직군별 AI 도구 선택 가이드: MCP vs CLI, 나는 뭘 써야 할까?

MCP(Model Context Protocol)가 컨텍스트를 21,077토큰이나 소비한다는 충격적인 실측 데이터가 공개됐습니다. 개발자·기획자·데이터 직무별로 딱 맞는 AI 도구 선택 기준을 실용적으로 정리해드립니다.

AI 도구 선택, 남들 다 쓴다고 따라가야 할까요? 🤔

요즘 팀에서 AI 도구 얘기가 나오면 항상 분위기가 비슷해요. 누군가 “MCP 써봤어요?” 하면, 절반은 “좋던데요”, 나머지 절반은 “저는 그냥 CLI가 편해서요” 하고 조용히 자리를 피하거든요. 실제로 저도 처음 MCP를 접했을 때 ‘이게 미래구나!’ 싶었다가, 어느 순간 응답이 느려지고 컨텍스트가 팍팍 줄어드는 걸 체감하고 나서 다시 고민에 빠졌어요.

그러던 중 GeekNews에서 흥미로운 글이 올라왔어요. Quandri 엔지니어링 팀이 MCP 서버의 실제 토큰 비용을 측정해서 공개한 건데, 커뮤니티 반응도 뜨거웠습니다. “그냥 본인 상황에 맞는 기술을 택하면 되지 않을지 싶은데요. 죽었다기엔 이미 너무 많이 쓰고 있는데”라는 댓글이 가장 많은 공감을 받았고요. 또 “개발 단계에서는 MCP 활용, 서비스 단계에서는 비용 문제로 Skills 사용 중”이라는 현실적인 운영 사례도 눈에 띄었어요. 결국 도구 선택은 기술 우열의 문제가 아니라 직군과 상황에 맞는 판단의 문제더라고요.

목차

1. MCP가 도대체 뭔데?
2. 토큰 비용의 충격
3. 개발자라면
4. 기획자·마케터·운영이라면
5. 데이터 분석가·엔지니어라면
6. 이런 분들께 적극 추천합니다
7. 자주 묻는 질문 (FAQ)

1. MCP가 도대체 뭔데? 🛠️

MCP란 무엇인가요?

MCP는 Model Context Protocol의 약자로, Anthropic이 2024년 말 공개한 오픈 표준 프로토콜이에요. 쉽게 말하면 AI 모델이 외부 도구·서비스와 표준화된 방식으로 연결되도록 해주는 일종의 ‘범용 플러그인 규격’이에요. 예를 들어 Claude에게 “Linear에서 이번 주 이슈 정리해줘”라고 말하면, MCP 서버가 Linear API를 호출하고 결과를 Claude에게 전달하는 식이에요.

CLI 방식과 뭐가 다른가요?

CLI(Command Line Interface) 방식은 쉘 스크립트나 직접 API 호출로 필요한 데이터만 딱 가져오는 방식이에요. 반면 MCP는 서버가 시작될 때 ‘나는 이런 도구들을 제공합니다’라는 도구 목록 전체를 AI의 컨텍스트에 등록해요. 이게 바로 토큰 소비의 핵심 원인이 되는 거예요.

2. 토큰 비용의 충격 📊

Quandri 엔지니어링 팀이 실측 데이터를 공개했어요. MCP 서버를 연결했을 때 도구 목록 등록만으로 소비되는 토큰 양이 얼마나 되는지 직접 측정한 결과예요.

이 21,077토큰이 어느 정도냐면, Claude의 200K 컨텍스트 윈도우 기준으로 10.5%를 도구 목록 등록만으로 써버리는 거예요. GPT-4o의 128K 기준으로는 무려 16.5%나 되고요.

65배 차이, 이게 말이 됩니까?

