MCP vs CLI: MCP 서버가 컨텍스트 윈도우를 빠르게 소모하는 이유

MCP vs CLI, API 작업엔 무엇이 좋을까? MCP 서버 4개가 첫 프롬프트 입력 전에 이미 11,923토큰 분량의 도구 정의를 로드했습니다. 에이전트가 필요할 때만 호출하는 CLI가 더 저렴한 경우를 알아보세요.

Medy Evrard

16 November 2026

MCP vs CLI: MCP 서버가 컨텍스트 윈도우를 빠르게 소모하는 이유

Apidog 엔터프라이즈

온프레미스 배포

SSO & RBAC

SOC 2 준수

Apidog Enterprise 살펴보기

MCP vs CLI의 핵심은 에이전트가 언제 도구에 대한 비용을 지불하느냐에 있습니다. MCP 서버는 사용자가 아무것도 입력하기 전에 모든 도구의 이름, 설명, JSON Schema를 모델에 전송합니다. 반면 CLI는 에이전트가 실제로 실행해서 --help나 출력 결과를 읽기 전까지는 아무 비용도 들지 않습니다. 측정된 환경에서 네 개의 일반적인 MCP 서버는 11,923개의 도구 정의 토큰을 추가한 반면, Apidog CLI 스킬은 112토큰만 추가했습니다.

이 격차가 바로 이번 주에 발행된 두 개의 Dev.to 게시물의 배경에 있는 전부입니다. 한 개발자가 코딩 에이전트에 "Run tests"라고 입력했더니 파일도 첨부하지 않았고 히스토리도 없는데 첫 요청에서 28,400개의 입력 토큰이 소모되는 것을 보았습니다. 원인은 일곱 개의 MCP 서버였습니다. 또 다른 개발자는 MCP가 너무나 간단해서 만들기 쉽다는 점이 바로 문제라고 주장하며, 어려운 부분들(인증, 승인, 중복 호출)은 데모가 동작하는 순간부터 시작된다고 말했습니다.

이 글은 한 가지 질문에 집중합니다. 도구 정의가 컨텍스트 윈도우에 얼마나 비용을 발생시키며, 에이전트가 필요할 때 호출하는 CLI는 언제 더 적은 비용을 들일까요? 만약 문제가 거대한 도구 응답이라면, 비대해진 API 응답 줄이기에 관한 자매 포스트를 읽어보세요.

MCP 서버는 왜 컨텍스트 윈도우 토큰을 소모할까

MCP 서버는 tools/list 메서드를 통해 자신의 도구를 알립니다. MCP 도구 사양에 따르면 각 도구는 name, description, inputSchema(인자에 대한 JSON Schema)를 가집니다. 모델이 도구를 선택하려면 클라이언트가 이러한 정의들을 요청에 넣어야 합니다. 전통적인 구성에서는 에이전트가 도구를 호출하든 아니든, 모든 대화의 매 턴마다 이 작업이 일어납니다.

따라서 비용은 세 가지 요소에 따라 커집니다:

  1. 도구 개수. 완전한 GitHub 통합은 수십 개의 도구를 노출할 수 있습니다.
  2. 스키마 깊이. 중첩된 객체, 열거형, 긴 설명이 모두 토큰이 됩니다.
  3. 턴 수. 에이전트 루프는 매 단계마다 정의를 다시 전송합니다.

necoz의 포스트는 이에 대한 수치를 제시합니다: 52개 도구로 구성된 스택은 첫 턴에 24,600토큰의 스키마가 소모된 반면, 4개 도구 구성은 640토큰, 10단계 루프 전체에서는 약 246,000토큰이 소모되었습니다. 이는 벤치마크가 아니라 한 개발자의 측정치로 받아들이세요. 프롬프트 캐싱은 반복되는 정의의 금전적 비용을 줄여주지만, 토큰은 여전히 윈도우를 차지하며 코드와 주의(attention)를 두고 경쟁합니다.

