MCP ve CLI arasındaki fark, ajanınızın bir araca ne zaman ödeme yaptığına dayanır. Bir MCP sunucusu, siz hiçbir şey yazmadan önce her aracın adını, açıklamasını ve JSON Schema'sını modele gönderir. Bir CLI ise, ajan onu çalıştırıp --help çıktısını veya çıktısını okuyana kadar hiçbir maliyeti yoktur. Ölçtüğüm bir kurulumda, dört yaygın MCP sunucusu 11.923 tokenlık araç tanımı ekledi; Apidog CLI skill'i ise yalnızca 112 token ekledi.
Bu fark, bu haftaki iki Dev.to gönderisinin arkasındaki hikâyenin tamamı. Bir geliştirici bir kodlama ajanına "Run tests" yazdığında ilk istekte 28.400 giriş tokeni gördü — hiç dosya eklenmemiş, hiç geçmiş yoktu. Suçlu yedi MCP sunucusuydu. Bir diğeri ise MCP'nin inşa etmesinin çok kolay olduğunu, zor kısımların (kimlik doğrulama, onaylar, yinelenen çağrılar) ise ancak demo çalıştıktan sonra başladığını savundu.
Bu makale tek bir soruda kalıyor: araç tanımları bağlam pencerenize ne kadara mal oluyor ve bir ajanın ihtiyaç anında çağırdığı bir CLI ne zaman daha az maliyetli olur? Sorununuz bunun yerine devasa araç yanıtlarıysa, şişkin API yanıtlarını kısaltma konusundaki yardımcı yazıyı okuyun.
MCP sunucuları neden bağlam penceresi tokenleri kullanır?
Bir MCP sunucusu araçlarını tools/list yöntemiyle duyurur. MCP araç spesifikasyonuna göre her araç bir name, bir description ve bir inputSchema (argümanları için bir JSON Schema) taşır. Modelin bir aracı seçebilmesi için istemcinin bu tanımları isteğe eklemesi gerekir. Klasik bir kurulumda bu, ajan aracı çağırsın ya da çağırmasın, her konuşmanın her turunda gerçekleşir.
Böylece maliyet üç şeyle birlikte büyür:
- Araç sayısı. Eksiksiz bir GitHub entegrasyonu düzinelerce aracı ortaya çıkarabilir.
- Şema derinliği. İç içe nesneler, enum'lar ve uzun açıklamaların tümü token'e dönüşür.
- Turlar. Bir ajan döngüsü tanımları her adımda yeniden gönderir.
Necoz'un gönderisi buna sayısal değer veriyor: 52 araçlık bir yığın, 1. turda 24.600 tokenlık şemaya mal olurken bu, 4 araçlık bir kurulum için 640 token ve 10 adımlık bir döngü boyunca yaklaşık 246.000 token. Bunları bir benchmark değil, tek bir geliştiricinin ölçümü olarak değerlendirin. Prompt önbellekleme, yinelenen tanımların dolar maliyetini düşürür; ancak tokenler yine de pencereyi kaplar ve kodunuzun dikkatini paylaşmak zorunda kalır.
Bir de kalite maliyeti var. Anthropic'in araç arama dokümantasyonu, GitHub, Slack, Sentry, Grafana ve Splunk içeren çoklu sunucu kurulumunun "Claude hiçbir iş yapmadan önce tanımlarda ~55 bin token tüketebileceğini" ve mevcut araç sayısı 30 ile 50'yi aştığında Claude'un araç seçim doğruluğunun düştüğünü belirtir.
MCP araç tanımı tokenleri: tekrarlayabileceğiniz bir ölçüm
16 Kasım 2026'da beş MCP sunucusunu stdio üzerinden yerel olarak başlattım, 30 satırlık bir Node betiğiyle initialize ve tools/list istekleri gönderdim ve her aracın name, description ve inputSchema alanlarındaki tokenleri saydım.
Baştan bir uyarı: Çevrimdışı çalıştığı için sayımı OpenAI'ın tiktoken o200k_base kodlamasıyla yaptım. Claude, Gemini ve diğer modeller kendi tokenizer'larını kullanır, dolayısıyla sizin sayımlarınız bir miktar farklı olacaktır. Burada önemli olan, kurulumlar arasındaki oranlardır.
| MCP sunucusu (sürüm) | Araçlar | Tanım tokenleri | Ortalama / araç |
|---|---|---|---|
@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 |
| Bu dördü birlikte | 66 | 11.923 | 181 |
apidog-mcp-server 0.0.18 |
3 | 291 | 97 |
Dört sıradan sunucu, ajan tek bir dosya okumadan önce yaklaşık 12.000 tokena mal oluyor.
Son satır işe yarayan karşı örnektir. Apidog MCP sunucusu yalnızca üç dar kapsamlı araç sunar (projenin OpenAPI spesifikasyonunu okuma, $ref dosyalarını okuma, spesifikasyonu yenileme), dolayısıyla maliyeti 291 token. Faturayı belirleyen araç sayısı ve şema derinliğidir, protokol değil.
