[심층분석] MCP 서버를 CLI로 바꾸는 마법: mcp2cli가 AI 에이전트 토큰 낭비를 96% 줄이는 방법

도입: AI 에이전트 시대, 도구 호출의 숨겨진 비용

AI 에이전트가 외부 도구를 호출할 때마다 우리가 간과하는 비용이 있다. 바로 매 턴마다 반복 전송되는 도구 스키마(tool schema) 토큰이다. Claude, GPT 등 LLM 기반 에이전트가 MCP(Model Context Protocol) 서버의 도구를 사용할 때, 사용 가능한 도구 목록과 파라미터 정의가 매번 컨텍스트에 포함된다. 도구가 수십 개라면 이 오버헤드는 상당하다.

최근 GitHub에서 337스타를 빠르게 모은 mcp2cli는 이 문제에 정면으로 도전한다. MCP 서버나 OpenAPI 스펙을 런타임에 CLI로 변환하여, 코드 생성(codegen) 없이 즉시 명령줄에서 호출할 수 있게 해주는 도구다. 핵심 가치는 명확하다: AI 에이전트가 도구를 호출할 때 낭비되는 토큰을 96~99% 절감하겠다는 것.

기술 분석: 런타임 CLI 변환의 동작 원리

핵심 메커니즘

mcp2cli의 접근 방식은 우아하다. MCP 서버가 노출하는 도구 스키마를 읽어 들여, 이를 동적으로 CLI 명령어와 플래그로 매핑한다. 코드를 생성하거나 빌드 과정을 거치지 않는다. 런타임에 즉시 변환이 이루어진다.

# MCP 서버의 도구 목록 확인
mcp2cli --mcp https://mcp.example.com/sse --list
도구 직접 호출
mcp2cli --mcp https://mcp.example.com/sse search --query "test"

기존 방식에서는 AI 에이전트가 매 요청마다 전체 도구 스키마를 JSON으로 전송해야 했다. mcp2cli는 이를 CLI 인터페이스로 대체함으로써, 에이전트가 단순히 셸 명령어를 실행하는 것만으로 도구를 호출할 수 있게 한다. 스키마 전송이 불필요해지니 토큰 절감은 자연스러운 결과다.

지원하는 연결 방식

MCP HTTP/SSE 모드: 원격 MCP 서버에 HTTP 또는 SSE(Server-Sent Events) 프로토콜로 연결
OpenAPI 스펙 모드: OpenAPI JSON/YAML 명세서를 읽어 자동으로 CLI 명령어 생성
OAuth 인증: Authorization Code + PKCE 플로우와 Client Credentials 플로우를 모두 지원하며, 토큰 캐싱과 자동 갱신까지 내장

# OAuth 인증이 필요한 서버 연결 (브라우저 자동 오픈)
mcp2cli --mcp https://mcp.example.com/sse --oauth --list
머신 투 머신 인증
mcp2cli --mcp https://mcp.example.com/sse 
  --oauth-client-id "my-client-id" 
  --oauth-client-secret "my-secret" 
  search --query "test"

보안 측면에서도 env:와 file: 접두어를 통해 민감한 값을 환경변수나 파일에서 읽어올 수 있어, 시크릿이 명령어 히스토리에 노출되는 위험을 줄였다.

AI 에이전트 스킬 시스템

특히 주목할 점은 AI 코딩 에이전트(Claude Code, Cursor, Codex)에 스킬로 설치할 수 있다는 것이다.

npx skills add knowsuchagency/mcp2cli --skill mcp2cli

설치 후 에이전트에게 자연어로 지시하면, 에이전트가 mcp2cli를 활용해 MCP 서버를 탐색하거나 OpenAPI 엔드포인트에서 새로운 스킬을 자동 생성할 수 있다.

업계 맥락: MCP 생태계의 진화와 효율성 경쟁

Anthropic이 주도한 MCP(Model Context Protocol)는 AI 에이전트의 도구 사용 표준으로 빠르게 자리잡고 있다. 하지만 프로토콜이 성숙해질수록, 실제 운영 환경에서의 효율성 문제가 부각되고 있다.

기존에도 MCP 서버를 활용하는 방법은 다양했다. Claude Desktop의 내장 MCP 클라이언트, Cursor의 MCP 통합, 그리고 다양한 SDK 기반 래퍼들이 있다. 그러나 이들은 대부분 에이전트 런타임 내부에서 스키마를 매번 로딩하는 구조를 따른다.

mcp2cli는 이 패러다임을 뒤집는다. 도구 호출을 에이전트 내부 프로토콜이 아닌 표준 CLI 인터페이스로 외부화함으로써, 토큰 비용과 컨텍스트 윈도우 압박을 동시에 해결한다. 이는 마치 REST API를 curl로 직접 호출하는 것과 같은 직관성을 AI 도구 호출에 부여하는 셈이다.

OpenAPI 스펙 지원은 또 다른 전략적 선택이다. 세상의 수많은 API가 이미 OpenAPI 명세를 갖추고 있으므로, MCP 서버 구축 없이도 기존 API를 즉시 AI 에이전트의 도구로 활용할 수 있는 길을 열어준다.

한국 개발자에게 미치는 영향

실무 활용 시나리오

1. 사내 API 즉시 에이전트화: 사내 OpenAPI 스펙이 있는 서비스라면, 별도 MCP 서버 개발 없이 mcp2cli로 즉시 AI 에이전트에 연결 가능
2. 토큰 비용 최적화: GPT-4나 Claude 기반 에이전트를 운영 중인 팀이라면, 도구 스키마 토큰 절감만으로 상당한 API 비용 절감 기대
3. 빠른 프로토타이핑: 새로운 MCP 서버를 테스트하거나 디버깅할 때, CLI에서 즉시 도구를 호출해볼 수 있어 개발 생산성 향상
4. CI/CD 파이프라인 통합: CLI 기반이므로 셸 스크립트나 자동화 파이프라인에 자연스럽게 통합 가능

고려할 점

Python 기반(pip install mcp2cli 또는 uvx mcp2cli)으로 설치가 간편하지만, 아직 초기 프로젝트(커밋 35개)인 만큼 프로덕션 도입에는 안정성 검증이 필요하다. 또한 토큰 절감 수치(96~99%)는 도구 수와 스키마 복잡도에 따라 달라질 수 있으므로, 자체 벤치마크를 권장한다.