품질 비용도 존재합니다. Anthropic의 도구 검색 문서에 따르면 GitHub, Slack, Sentry, Grafana, Splunk를 갖춘 멀티 서버 구성은 "Claude가 아무 작업도 하기 전에 정의만으로 약 55k 토큰을 소모할 수 있으며", 사용 가능한 도구가 30~50개를 넘으면 Claude의 도구 선택 정확도가 저하된다고 합니다.

MCP 도구 정의 토큰: 재현 가능한 측정

2026년 11월 16일, 저는 stdio를 통해 다섯 개의 MCP 서버를 로컬에서 실행하고, 30줄짜리 Node 스크립트로 initialize와 tools/list를 전송한 뒤, 각 도구의 name, description, inputSchema에 포함된 토큰 수를 세었습니다.

먼저 한 가지 전제를 밝힙니다: 오프라인에서 동작하기 때문에 OpenAI의 tiktoken o200k_base 인코딩으로 토큰을 세었습니다. Claude, Gemini 등 다른 모델은 자체 토크나이저를 사용하므로 실제 수치는 어느 정도 차이가 날 것입니다. 여기서 중요한 것은 구성 간의 비율입니다.

MCP 서버 (버전) 도구 수 정의 토큰 도구당 평균
@playwright/mcp 0.0.85 25 4,634 185
@modelcontextprotocol/server-filesystem 2.3.0 16 3,281 205
@modelcontextprotocol/server-memory 2.1.1 9 2,013 224
@modelcontextprotocol/server-everything 2.3.0 16 1,995 125
이 네 개를 합친 경우 66 11,923 181
apidog-mcp-server 0.0.18 3 291 97

평범한 네 개의 서버가 에이전트가 파일 하나 읽기도 전에 약 12,000토큰의 비용을 발생시켰습니다.

마지막 행이 유용한 반례입니다. Apidog MCP 서버는 세 개의 좁은 도구(프로젝트의 OpenAPI 스펙 읽기, $ref 파일 읽기, 스펙 갱신)만 노출하므로 291토큰에 그칩니다. 비용을 좌우하는 것은 프로토콜이 아니라 도구 개수와 스키마 깊이입니다.

CLI 쪽에서는 에이전트가 Apidog CLI 2.2.12를 사용할 때 실제로 무엇을 읽는지 측정했습니다:

CLI 텍스트 컨텍스트에 들어오는 시점 토큰
Apidog CLI 스킬 설명 (frontmatter) 매 세션, 스킬 목록으로 112
Apidog CLI 스킬 본문 작업이 일치할 때만 1,189
apidog --help 에이전트가 실행할 때만 668
apidog test-case --help 에이전트가 실행할 때만 511
apidog run --help 에이전트가 실행할 때만 1,036
측정된 도구 정의 토큰 막대 그래프: Playwright MCP 4,634, Filesystem MCP 3,281, Memory MCP 2,013, Everything MCP 1,995, 네 서버 합계 11,923, 이에 비해 Apidog CLI 스킬 설명은 112, 필요할 때 읽는 apidog --help는 668

CLI 방식의 상시 비용은 112토큰입니다. 에이전트가 전체 스킬을 로드하고 help 페이지 세 개를 읽더라도 약 3,500토큰 정도이며, 필요한 대화에서만 발생합니다.

MCP vs CLI: 토큰 비용 비교

MCP 서버 (정의를 미리 로드) 셸을 통해 호출하는 CLI
선비용 모든 도구의 스키마가 매 턴마다 0, 또는 짧은 스킬 설명
탐색 구조화된 tools/list --help 텍스트, 필요할 때 읽음
출력 도구가 반환하는 값 그대로 명령이 출력하는 값 (필터링 가능)
여러 클라이언트에서 사용 어떤 MCP 클라이언트든, 설정 하나 셸 도구가 있는 어떤 에이전트든
타입이 지정된 인자 예, JSON Schema 기반 플래그; 페이로드 파일은 별도 검증
인증 및 권한 서버의 역할 (원격 HTTP 서버는 OAuth) 로컬 로그인과 셸 권한
MCP 선(先) 로딩과 CLI 온디맨드 로딩 비교 다이어그램: MCP에서는 프롬프트 이전에 많은 JSON 스키마 카드가 컨텍스트 윈도우 대부분을 채우고, CLI에서는 에이전트가 필요할 때만 apidog --help를 실행해 컨텍스트 윈도우가 대부분 비어 있음

