Jawaban singkat
CLI biasanya memakai lebih sedikit token daripada server MCP: ia tidak menambah daftar tool, dan model sudah mengenal perintah-perintah umum. MCP menang ketika tidak ada CLI, ketika Anda butuh login, atau ketika aplikasi Anda tidak punya shell. Pada keduanya, setiap langkah adalah satu permintaan. Merangkai langkah dalam kode menghapus biaya itu.
Dalam panduan ini
Berapa token yang dipakai masing-masing?
Tiga hal menentukan tagihan: daftar tool, jumlah langkah, dan apa yang kembali dari setiap langkah. Server MCP dan CLI berbeda pada ketiganya.
| Biaya | Server MCP | CLI |
|---|---|---|
| Daftar tool | Setiap tool punya definisi yang harus dibaca model. Claude Code menundanya secara default: hanya nama tool yang masuk ke konteks sampai tool itu dipakai. | Tidak ada. Model sudah mengenal perintah-perintah umum, atau membaca --help sekali. |
| Setiap langkah | Satu panggilan tool adalah satu permintaan atas seluruh percakapan. | Satu perintah juga satu permintaan, tetapi satu perintah bisa merangkai beberapa langkah dengan pipe dan &&. |
| Yang kembali | Seluruh hasil masuk ke percakapan. Claude Code memperingatkan di atas 10.000 token dan membatasi hasil pada 25.000 secara default. | Anda bisa memangkasnya sebelum model melihatnya (head, jq), atau menyimpannya ke file, seperti yang dilakukan Playwright CLI. |
Merangkai dan memangkas berasal dari shell, bukan dari satu CLI tertentu: itu program kecil yang menjalankan beberapa langkah dalam satu permintaan. Mode kode, di bawah, memberi MCP kemampuan yang sama.
Apa kata pengukurannya?
Tiga sumber, dari tiga sudut.
- AnthropicPanduan biaya Claude Code menyatakan bahwa tool CLI seperti
gh,aws,gcloud, dansentry-clitetap lebih hemat konteks daripada server MCP, karena tidak menambah daftar per tool. - MicrosoftREADME Playwright CLI menyatakan pemanggilan CLI lebih hemat token daripada server MCP-nya: ia menghindari pemuatan skema tool yang besar dan accessibility tree yang bertele-tele ke dalam model. README itu mempertahankan MCP untuk otomasi eksploratif, tes yang memperbaiki diri sendiri, dan workflow yang berjalan lama, ketika konteks browser yang berkelanjutan lebih penting daripada biaya token.
- ScalekitBenchmark dari Scalekit, Maret 2026: lima tugas GitHub hanya baca, 75 percobaan, Claude Sonnet 4. CLI
ghmemakai 1.365 sampai 9.386 token per tugas dan server MCP GitHub 32.279 sampai 82.835, yaitu 4 sampai 32 kali lebih banyak. Server MCP itu juga gagal pada 7 dari 25 percobaan karena timeout; CLI berhasil setiap kali.
Benchmark itu memuat ke-43 definisi tool GitHub ke setiap percakapan. Claude Code kini menundanya secara default, sehingga bagian daftar tool dari selisih itu hilang di sana, tetapi bagian per langkah tidak, dan penundaan itu tidak berlaku di aplikasi yang masih memuat setiap definisi.
Kapan CLI menang, dan kapan MCP?
CLI menang ketika…
- Tool-nya terkenal, seperti gh, aws, atau gcloud.
- Outputnya panjang dan Anda hanya butuh sebagian: pangkas sebelum model membacanya.
- Anda bekerja di agen coding yang punya shell dan sistem file.
- Beberapa langkah muat dalam satu perintah.
MCP menang ketika…
- Layanannya tidak punya CLI, atau hanya punya server jarak jauh dengan login sendiri.
- Aplikasi AI Anda tidak punya shell untuk dipakai model, seperti pada aplikasi chat.
