챕터별 상세
00:00
CLI와 MCP의 기본 개념
CLI(명령 줄 인터페이스)는 에이전트가 터미널에서 ls, cat, grep과 같은 표준 명령어를 직접 실행하는 방식이다. 반면 MCP(Model Context Protocol)는 서버가 도구의 이름, 설명, JSON 스키마를 모델에게 제공하여 구조화된 방식으로 도구를 호출하게 한다. MCP는 도구 사용법을 명시적으로 전달해야 하므로 초기 컨텍스트 윈도우를 차지하는 특성이 있다.
03:06
파일 작업에서의 효율성 비교
마크다운 파일을 읽고 검색하는 작업에서 CLI 방식은 cat과 grep 명령어 두 줄로 작업을 완료했다. MCP 방식은 파일 시스템 서버에서 read_file과 search_files 도구를 호출했다. 결과는 동일했으나 MCP는 사용하지 않는 11개의 다른 도구 정의까지 컨텍스트에 로드해야 했으므로 수천 개의 토큰을 추가로 소모했다.
06:04
Git 작업과 토큰 비용의 상관관계
Git 로그 확인 및 상태 점검 시 CLI는 모델이 이미 학습 데이터로 알고 있는 지식을 활용해 추가 비용 없이 실행했다. 하지만 GitHub MCP 서버를 사용할 경우 80개의 도구 정의를 로드해야 하며 이는 약 55,000개의 토큰을 소모하는 결과를 초래했다. 이는 API 비용 증가와 컨텍스트 윈도우 낭비로 이어지며 CLI가 로컬 도구 활용에 더 경제적임을 입증했다.
bash
cat notes.md
grep -n "agent" *.mdCLI 방식을 사용하여 파일 내용을 읽고 특정 단어를 검색하는 명령어 예시
07:46
복잡한 웹 페이지 파싱의 한계
Next.js로 구축된 웹사이트를 읽을 때 CLI의 curl 방식은 자바스크립트 렌더링을 수행하지 못해 원시 코드만 가져오는 한계가 있었다. 에이전트는 이를 해결하기 위해 파이썬 스크립트를 작성하는 등 복잡한 우회 과정을 거치며 2,000개 이상의 토큰을 낭비했다. 반면 MCP의 Fetcher 도구는 헤드리스 브라우저를 통해 렌더링된 텍스트를 단 250토큰 만에 정확히 반환했다.
bash
git log --oneline -10
git status에이전트가 CLI를 통해 Git 이력과 상태를 확인하는 명령어 예시
11:33
엔터프라이즈 환경에서의 MCP 필요성
인증(Auth)과 조직(Org) 관리 측면에서 CLI는 에이전트가 직접 토큰 갱신과 채널 ID 조회를 수동으로 관리해야 하는 번거로움이 있다. MCP는 서버가 이러한 복잡한 인증 로직을 관리하므로 에이전트는 작업 의도만 전달하면 된다. 또한 사용자별 접근 제어와 감사 추적(Audit Trail) 기능을 프로토콜 수준에서 제공하므로 보안이 중요한 기업 환경에 적합하다.
bash
curl -s [url] | head -200CLI 방식으로 웹페이지 소스를 가져오려 시도하는 명령어 예시
13:14
결론: 하이브리드 전략의 중요성
명령어가 작업에 직접 매핑되고 모델이 이미 잘 아는 로컬 작업은 CLI가 압도적으로 유리하다. 그러나 도구 간의 기능 격차가 크거나 거버넌스가 필요한 경우에는 MCP가 제공하는 추상화 계층이 비용 대비 가치가 높다. 실제 구현 시에는 에이전트가 두 방식을 병행하여 상황에 따라 최적의 도구를 선택하도록 설계하는 것이 가장 바람직하다.
용어 해설
- 모델 컨텍스트 프로토콜(MCP)
- — Model Context Protocol의 약자로 AI 모델이 외부 데이터 소스나 도구에 연결되는 방식을 표준화한 프로토콜이다. 서버가 도구의 이름, 설명, JSON 스키마를 제공하면 모델이 이를 이해하고 호출할 수 있게 한다. 파편화된 도구 연결 방식을 통합하여 에이전트 개발 효율성을 높인다.
- 명령 줄 인터페이스(CLI)
- — Command Line Interface의 약자로 텍스트 터미널을 통해 컴퓨터 명령어를 실행하는 방식이다. AI 모델은 학습 과정에서 수많은 CLI 명령어 예시를 접했기 때문에 별도의 스키마 정의 없이도 기본 명령어를 바로 사용할 수 있는 능력을 갖추고 있다.
- 컨텍스트 윈도우(Context Window)
- — AI 모델이 한 번에 처리할 수 있는 텍스트 정보의 총량을 의미한다. MCP를 사용할 때 도구 정의(스키마)가 이 윈도우를 차지하게 되며, 도구가 많아질수록 실제 작업에 사용할 수 있는 가용 토큰이 줄어드는 트레이드오프가 발생한다.
- JSON 스키마(JSON Schema)
- — 데이터의 구조를 정의하고 검증하기 위한 형식이다. MCP에서 각 도구가 어떤 입력 파라미터를 필요로 하고 어떤 출력을 내놓는지 모델에게 알려주는 명세서 역할을 하며, 모델은 이 스키마를 읽고 정확한 함수 호출 인자를 생성한다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 05. 04.수집 2026. 05. 04.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
