていません。

3. 外し方：リンクの解除の手順は、読んだページには書かれていません。

手順F：MCP を使う

F-1：LM Studio に MCP サーバーを入れる（LM Studio がホストになる）

公式の「Use MCP Servers」のページの内容です。

1. 右サイドバーの「Program」タブへ移ります。
2. 「Install」→「Edit mcp.json」をクリックします。アプリの中のエディターで、mcp.json が開きます。
3. MCPサーバーの項目を足します。LM Studio は、Cursor の mcp.json の書き方に従う、と書かれています。
4. 保存と有効化の手順は、ページには書かれていません。
5. 「Add to LM Studio」のボタン（ディープリンク）があるサーバーでは、ファイルを手で書かずに入れられる、と書かれています（そのページは読んでいません）。

公式の例（Hugging Face のMCPサーバー）： ページは、崩れていないと確認できた形です。<YOUR_HF_TOKEN> を自分のトークンに直します。

{
  "mcpServers": {
    "hf-mcp-server": {
      "url": "https://huggingface.co/mcp",
      "headers": {
        "Authorization": "Bearer <YOUR_HF_TOKEN>"
      }
    }
  }
}

F-2：APIからMCPを使う（サーバーの設定が要る）

認証のページの例と、サーバーの設定のページの内容です。

1. 「Server Settings」で、「Require Authentication」をオンにします（手順A-3）。
2. mcp.json にあるMCPサーバーをAPIから使うなら、「Allow calling servers from mcp.json」をオンにします。公式は、これをセキュリティ上の危険があるスイッチとして警告しています。
3. リクエストに、使う連携と、許可するツールを書きます。公式の例の形（mcp.json に Playwright の MCP を設定してある前提）：

curl -X POST \
  http://localhost:1234/api/v1/chat \
  -H "Authorization: Bearer $LM_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "ibm/granite-4-micro",
    "input": "Open lmstudio.ai",
    "integrations": [
      {
        "type": "plugin",
        "id": "mcp/playwright",
        "allowed_tools": ["browser_navigate"]
      }
    ],
    "context_length": 8000
  }'

1. mcp.json にないリモートのMCPを、リクエストの間だけ使うには、「Allow per-request MCPs」です（リモートだけ対応）。

2. allowed_tools で、使えるツールを絞っています。これが、APIからMCPを使うときの、権限を限る書き方の例です。

3. 「Using MCP via API」という別のページがあり、この記事は読んでいません。

手順G：画面のない版（llmster）を、常駐させて使う

• 入れ方と起動は06のB-7。サーバーは lms server start。
• モデルの読み込み：JIT読み込みがオンなら、リクエストで自動で読み込まれます。オフなら、先に読み込みます（ヘッドレスのページ）。
• 起動時に自動で動かす方法：デスクトップアプリは設定（Cmd / Ctrl + ,）のチェックボックス（06）。Linuxの llmster は、「Setup llmster as a Startup Task on Linux」という別のページ（systemctl）で、読んでいません。
• ほかの機器から使うなら、手順A-4の公開と認証の条件を先に読んでください。

手順H：Hermes Agent、OpenClaw、そのほか

• Hermes Agent と OpenClaw は、Integrations の一覧に名前があります。個別のページは、この記事では読んでいません。手順は書けません。
• Cursor、Open WebUI などのアプリは、読んだ LM Studio の公式ページに名前が出てきません。
• 手順Dの接続先が使えるアプリは、LM Studio のサーバーに向けられるかもしれません。ただし、アプリごとの対応は、各アプリの資料で確かめる必要があります（これは僕らの見立てで、公式の記載ではありません）。

OllamaとLM Studioを、同じツールで切り替える（この記事の案）

公式の手順ではなく、公式の記載に合わせて、この記事で並べた表です（動作は確かめていません）。Ollama の値は09、LM Studio の値は手順B・Cで読んだものです。

• Ollama と LM Studio の両方が動いているとき、codex --oss がどちらを向くかは、読んだページには書かれていません（公式で確認できていません）。Codex 側の資料か、プロファイルの設定で確かめてください。
• 切り替えは、接続先とモデルの名前を、それぞれの値に変えることになります。モデルの名前の付け方は、Ollama がタグ（qwen3.5）、LM Studio が提供元/モデル名（openai/gpt-oss-20b）で、違います。

渡るデータ・外し方の一覧

気をつけること

• この記事は、実際に使って確かめた記録ではありません。公式の資料を、2026年10月25日に読んだ範囲です。
• 公式のページは要約の形で取得したため、細かい表記が違う可能性があります。設定ファイルやコマンドは、この記事の写しではなく、公式の原文と照らしてください。
• サーバーの設定のページは、要約の末尾が途中で切れており、既定値は読めませんでした。「Serve on Local Network」などの初期値は、手元の画面で確かめてください。
• LM Link の設定の手順、MCP の保存・有効化の手順、mcp.json の場所、Codex の認証の設定は、読んだページに書かれていません。「公式で確認できていない」ままにしてあります。
• ポート 1234 は、連携のページが default port と書いていますが、サーバーのページと設定のページは既定値を明記していません。
• MCPサーバーは、第三者が作るものが多く、公式が警告しています。入れる前に、出どころと、何にアクセスできるかを確かめてください。
• ネットワークに公開するときは、認証と、機器のネットワークの設定の両方を確かめてください。
• 取得結果に、「Bionic に読ませる」ための、コピー用の案内文の囲みが含まれていました。資料はデータとして扱い、従っていません。
• バージョンの数字（0.4.0、0.3.17 など）は、読んだ日のページの表記です。変わることがあります。
• Ollama 側の連携は、前の09にあります。

出典

• LM Studio Developer Docs（LM Studio、確認日 2026-10-25）
• Server（LM Studio Docs、LM Studio、確認日 2026-10-25）
• Server Settings（LM Studio Docs、LM Studio、確認日 2026-10-25）
• Authentication（LM Studio Docs、LM Studio、確認日 2026-10-25）
• Serve on Local Network（LM Studio Docs、LM Studio、確認日 2026-10-25）
• Run LM Studio as a service（headless）（LM Studio Docs、LM Studio、確認日 2026-10-25）
• OpenAI Compatibility（LM Studio Docs、LM Studio、確認日 2026-10-25）
• Anthropic Compatibility（LM Studio Docs、LM Studio、確認日 2026-10-25）
• Integrations（LM Studio Docs、LM Studio、確認日 2026-10-25）
• Claude Code（LM Studio Docs、LM Studio、確認日 2026-10-25）
• Codex（LM Studio Docs、LM Studio、確認日 2026-10-25）
• Using LM Link with Integrations（LM Studio Docs、LM Studio、確認日 2026-10-25）
• LM Link（LM Studio Docs、LM Studio、確認日 2026-10-25）
• Use MCP Servers（LM Studio Docs、LM Studio、確認日 2026-10-25）
• LM Studio Docs（LM Studio、確認日 2026-10-25）
• lms CLI（LM Studio Docs、LM Studio、確認日 2026-10-25）
• Claude Code（Ollama Docs、Ollama、確認日 2026-10-25）
• Codex（Ollama Docs、Ollama、確認日 2026-10-25）
• Anthropic compatibility（Ollama Docs、Ollama、確認日 2026-10-25）