- Anda menginginkan input bertipe dan daftar apa yang dilakukan tiap tool, bukan flag yang diingat model dari pelatihannya.
- Beberapa orang memakai agen itu dan masing-masing butuh otorisasi sendiri: poin utama Scalekit.
Apakah MCP sudah mati?
Tidak. Protokol ini masih melakukan apa yang tidak bisa dilakukan CLI: menjangkau layanan jarak jauh dengan login, bekerja di aplikasi yang tidak punya shell, dan mendeskripsikan setiap tool secara bertipe. README Microsoft sendiri mempertahankan MCP untuk beberapa workflow.
Yang mulai usang adalah satu pola: satu panggilan tool per langkah, atas seluruh percakapan. CLI menghindari sebagiannya dengan merangkai perintah. Anthropic dan Cloudflare menjelaskan solusi umumnya, yaitu menulis kode yang memanggil tool, dan mengukurnya: contoh Anthropic turun dari 150.000 menjadi 2.000 token, dan Cloudflare membuka lebih dari 2.500 endpoint dalam sekitar 1.000 token.
Delta MCP adalah solusi itu, siap pakai, untuk server MCP yang sudah Anda pakai: AI Anda menulis setiap tugas sebagai satu program. Kami mengukurnya terhadap pemanggilan server-server itu secara langsung, di Claude Code dengan Tool Search menyala:
Sonnet 5.5, dua sampai tiga percobaan per varian, hasil akhir diperiksa di setiap layanan.
| Tugas | Token | Panggilan ke model | Diukur |
|---|---|---|---|
| Memperbaiki sebuah rilis, sebagai kodeCerberus, 152 tool | 13,4× lebih sedikit | 26 → 6,5 | 5 Oktober |
| Merapikan 20 tiket yang terlambatPengelola tiket | 4,8× lebih sedikit | 5 → 2 | 2 Oktober |
| Login, menambahkan 3 kontak, lalu menampilkan daftarnyaMicrosoft Playwright MCP | 3,9× lebih sedikit | 12,6 → 4 | 2 Oktober |
Semua pengukuran dan metodenya
Mana yang sebaiknya Anda pakai?
Mulai dari situasi Anda, bukan dari protokolnya.
| Situasi Anda | Pakai | Mengapa |
|---|---|---|
| Tool-nya terkenal dan punya CLI: gh, aws, gcloud. | CLI | Tanpa daftar tool, dan Anda bisa memangkas outputnya. Panduan biaya Claude Code menyarankannya. |
| Layanannya tidak punya CLI, atau Anda mengaksesnya lewat server jarak jauh. | MCP | Itulah jalan masuknya. Pertahankan server yang Anda pakai dan putuskan sisanya. |
| Aplikasi AI Anda tidak punya shell. | MCP | CLI membutuhkan tempat untuk berjalan. |
| Tugas melintasi beberapa langkah atau beberapa layanan. | Kode, bukan satu panggilan per langkah | Delta MCP melakukannya untuk server MCP Anda. Skrip melakukannya untuk CLI. |
Pertanyaan
Mana yang lebih baik untuk agen AI, MCP atau CLI?
Tidak ada yang selalu lebih baik. CLI biasanya lebih murah jika ada yang terkenal, karena tidak menambah daftar tool dan outputnya bisa dipangkas. MCP adalah jalan masuk ketika tidak ada CLI, ketika perlu login, atau ketika aplikasi tidak punya shell. Keduanya membayar satu permintaan untuk setiap langkah.
Apakah CLI lebih murah daripada server MCP dalam token?
Biasanya, per tugas. Scalekit mengukur CLI gh pada 1.365 sampai 9.386 token per tugas, dibanding 32.279 sampai 82.835 untuk server MCP GitHub, dengan ke-43 definisi tool dimuat. Claude Code kini menunda definisi itu, yang mempersempit selisihnya.
Apakah MCP sudah mati?