에이전트는 이미 셸 도구를 갖고 있기 때문에 선비용 측면에서는 CLI가 우위입니다. apidog endpoint list --project 123을 실행하는 것은 어차피 로드할 Bash 도구를 사용하는 것입니다. MCP 방식이 유리한 경우는 각 클라이언트마다 통합을 따로 작성하지 않고도 여러 클라이언트에서 동일한 기능이 필요할 때이며, 이것이 Sylwia Lask가 지적한 바로 그 요점입니다. MCP는 REST를 대체하는 것이 아니라 AI 클라이언트가 도구를 탐색하고 호출하는 표준 방법입니다.

이미 클라이언트가 MCP 도구를 지연 로딩하고 있을 수 있습니다

모든 서버를 제거하기 전에, 에이전트가 실제로 어떻게 동작하는지 확인하세요. 앞서 말한 비용은 정의가 미리 로드된다는 가정에 기반합니다. 일부 클라이언트는 더 이상 기본적으로 그렇게 하지 않습니다.

Claude Code의 MCP 문서에 따르면 도구 검색은 기본적으로 활성화되어 있습니다. "세션 시작 시 도구 이름과 서버 지침만 로드되며", 전체 정의는 Claude가 검색할 때 로드됩니다. ENABLE_TOOL_SEARCH로 이를 제어할 수 있습니다:

두 가지 예외가 있습니다. Opus 4와 Sonnet 4 이전 모델은 설정과 무관하게 MCP 도구를 미리 로드하며, alwaysLoad: true로 설정된 서버는 지연 로딩을 건너뜁니다. Claude Code에서 /context를 실행하면 어떤 도구가 지연되었는지 확인할 수 있습니다. Claude API 자체에서는 같은 개념이 tool search tool입니다. 미리 로드하지 않을 도구에 defer_loading: true를 설정하면, Anthropic에 따르면 정의 토큰이 일반적으로 85% 이상 절감됩니다.

지연 로딩은 정의 비용은 해결하지만 출력 비용은 해결하지 못합니다. Claude Code는 MCP 도구가 10,000토큰을 넘는 출력을 반환하면 경고하며, 기본적으로 출력을 25,000토큰으로 제한합니다(MAX_MCP_OUTPUT_TOKENS). 프로토콜이 처음이라면 MCP란 무엇이고 왜 API에 중요한가부터 시작하세요.

API 작업에서 MCP와 CLI 중 언제 무엇을 사용할까

API 설계, 테스트, 문서 작업에서는 다음과 같이 구분하세요:

어느 쪽을 선택하든 Sylwia의 경고는 여전히 유효합니다: 데이터를 쓰는 도구에는 서버 측 권한 검사가 필요하고, 위험한 작업에는 사람의 승인 단계가 필요하며, 재실행 시 동일한 레코드가 두 번 생성되지 않도록 중복 감지가 필요합니다.

코딩 에이전트로 Apidog CLI 조종하기

코딩 에이전트가 직접 입력하게 하면서 API 작업을 CLI로 처리하는 방법입니다. CLI를 설치하고, 한 번 로그인한 뒤, 에이전트 스킬을 추가하세요:

npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_TOKEN>
npx -y skills add https://apidog.com   # pick your agent when prompted

에이전트에게 "https://apidog.com/apidog-cli-installation-guide.md를 읽고 Apidog CLI를 설정해 줘"라고 말할 수도 있으며, 에이전트는 에이전트 친화적 설치 가이드를 따라 진행합니다.

