昨年の5月頃から、反MCP・賛CLIの流れが続いてるね（私もその頃からずっと言ってるけど）。でも、MCPには本当に実用的な使い道があると思う。特に、MCPはカプセル化の素晴らしい単位なんだ。私はセキュアエージェントフレームワーク（https://github.com/sibyllinesoft/smith-core）を使って、MCPをサイドカー経由でマイクロサービスに変換してサービスメッシュに接続してる。これで、エージェントの機能を簡単にセキュアにできるんだ。エージェントは、すべてのコマンドをbashでcurlするだけで済むから、CLIが必要なくなる。CLIは少しトークン効率が良いけど、全体的にはシンプルさとパワーが大きな勝利だよ。

MCPとCLIのどちらが優れているかをみんなが議論してるなんて信じられない。どちらもツール呼び出しの方法で、LLMがどのフォーマットを使っても、同じ機能を提供できれば問題ないんだ。CLIの方がほんの少し良いかもしれないけど（LLMは一般的なCLIで訓練されてるかもしれないし）、MCPにも使い道がある（複雑な認証やユーザーをデータソースに接続するなど）。私の経験では、フロンティアモデルを使っているなら、どのツール呼び出しフォーマットを使ってもあまり関係ないよ。オーダーメイドのフォーマットでも問題ないしね。話すべき違いは、スキルがどれだけ効率的なコンテキスト管理を可能にするかだと思う。スキルはCLIの使用とよく結びつけられるけど、理由が見当たらない。例えば、AmpではスキルにMCPサーバーを接続できるんだ。エージェントがそのスキルを読み込むと、MCPサーバーが自動的に起動する[0]。MCPサーバーとCLIの両方において、スキルに組み込むことが効率的なコンテキストの方法だと思うし、他のエージェントもこの機能を採用してくれることを願ってるよ。[0]: https://ampcode.com/manual#mcp-servers-in-skills

MCP（特にリモートMCP）は、まるでブラックボックスAPIみたいだね。何もインストールしたり、リソースを準備したりする必要がない。呼び出すだけで、答えが返ってくる。そういうのも必要だけど、MCPは結局鈍器みたいなもんだ。一方でCLIツールは精密機器みたいなもの。確かに一度ローカルにインストールする必要があるけど、その後はローカル環境にアクセスできて、自分で物事を発見できる。特に大規模な構造化データを扱うのに強力なCLIが2つある：jqとduckdb CLI。エージェントには、大きなJSON、CSV、Parquetファイルをコンテキストに読み込ませないように言ってる。代わりに、これらのCLIツールを使ってデータをサンプリングして賢く調べるんだ。そしてOpus 4.6はこれがすごく得意！数秒でデータの形を理解して、DuckDBやjqで「プロービング」クエリを書くんだ。ボトルネックにぶつかると、Opus 4.6は何が問題かを理解して、他のクエリ戦略を試す。うさぎの穴に入っていく様子を見て、そして自動的に回復するのは本当にすごい。これはML作業での探索的データ分析に特に役立つ。エージェントはこれらのツールを使って、データのエッジケースを素早くチェックして、私よりもずっと徹底的に仕事をしてくれる。CLIはMCPよりも「サクサク」動く感じがする。MCPは遅延があることが多いけど、CLIはリアルタイムで動くのが見える。これには特有の使いやすさがあるね。追記：エージェントと一緒に使うことが多い他のCLI：showboat（Simon Willison）でコードのリニアウォークスルーをする。br（Rust版Beads）でOpusに計画を実装するためのエピック/ストーリー/タスクを作成する。psqlでPostgresデータベースを調べる。roborev（Wes McKinney）で自動コードレビューと修正を行う。