MCP를 5개의 파일로 구성된 CLI로 대체하여 Airtable 토큰 사용량을 93% 절감한 사례

작성자의 구체적인 수치 비교와 최적화 접근 방식에 대해 매우 긍정적인 반응이 이어졌으며, MCP의 범용성과 효율성 사이의 트레이드오프에 대한 논의가 활발했다.

• Airtable처럼 스키마가 고정된 도구를 자주 사용한다면 Python의 urllib과 하드코딩된 schema.py를 조합한 경량 CLI 구축을 고려하라.
• 보안을 위해 API 키는 코드에 직접 넣지 말고 macOS Keychain 등 시스템 키체인을 활용하여 호출하라.
• 모델이 잘못된 값을 입력하지 않도록 CLI 수준에서 Enum이나 정규표현식을 통한 사전 검증 로직을 구현하라.

모델 컨텍스트 프로토콜(MCP)

— AI 모델이 외부 데이터 소스 및 도구와 연결될 수 있도록 Anthropic에서 공개한 개방형 표준 프로토콜이다. 범용성을 위해 매 실행 시 스키마를 재탐색하는 구조를 가져 특정 상황에서 토큰 소모가 클 수 있다.

토큰 사용량(Token Usage)

— LLM이 텍스트를 처리하는 기본 단위인 토큰의 소비량이다. API 호출 비용과 모델의 세션 제한에 직접적인 영향을 미치며 효율적인 프롬프트 설계의 핵심 지표가 된다.

컨텍스트 윈도우(Context Window)

— 모델이 한 번에 처리하고 기억할 수 있는 텍스트의 최대 범위이다. 불필요한 데이터(JSON 스키마 등)가 유입되면 중요한 대화 기록이 밀려나 성능 저하를 유발한다.

스키마 탐색(Schema Discovery)

— 데이터베이스나 API의 구조(필드명, 타입 등)를 자동으로 파악하는 과정이다. MCP 같은 범용 도구는 매번 이 과정을 반복하여 유연성을 확보하지만 반복 작업 시 오버헤드가 발생한다.