더 충격적인 건 실제 작업 비용이에요. Linear에서 이슈를 조회하는 동일한 작업을 두 방식으로 비교하면…

# CLI 방식: 필요한 데이터만 직접 호출
curl -H "Authorization: Bearer $LINEAR_TOKEN" \
  "https://api.linear.app/graphql" \
  -d '{"query": "{ issues(first: 5) { nodes { title state { name } } } }"}'
# 토큰 소비: ~200토큰

# MCP 방식: 도구 목록 로드 + 실제 호출
# 도구 목록 등록: ~12,807토큰
# + 실제 호출:      ~150토큰
# 합계: ~12,957토큰 (65배 차이!)

속도 문제도 있어요

Jira를 대상으로 한 벤치마크에서는 MCP가 REST API 직접 호출 대비 일반 호출 시 3배, 첫 번째 호출 시 9.4배 느린 것으로 나타났어요. Claude Code 팀은 이 문제를 인식해서 ‘Deferred Loading’ 방식을 도입했고, 덕분에 컨텍스트 사용량이 85% 이상 감소했다고 해요. 하지만 이건 Claude Code에 한정된 개선 사항이에요.

3. 개발자라면 💻

MCP를 써야 할 때

솔직히 말하면, 개발자에게 MCP가 빛나는 순간은 분명히 있어요. 여러 도구를 오가며 컨텍스트를 수동으로 복붙해야 하는 상황이 바로 그거예요. 예를 들어 GitHub 이슈를 읽고, Notion 문서를 참조하고, Slack 스레드를 확인하면서 코드 수정 방향을 잡아야 할 때 — 이 흐름을 하나의 AI 세션에서 처리할 수 있다는 건 확실히 강점이에요.

CLI가 더 나은 경우

하지만 반복적인 단일 작업이라면 CLI가 훨씬 경제적이에요. CI/CD 파이프라인에서 특정 API를 반복 호출하거나, 스크립트로 자동화된 워크플로우를 실행할 때는 MCP의 오버헤드가 오히려 부담이 돼요. Claude Code를 활용한 생산성 팁이 궁금하시면 이 글도 참고해보세요.

개발자를 위한 실용적인 판단 기준

간단하게 정리하면 이렇게 판단해요:

• 도구 3개 이상을 오가야 하는 탐색적 작업 → MCP 유리
• 단일 API를 반복 호출하는 자동화 작업 → CLI 유리
• 프로덕션 환경의 비용 민감한 작업 → CLI 또는 Skills 방식
• 로컬 개발 환경에서 프로토타이핑 → MCP 편리

4. 기획자·마케터·운영이라면 📋

코드 없이도 MCP를 쓸 수 있나요?

네, 요즘은 Claude Desktop이나 다른 MCP 호환 클라이언트를 통해 코드 없이도 MCP를 활용할 수 있어요. 특히 Notion이나 Slack 같은 협업 도구와 연결하면 비개발 직무에서도 실질적인 효용이 생겨요. 예를 들어 “오늘 Slack에서 언급된 고객 불만 Notion에 정리해줘” 같은 요청이 자연어 하나로 처리되는 거예요.

주의해야 할 점

다만, 비개발 직무일수록 도구 개수가 많아지는 경향이 있어요. Notion + Slack + Gmail + Calendar + Jira를 전부 연결하면? 앞서 본 것처럼 토큰이 폭발적으로 늘어나요. 이 경우 실제 업무에 자주 쓰는 도구 2~3개만 선별적으로 연결하는 게 훨씬 효과적이에요.

비개발 직무 추천 체크리스트

• ✅ 자주 사용하는 도구 최대 3개만 MCP 연결
• ✅ 탐색·요약·정리 업무에는 MCP 적극 활용
• ✅ 단순 반복 입력 업무는 노션 자동화 등 네이티브 기능 우선
• ✅ AI 응답이 느려졌다면 연결된 MCP 서버 수 확인
• ✅ 민감 데이터(인사·재무)는 MCP 연결 전 보안 정책 확인
• ✅ 팀 전체가 쓸 땐 관리형 MCP 서비스 고려

5. 데이터 분석가·엔지니어라면 📈

데이터 직무의 특수한 상황

데이터 분석가나 데이터 엔지니어는 조금 독특한 위치에 있어요. 개발자만큼 코드를 쓰지만, 사용하는 도구의 패턴이 다르거든요. SQL 쿼리, Python 스크립트, BI 대시보드, 데이터 파이프라인 — 이 흐름이 MCP와 어떻게 맞는지 따로 생각해볼 필요가 있어요.