CLI tarafında ise, bir ajanın Apidog CLI 2.2.12 kullanırken gerçekte ne okuduğunu ölçtüm:
| CLI metni | Bağlama ne zaman girer | Token |
|---|---|---|
| Apidog CLI skill açıklaması (frontmatter) | Her oturumda, skill listesi olarak | 112 |
| Apidog CLI skill gövdesi | Yalnızca görev eşleştiğinde | 1.189 |
apidog --help |
Yalnızca ajan çalıştırdığında | 668 |
apidog test-case --help |
Yalnızca ajan çalıştırdığında | 511 |
apidog run --help |
Yalnızca ajan çalıştırdığında | 1.036 |

CLI yolunun sürekli açık maliyeti 112 token. Ajan tüm skill'i yükleyip üç yardım sayfası okusa bile toplam yaklaşık 3.500 tokena ulaşır ve yalnızca ihtiyaç duyan konuşmada.
MCP vs CLI: token maliyeti karşılaştırması
| MCP sunucusu (tanımlar baştan yüklenir) | Kabuktan çağrılan CLI | |
|---|---|---|
| Baştan maliyet | Her turda, her aracın şeması | Sıfır ya da kısa bir skill açıklaması |
| Keşif | Yapılandırılmış tools/list |
--help metni, ihtiyaç duyulduğunda okunur |
| Çıktı | Aracın döndürdüğü her şey | Komutun yazdırdığı her şey (filtreleyebilirsiniz) |
| İstemciler arası çalışma | Herhangi bir MCP istemcisi, tek yapılandırma | Kabuk aracı olan herhangi bir ajan |
| Tip tanımlı argümanlar | Evet, JSON Schema ile | Bayraklar; payload dosyaları ayrıca doğrulanır |
| Kimlik doğrulama ve izinler | Sunucunun işi (uzak HTTP sunucuları için OAuth) | Yerel oturum açma ve kabuk izinleriniz |

CLI, baştan maliyet konusunda kazanır çünkü ajanın zaten bir kabuk aracı vardır. apidog endpoint list --project 123 çalıştırmak, ajanın zaten yükleyeceği Bash aracını kullanır. MCP yolu ise aynı yeteneği her birine entegrasyon yazmadan birden fazla istemcide kullanmanız gerektiğinde kazanır — bu, Sylwia Lask'ın vurguladığı noktadır: MCP, REST'in yerini almaz; AI istemcilerinin araçları keşfetmesi ve çağırması için standart bir yoldur.
İstemciniz MCP araçlarını şimdiden erteliyor olabilir
Tüm sunucuları söküp atmadan önce ajanınızın ne yaptığını kontrol edin. Yukarıdaki maliyet, tanımların baştan yüklendiğini varsayar. Bazı istemciler artık bunu varsayılan olarak yapmıyor.
Claude Code'un MCP dokümantasyonu, araç aramanın varsayılan olarak etkin olduğunu belirtir: "Oturum başlangıcında yalnızca araç adları ve sunucu talimatları yüklenir" ve tam tanımlar Claude bunları aradığında yüklenir. Bunu ENABLE_TOOL_SEARCH ile kontrol edersiniz:
- atanmamış veya
true: MCP araçları ertelenir ve ihtiyaç halinde yüklenir auto: tanımların toplamı bağlam penceresinin %10'unun altındaysa araçlar baştan yüklenirauto:N: aynı şey, kendi yüzde dilimlemeylefalse: her MCP aracı baştan yüklenir
İki istisna önemli. Opus 4 ve Sonnet 4'ten eski modeller, MCP araçlarını koşulsuz olarak baştan yükler ve alwaysLoad: true olarak ayarlanmış bir sunucu erteleme dışında kalır. Hangi araçların ertelendi olarak işaretlendiğini görmek için Claude Code'da /context komutunu çalıştırın. Claude API'sinin kendisinde ise aynı fikir tool search tool'dur: baştan yüklenmemesi gereken araçlara defer_loading: true ayarlarsınız ve Anthropic, bunun tipik olarak tanım tokenlerini %85'ten fazla düşürdüğünü söyler.
Erteleme, tanım maliyetini düzeltir; çıktı maliyetini değil: Bir MCP aracı 10.000 tokenden fazlasını döndürdüğünde Claude Code uyarı verir ve çıktıyı varsayılan olarak 25.000'de sınırlar (MAX_MCP_OUTPUT_TOKENS). Protokol yeni mi geldi? MCP'nin ne olduğu ve API'ler için neden önemli olduğu yazısıyla başlayın.
API işlerinde MCP mi CLI mı ne zaman kullanılmalı?