그다음 프롬프트 하나를 주면 됩니다:

In Apidog project 123, list the endpoints, export the spec as OpenAPI 3.1 to
./openapi.json, then create a test case for GET /users/{id} that asserts a 200
status and an id field, run it against environment 456 and summarize failures.
Read --help for each command before using it. Print only the lines you need.

에이전트는 진행하면서 help를 읽고, JSON을 검증한 뒤, 케이스를 실행합니다:

apidog endpoint list --project 123 --page 1 --page-size 500
apidog export --project 123 --format openapi --oas-version 3.1 --output ./openapi.json
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project 123 --file case.json
apidog run --test-case <caseId> --project 123 -e 456 -r cli,json

각 명령은 agentHints.nextSteps가 포함된 경우가 많은 구조화된 JSON을 반환하므로, 에이전트는 가능한 모든 동작에 대한 스키마를 로드하지 않고도 다음에 무엇을 실행할지 알 수 있습니다. 동일한 apidog run ... -r junit 명령은 Apidog CLI CI/CD 파이프라인 가이드에 나온 것처럼 CI에 그대로 사용할 수 있습니다. Claude Code 활용 방법은 Claude Code에서의 Apidog CLI를, 측정된 도구 호출 절감 효과는 도구 호출 30% 감소, 토큰 25% 감소를 참고하세요.

시작하기 전에 모든 명령 그룹을 확인하려면 Apidog CLI 페이지를 읽어보세요.

지금 바로 MCP 토큰 비용 줄이는 방법

  1. Claude Code(또는 사용 중인 클라이언트의 동일 기능)에서 /context를 실행해 도구 정의 총량을 확인합니다.
  2. 필요 없는 서버를 전역 설정에서 프로젝트 설정으로 옮깁니다.
  3. 지연 로딩을 켭니다(Claude Code에서는 ENABLE_TOOL_SEARCH).
  4. 터미널 형태의 작업은 넓은 서버 대신 CLI에 짧은 스킬을 더한 것으로 대체합니다.
  5. 직접 만드는 서버는 도구 수를 적게, 설명을 짧게 유지합니다.

FAQ

에이전트가 호출하지 않아도 MCP 도구는 토큰을 소모하나요? 정의를 미리 로드하는 클라이언트에서는 그렇습니다. 모든 도구의 이름, 설명, 입력 스키마가 매 요청에 들어갑니다. 도구 검색이 켜진 Claude Code처럼 지연 로딩을 지원하는 클라이언트는 도구가 필요해질 때까지 도구 이름만 전송합니다.

MCP 서버는 몇 토큰을 사용하나요? 도구 개수와 스키마 깊이에 따라 다릅니다. 제 측정에서는 @playwright/mcp가 25개 도구에 4,634토큰, Apidog MCP 서버가 3개 도구에 291토큰을 사용했으며, o200k_base 토크나이저로 계산했습니다.

AI 에이전트에게 CLI가 항상 MCP보다 저렴한가요? 선비용 측면에서는 거의 항상 그렇습니다. 에이전트가 셸 도구를 재사용하기 때문입니다. 호출당 비용으로 보면 에이전트가 큰 페이로드를 출력할 경우 CLI도 컨텍스트를 초래할 수 있으므로, 어느 쪽이든 출력을 필터링하세요.

프롬프트 캐싱이 MCP 컨텍스트 비대를 해결해 주나요? 반복되는 정의의 비용은 낮춰줍니다. 하지만 컨텍스트 윈도우를 비워주지는 않으며, 모델은 매 턴마다 여전히 해당 토큰에 주의를 기울입니다.

MCP 서버 사용을 중단해야 할까요? 아닙니다. 구조화되고 매 턴 필요한 접근과, 여러 클라이언트에서 하나의 기능을 공유할 때는 좁은 서버를 사용하세요. 내보내기와 테스트 실행 같은 터미널 형태의 API 작업은 CLI로 옮기세요.

Apidog에서 API 설계-첫 번째 연습

API를 더 쉽게 구축하고 사용하는 방법을 발견하세요