Outils MCP vs CLI : quel est le meilleur pour les applications de production ?

Introduction

L'écosystème MCP se développe rapidement à mesure que des sociétés telles que Notion, Google Drive et Github ont introduit des serveurs MCP pour l'intégration d'agents, avec d'autres acteurs majeurs comme Apple en route. Il existe également tout un marché pour différents domaines de l'infrastructure MCP, avec des services tels que Runlayer axés sur la sécurité des agents.

Cela étant dit, MCP n'est qu'une des nombreuses approches permettant aux LLM de travailler avec des systèmes externes. Une alternative consiste à câbler les agents directement à la CLI, car des outils tels que gh, aws, docker, git sont familiers, prévisibles et généralement contenus dans les données de formation.

Malgré leur popularité, les outils CLI présentent de multiples limitations pour les agents IA. Leurs exigences strictes en matière de paramètres, leurs contraintes d'exécution séquentielles, leurs autorisations à granularité grossière et la pourriture du contexte due à la connexion de plus de 30 outils à un agent conduisent à des résultats incohérents.

Le choix entre MCP et une interface CLI traditionnelle pour un système de production dépend de la façon dont chacun fonctionne dans les flux de travail des agents du monde réel. Pour faire cet appel, explorons comment les outils CLI se comportent lorsqu'ils sont utilisés par des agents en production.

Limites fonctionnelles des outils CLI en production

Les arguments en faveur de la CLI se résument généralement à la familiarité et à la simplicité d’une interface unique et bien documentée. Lorsqu'ils travaillent avec des systèmes tels qu'AWS ou Git, les agents savent généralement quelles commandes exécuter et dans quel ordre.

En pratique, les agents ne tr...
[Courte citation de 8% de l'article original]