XNews

AIエージェント向けCLIトークン効率

詳細な分析によると、MCPの改善(遅延ツールなど)にもかかわらず、多くのシナリオでAIエージェントにはMCPよりもCLIの方が依然として優れていると主張されています。CLIは、使い慣れたコマンド、ローカル実行、トークン節約に優れており、MCPはマルチユーザー環境、監査可能なシステム、モデルが知らないツールに適しています。選択は状況によって異なります。

Key insights

CLIの利点:モデルの習熟度、トークン効率、ローカルでのシンプルさ

ghやkubectlなどのCLIコマンドは、トレーニング中にモデルがすでに学習しているため、スキーマの注入は不要で、わずか数十トークンしかコストがかかりません。ローカル実行は簡単で、パイプによるパイプライン構成もうまく機能し、CI/CD統合も自然です。モデルがコマンドを知っている場合、CLI固有のスキーマに対するトークンオーバーヘッドはほぼゼロです。

MCPの利点:構造化スキーマ、監査可能性、ツール発見

MCPは、ツールパラメータに標準化されたJSONスキーマを提供し、機械検証可能な呼び出しを可能にします。OAuthなどの認証プロトコルをサポートしているため、マルチユーザー環境に適しています。標準化されたトレースヘッダーにより、監査が容易になります。tools/listインターフェースにより、エージェントは利用可能なツールを動的に発見できます。これは、進化するツールセットを持つプラットフォームにとって重要な利点です。

遅延ツールはMCPとCLIの差を縮めるが、それを超えるものではない

遅延ツール(defer_loading: true)を使用すると、MCPはツール名と簡単な説明のみを提供し、スキーマをオンデマンドでロードすることで、初期コンテキストでのツール定義のオーバーヘッドを約85%削減できます。これにより、MCPのトークン上の不利は軽減されますが、よく知られたツールに対するCLIのほぼゼロのスキーマコストには及びません。

モデルのツール呼び出し改善は両方に利益をもたらすが、MCPの方が恩恵が大きい

モデルがコマンド(CLI)の構築と構造化スキーマ(MCP)の処理の両方に優れるにつれて、両方とも改善されます。しかし、CLIの主な利点はモデルの事前知識であったため、スキーマ学習が向上するにつれて差は縮まります。馴染みのないツールにとって、MCPの構造化インターフェースはますます価値が高まります。

CLIとMCPのシナリオ別推奨事項

CLIは、モデルがすでにツールを知っている場合、ローカル実行、パイプラインタスク、トークン節約、デバッグ、固定コマンドによるCI/CDに適しています。MCPは、ターミナルアクセスがない場合(ブラウザ/モバイル)、マルチユーザー認証、未知のツール、監査/規制コンプライアンス、動的なツール発見に適しています。複雑なクロスサービスオーケストレーション(例:テスト→Jira→Slack)では、MCPのチェーンが利点をもたらします。

Source posts