API tasarımı, test ve dokümantasyon için şu ayrımı kullanın:
- CLI kullanın — görev zaten terminalde koşacağınız bir şeyse: uç noktaları listelemek, bir OpenAPI dosyasını dışa aktarmak, bir test senaryosu oluşturup çalıştırmak, CI'da bir paket çalıştırmak gibi. Ajan, yardım metni için yalnızca ihtiyaç duyduğunda ödeme yapar ve çıktıyı
jqveya--reportersüzerinden yönlendirerek kısa tutabilirsiniz. - Dar kapsamlı bir MCP sunucusu kullanın — ajanın her turda yapılandırılmış okuma erişimine ihtiyacı varsa; örneğin istemci kodu yazarken OpenAPI spesifikasyonunuzu okumak gibi. 291 token için üç araç, adil bir fiyat.
- Kaçının — her projede küresel olarak beş veya daha fazla sunucuyu etkin bırakmaktan. 28.400 tokenlik "Run tests"i üreten kurulum tam olarak buydu.
Hangisini seçerseniz seçin, Sylwia'nın uyarıları geçerli: veri yazan bir aracın sunucu tarafı izin kontrollerine, riskli işlemler için bir insan onay adımına ve yinelenen kayıt oluşturmayı önlemek için çift kayıt tespitine ihtiyacı var.
Kodlama ajanınızın Apidog CLI'ı kullanmasına izin verin
İşte API işleri için CLI yolu; yazan taraf kodlama ajanınız olsun. CLI'ı kurun, bir kez giriş yapın ve ajan skill'ini ekleyin:
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
Ajana "Read https://apidog.com/apidog-cli-installation-guide.md and set up Apidog CLI" diyerek de ajana uygun kurulum rehberini takip etmesini sağlayabilirsiniz.
Ardından tek bir prompt verin:
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.
Ajan ilerledikçe yardımı okur, JSON'unu doğrular ve senaryoyu çalıştırır:
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
Her komut, genellikle agentHints.nextSteps içeren yapılandırılmış JSON döndürür; böylece ajan, her olası eylem için bir şema yüklemeden bir sonraki adımda ne çalıştıracağını bilir. Aynı apidog run ... -r junit satırı, Apidog CLI CI/CD hattı rehberinde gösterildiği gibi doğrudan CI'a girer. Claude Code için adım adım bir anlatım için Claude Code'da Apidog CLI yazısına, ölçülmüş araç çağrısı tasarrufları için %30 daha az araç çağrısı, %25 daha az token yazısına bakın.
Başlamadan önce tüm komut gruplarını görmek için Apidog CLI sayfasını okuyun.
MCP token maliyetini bugün nasıl düşürürsünüz
- Claude Code'da (veya istemcinizin eşdeğerinde)
/contextkomutunu çalıştırın ve araç tanımlarının toplamını not edin. - İhtiyaç duymadığınız sunucuları küresel yapılandırmadan proje yapılandırmasına taşıyın.
- Ertelenmiş yüklemeyi açın (Claude Code'da
ENABLE_TOOL_SEARCH). - Geniş kapsamlı sunucuları, terminal biçimli işler için bir CLI artı kısa bir skill ile değiştirin.
- Kendi kurduğunuz sunucular için araç sayısını az ve açıklamaları kısa tutun.
SSS
Ajan hiç çağırmasa bile MCP araçları token harcar mı? Tanımları baştan yükleyen bir istemcede evet. Her aracın adı, açıklaması ve giriş şeması her isteğe girer. Araç arama açık olan Claude Code gibi ertelenmiş yükleme sunan istemciler, bir araca ihtiyaç duyulana kadar yalnızca araç adlarını gönderir.
Bir MCP sunucusu kaç token kullanır? Araç sayısına ve şema derinliğine bağlıdır. Ölçümümde @playwright/mcp, 25 araç için 4.634 token; Apidog MCP sunucusu ise 3 araç için 291 token kullandı — o200k_base tokenizer ile sayıldı.
AI ajanları için CLI her zaman MCP'den daha mı ucuz? Baştan maliyet olarak neredeyse her zaman, çünkü ajan kendi kabuk aracını yeniden kullanır. Çağrı başına ise, ajan büyük bir payload yazdırırsa bir CLI yine bağlamı doldurabilir; her iki durumda da çıktıyı filtreleyin.
Prompt önbellekleme MCP bağlam şişkinliğini çözer mi? Yinelenen tanımların fiyatını düşürür. Bağlam penceresini boşaltmaz ve model her turda o tokenlere yine dikkat harcar.
MCP sunucularını kullanmayı bırakmalı mıyım? Hayır. Yapılandırılmış, her tura yayılan erişim ve tek bir yeteneği istemciler arasında paylaşmak için dar kapsamlı sunucular kullanın. Dışa aktarma ve test çalıştırma gibi terminal biçimli API işlerini bir CLI'a taşıyın.
