MCP, Code, 또는 Commands? AI 도구 통합을 위한 의사결정 프레임워크

Source: Dev.to

의사결정 프레임워크

빠른 의사결정 가이드

의사결정 흐름도

Q1: One‑off task ( 100 rows AND need  20 AND requirements stable?
    YES → MCP Optimized
    NO  → Code‑Driven (prototype, then migrate)

NEVER:
  - MCP Vanilla for production (always suboptimal)
  - Skills for multi‑user or sensitive systems

세 가지 접근법 설명

MCP (Model Context Protocol)

AI 도구와의 통신을 위한 구조화된 프로토콜. 모델이 JSON 매개변수로 도구를 호출하면 서버가 실행하고 구조화된 결과를 반환합니다.

// MCP tool call – structured, typed, validated
await call_tool('analyze_csv_file', {
  file_path: '/data/employees.csv',
  analysis_type: 'salary_by_department'
});

특징: 구조화된 I/O, 접근 제어, 모델이 결정하는 호출, 애플리케이션 전반에 재사용 가능.
핵심 구분: vanilla MCP(데이터 직접 전달)와 optimized MCP(파일 참조 전달) 사이에 5배 토큰 차이가 존재합니다. 동일한 프로토콜이지만 경제성이 크게 다릅니다.

코드 기반 (Skills & Code Generation)

모델이 코드를 작성하고 실행하여 작업을 수행합니다. Claude Code의 “skills” 기능은 의미적 매칭을 기반으로 모델이 기능을 호출하도록 합니다.

# Claude writes this, executes it, iterates
import pandas as pd
df = pd.read_csv('/data/employees.csv')
result = df.groupby('department')['salary'].mean()
print(result)

특징: 최대 유연성, 비구조화된 I/O, 실행 간 변동성 높음, 샌드박스 필요.

슬래시 명령

순수 문자열 치환. /review @file.js를 입력하면 명령 템플릿이 확장되고 결과가 메시지에 삽입됩니다.

Review the following file for security vulnerabilities,
performance issues, and code quality:

{file_content}

Focus on: authentication, input validation, error handling.

특징: 사용자가 명시적으로 호출, 결정론적, 단일 턴, 도구 호출 오버헤드 없음.

측정 데이터: 숫자가 보여주는 것

방법론

• Workload: 500행 CSV 로드, 그룹화, 요약 통계 수행 및 두 개의 플롯 생성.
• Model: Claude Sonnet, 기본 설정.
• Runs: 접근법당 3–4회 실행, 요청/응답 페이로드 기록.
• Cost calculation: 현재 Claude Sonnet 가격을 기준으로 계산.

토큰 소비

규모별 비용

결과: 최적화된 MCP와 vanilla MCP 사이에 연간 $9,360 차이가 발생합니다(단일 워크플로 기준).

확장성

![Cumulative token consumption](https://media2.dev.to/dynamic/image