Tidak. MCP masih mencakup layanan jarak jauh, login, dan aplikasi tanpa shell, dan README Playwright CLI dari Microsoft sendiri mempertahankan MCP untuk workflow eksploratif dan yang berjalan lama. Yang memakan token adalah satu panggilan per langkah, yang bisa digantikan kode.
Haruskah saya mengganti server MCP saya dengan skill dan CLI?
Hanya jika ada CLI yang bagus. Skill juga membantu: Claude Code hanya memuat deskripsinya di awal dan teks lengkapnya saat salah satunya dipanggil, dan skill bisa menyertakan kode untuk dijalankan. Anthropic menyatakan skill melengkapi server MCP, bukan menggantikannya.
Mengapa ada Playwright CLI di samping server MCP Playwright?
README-nya menyatakan pemanggilan CLI menghindari pemuatan skema tool yang besar dan accessibility tree yang bertele-tele ke dalam model, dan bahwa CLI plus skill cocok untuk agen coding yang menyeimbangkan otomasi browser dengan basis kode besar dalam jendela konteks terbatas. MCP tetap untuk otomasi eksploratif, tes yang memperbaiki diri sendiri, dan workflow yang berjalan lama.
Apakah Delta MCP menggantikan CLI?
Tidak. CLI adalah pilihan yang tepat jika ada yang bagus. Delta MCP untuk server MCP yang sudah Anda punya, pada tugas dengan beberapa langkah: 3,3–24,1× lebih sedikit token dalam pengujian kami dibanding memanggilnya langsung.
Sumber
- Claude Code, Manage costs effectively (documentation) Tool CLI lebih hemat konteks daripada server MCP; definisi tool MCP ditunda secara default.
- Claude Code, Connect Claude Code to tools via MCP (documentation) Peringatan 10.000 token dan batas default 25.000 token pada hasil tool.
- Microsoft, Playwright CLI (README on GitHub) CLI dibanding MCP dalam efisiensi token, dan kasus ketika MCP tetap lebih cocok.
- Scalekit, MCP vs CLI: Benchmarking AI Agent Cost & Reliability (11 Mar 2026) Benchmark GitHub: token per tugas, keandalan, dan ke-43 definisi tool.
- Anthropic, Code execution with MCP: Building more efficient agents (4 Nov 2025) Contoh 150.000 menjadi 2.000 token; kode yang memanggil tool sebagai ganti satu panggilan per langkah.
- Cloudflare, Code Mode: give agents an entire API in 1,000 tokens (20 Feb 2026) Lebih dari 2.500 endpoint dalam sekitar 1.000 token, dibanding 1,17 juta sebagai server MCP biasa.
- Anthropic, Equipping agents for the real world with Agent Skills (16 Okt 2025) Skill memuat nama dan deskripsinya lebih dulu dan sisanya sesuai kebutuhan; skill bisa menyertakan kode; skill melengkapi server MCP.
- Claude Code, Extend Claude with skills (documentation) Deskripsi skill dimuat di awal; isi lengkapnya hanya saat skill dipanggil.
- Delta MCP, Benchmarks Setiap pengukuran Delta MCP di halaman ini, beserta metodenya.
Lanjut membaca
- Cara mengurangi penggunaan token MCP, dan kenapa MCP borosCara mengurangi penggunaan token MCP: ukur dengan /context, lihat dua biayanya (daftar tool dan bolak-balik), dan bandingkan tiap solusi, termasuk Tool Search.
- Limit penggunaan Claude Code tercapai? Biaya server MCP AndaArti “You've hit your limit” di Claude Code (sesi, mingguan, Opus, pengeluaran), cara /usage menunjukkan biaya server MCP Anda, dan apa yang dipangkas dulu.
- Lokasi file konfigurasi MCP: Claude, Cursor, VS Code, dll.Lokasi konfigurasi MCP di Claude Desktop, Claude Code, Cursor, VS Code, Windsurf, Gemini CLI, dan Codex: path file, kunci JSON, server jarak jauh, batas tool.