Postgres MCP의 특별한 경우

흥미롭게도 Postgres MCP 서버는 도구 9개에 438토큰 — 다른 서버에 비해 압도적으로 토큰 효율이 좋아요. 데이터베이스 쿼리 중심의 분석 업무라면 MCP 연결이 오히려 합리적인 선택일 수 있어요. “이 테이블의 지난 30일 트렌드 분석해줘”처럼 자연어로 복잡한 쿼리를 요청할 수 있거든요.

데이터 직무별 도구 선택 비교

6. 이런 분들께 적극 추천합니다 🎯

• 여러 SaaS 도구를 매일 오가며 정보를 취합하는 분 → MCP로 연결하면 시간이 확 줄어요
• CI/CD나 배치 작업처럼 반복적인 자동화를 운영하는 개발자 → CLI/REST API가 훨씬 빠르고 저렴해요
• 코딩 없이 AI 도구를 업무에 녹이고 싶은 기획자·마케터 → Claude Desktop + MCP 2~3개 조합 추천
• 데이터베이스 중심으로 일하는 데이터 분석가 → Postgres MCP는 토큰 효율이 좋아요
• 프로덕션 API 비용이 민감한 스타트업 개발팀 → 개발 단계는 MCP, 서비스 단계는 Skills/CLI 전환 전략
• AI 도구를 처음 도입하는 비개발 팀 → 한 번에 다 연결하지 말고 핵심 도구 1~2개부터 시작하세요
• 복잡한 멀티스텝 리서치를 자주 하는 분 → MCP의 도구 체이닝 능력이 진가를 발휘해요

7. 자주 묻는 질문 (FAQ) ❓

Q. MCP와 CLI를 동시에 써도 되나요?

A. 물론이에요! 오히려 이게 가장 현실적인 방식이에요. 탐색·기획 단계에서는 MCP로 여러 도구를 유연하게 연결하고, 작업이 반복·자동화 단계로 넘어가면 CLI나 REST API로 교체하는 하이브리드 전략이 실무에서 가장 많이 쓰이는 패턴이에요. GeekNews 커뮤니티에서도 “개발 단계는 MCP, 서비스 단계는 Skills”라는 운영 사례가 공유됐어요.

Q. 토큰 비용 문제가 앞으로도 계속될까요?

A. Claude Code 팀이 Deferred Loading 방식을 도입해서 컨텍스트 사용량을 85% 이상 줄이는 데 성공했어요. 앞으로 MCP 스펙이 성숙해지면서 도구 설명을 압축하거나 동적으로 로드하는 방식이 표준화될 가능성이 높아요. 다만 지금 당장은 도구 수를 최소화하는 것이 가장 효과적인 비용 관리 방법이에요.

Q. 비개발자인데 MCP 설정이 너무 어려워요. 어떻게 시작하면 되나요?

A. Claude Desktop 앱에서 MCP 서버를 JSON 설정 파일 하나로 추가할 수 있어요. Notion이나 Slack 공식 MCP 서버는 문서화가 잘 돼 있고, 설정 예시도 제공되거든요. 처음에는 Notion MCP 하나만 연결해서 “내 워크스페이스에서 이번 주 할 일 정리해줘” 같은 간단한 요청부터 시작해보는 걸 추천해요. 익숙해지면 하나씩 추가하면 돼요.

마치며 ✍️

MCP는 죽지 않았어요. 다만 만능도 아니에요. 직군별로, 작업 성격별로, 그리고 비용 민감도에 따라 전혀 다른 선택이 맞을 수 있거든요. 개발자라면 MCP와 CLI를 상황에 따라 전환하는 유연함이, 비개발자라면 연결 도구 수를 절제하는 지혜가 핵심이에요.

중요한 건 남들이 쓴다고 무조건 따라가는 게 아니라, 내 업무 흐름과 도구 비용을 직접 측정해보는 거예요. Quandri 팀이 직접 측정해서 공개한 것처럼요 😊

여러분은 어떤 직군이고, 어떤 AI 도구를 쓰고 계신가요? 댓글로 자유롭게 의견 남겨주세요! 😊

자료 출처

• Quandri Engineering Blog — MCP Is Dead
• Model Context Protocol 공식 문서