エージェント型CLIのトークンコスト、既知コマンドでは最小限に
詳細な分析により、AIエージェントのツール利用におけるMCPとCLIを比較。CLIはトークンコストの低さ、モデルの親和性、シンプルさの点で多くのシナリオで優位であると結論付けた。MCPは端末アクセスがない環境、マルチユーザー認証、コンプライアンス面で利点を持つ。著者は、MCPがほとんどのケースで優れているという主張に反論した。
Key insights
既知コマンドにおけるCLIのトークンコスト優位性
gh、aws、kubectlなど、モデルが訓練データから既に知っているコマンドの場合、CLIはコンテキストにスキーマを注入する必要がない。トークンコストはコマンド自体(数十トークン)と出力のみである。未知のCLIツールでも--helpを使用できる。これにより、CLIは遅延ツールであってもツール定義が必要なMCPよりも大幅にトークン効率が高い。
MCPの遅延ツールはコンテキストオーバーヘッドを削減するが、CLIには及ばず
MCPの遅延ツール機能では、ツールにdefer_loading: trueを指定することで、初期コンテキストにはツール名と短い説明のみが含まれ、フルスキーマはオンデマンドで読み込まれる。Anthropicによると、大規模なツールセットではツール定義のコンテキストが約85%削減される。これによりCLIとの差は縮まるが、よく知られたコマンドにおけるCLIのトークン効率には依然として及ばない。
モデルのツール呼び出し能力向上は両者に恩恵をもたらすが、MCPにより大きな効果
モデルのツール呼び出し能力が向上するにつれ、CLIとMCPの両方が恩恵を受ける。しかし、MCPの主な欠点はスキーマからツールを学習する必要があったことであるため、より強力なモデルはスキーマベースのツール発見を容易に処理でき、CLIの事前学習知識の優位性を減少させる。
CLIが適したシナリオ
CLIは以下の場合に適している:モデルが既にCLIコマンドを知っている場合、ローカル実行時、パイプライン構成(パイプ)、トークン節約が重要な場合、CI/CDおよびスクリプト自動化、デバッグと迅速な検証。固定コマンドを使用する既知のツールを用いたCIパイプラインでは、CLIが明らかに適している。
MCPが適したシナリオ
MCPは以下の場合に適している:端末アクセスがない場合(ブラウザ、モバイル)、認証と認可が必要なマルチユーザー環境、モデルが訓練されていないツール(MCPは構造化JSONスキーマを提供)、コンプライアンスと監査要件(標準化されたログ、トレースヘッダー)、ツールセットが拡大するプラットフォーム向けのtools/listインターフェースによるツール発見。
著者は「MCPがほとんどのケースで優れている」という主張に反論
著者は、Thariqの「MCPはほとんどの統合においてCLIよりも優れている」という主張は偏っていると明言している。MCPは大幅に改善されたが、CLIは依然として多くの一般的なシナリオで利点を持つ。選択は、環境、セキュリティ、ツールの親和性などの具体的なユースケース要件に依存する。