복잡한 프로토콜보다 단순한 명령어가 이긴다
2026년 2월, GitHub의 Eric Holmes가 자신의 블로그에 이런 제목의 글을 썼습니다.
"MCP is dead. Long live the CLI"
MCP는 죽었다, CLI여 영원하라
Anthropic이 야심차게 내놓은 Model Context ProtocolMCP이 출시 불과 몇 개월 만에 사실상 실패했다는 것을 이야기하는데요, OpenClaw도 Pi도 MCP를 지원하지 않습니다. 왜일까요?
※ 커맨드 라인 인터페이스(CLI)는 마우스 대신 텍스트 터미널을 통해 키보드로 명령어를 입력하여 컴퓨터나 소프트웨어를 제어하는 방식입니다. 셸Shell이 명령을 해석해 터미널에 결과를 표시하며, GUI보다 자동화와 복잡한 인프라 관리에 유리합니다. Windows의 CMD/PowerShell, macOS/Linux의 Terminal이 대표적입니다.
프로토콜보다 명령어가 더 강했다
※ MCPModel Context Protocol는 앤트로픽Anthropic이 주도하여 개발한 AI 모델과 외부 데이터, 도구, 어플리케이션Slack, Google Drive 등을 연결하는 표준화된 통신 규약입니다. AI 에이전트가 데이터베이스 조회, 파일 분석, 업무 자동화 등 실제 행동을 하도록 돕는 USB-C와 같은 역할을 하며, 반복적인 통합 작업을 줄여줍니다.
MCP가 등장했을 때 업계는 열광했습니다. 모든 회사가 'AI 퍼스트'임을 증명하려고 MCP 서버를 만드느라 분주했습니다. 새로운 엔드포인트, 새로운 통신 규격, 새로운 인증 체계까지 도입했습니다. LLM과 기존 서비스 간 연결을 더 매끄럽게 만들겠다는 취지였죠.
하지만 현실은 달랐습니다. LLM은 이미 명령줄 도구를 완벽하게 사용할 수 있었습니다. 수백만 개 매뉴얼 페이지와 스택오버플로우 답변, GitHub 저장소 셸 스크립트로 훈련받은 AI에게는 새로운 프로토콜이 불필요했던 것입니다.
Holmes가 Claude에게 'gh pr view 123' 명령을 내리면 그냥 작동합니다. 별도의 프로토콜? 필요 없습니다.
인간과 AI가 같은 도구를 쓸 때 생기는 일
Claude가 Jira에서 예상과 다른 결과를 가져왔을 때는 어떨까요? Holmes는 같은 'jira issue view' 명령을 직접 실행해서 AI가 본 것과 똑같은 결과를 확인할 수 있었다고 합니다. 같은 입력, 같은 출력이었죠.
반면 MCP에서는 도구가 LLM 대화 안에서만 존재합니다. 뭔가 잘못되면 JSON 전송 로그를 뒤져야 합니다. 디버깅에 프로토콜 디코더가 필요한 상황입니다.
여기서 중요한 발견이 나옵니다. 인간과 AI가 같은 도구를 사용할 때, 협업이 가능해집니다. AI가 작업한 결과를 인간이 이해하고 수정할 수 있고, 인간이 설정한 환경에서 AI가 바로 작업을 이어받을 수 있습니다.
조합의 힘이 프로토콜을 이긴다
CLI 도구들은 조합됩니다. 파이프로 연결하고, grep과 체인으로 묶고, 파일로 리디렉션할 수 있습니다. 편의성을 넘어 때로는 유일한 해법이기도 하죠.
대용량 Terraform 계획을 분석하는 상황을 보겠습니다. 명령줄에서는 'terraform show -json plan.out | jq '[.resource_changes[] | select(.change.actions[0] == "no-op" | not)] | length'' 한 줄이면 됩니다.
그런데 MCP에서는 어떨까요? 전체 계획을 컨텍스트 윈도우에 덤프하거나(비싸고 종종 불가능), 아니면 MCP 서버에 맞춤형 필터링을 구축해야 합니다. 더 복잡한 작업으로 더 나쁜 결과를 얻는 셈이죠.
단순함 속에 숨은 철학의 전환
MCP가 실패한 이유는 기술적 우월성 때문이 아닙니다. 철학의 차이입니다. MCP는 '특별한 프로토콜이 필요하다'고 가정했지만, CLI는 '이미 존재하는 것으로 충분하다'고 말합니다.
인증 시스템을 보면 더 명확해집니다. MCP는 인증에 대해 불필요하게 고집을 부립니다. LLM에게 도구를 제공하는 프로토콜이 왜 인증까지 신경써야 할까요?
CLI 도구들은 신경쓰지 않습니다. aws는 프로필과 SSO를 쓰고, gh는 'gh auth login'을 쓰고, kubectl은 kubeconfig를 씁니다. 사람이 키보드 앞에 있든 Claude가 조작하든 똑같이 작동하는 검증된 인증 흐름입니다.
비개발자도 이해할 수 있는 도구
여기서 흥미로운 현상이 나타납니다. 복잡한 프로토콜이 사라지고 단순한 명령어가 주류가 되면서 비개발자도 이 영역에 뛰어들고 있습니다.
과거에는 API 연동이나 데이터 처리 작업이 개발자의 전유물이었습니다. 복잡한 SDK를 이해하고, 인증 토큰을 관리하고, 에러 핸들링을 구현해야 했기 때문입니다.
하지만 AI가 CLI 명령어를 자연어로 번역해주는 시대에는 상황이 바뀝니다. "이번 주에 생성된 GitHub 이슈 중 버그 라벨이 붙은 것들의 개수를 알려줘"라고 말하면, AI가 'gh issue list --label bug --created ">=2026-02-24" --json number | jq length' 명령을 만들고 실행합니다.
그러면 어떤 일이 벌어질까요? 기획자가 마케팅 데이터를 분석하고, 디자이너가 에셋 배치를 자동화하고, 콘텐츠 팀이 SEO 메트릭을 추출하는 일이 가능해집니다. 복잡한 프로토콜을 배울 필요 없이, 명확한 목표만 있으면 됩니다.
도구는 사라지고 사고는 남는다
MCP 실패의 진짜 의미는 여기에 있습니다. 기술이 복잡해질수록 사용자는 기술이 아닌 목적에 집중하게 됩니다. 프로토콜을 이해할 필요가 없어지고, 명령어 문법을 외울 필요도 없어집니다.
그렇다면 무엇이 남을까요? 무엇을 원하는지 명확하게 표현하는 능력입니다. 문제를 정의하고, 결과를 검증하고, 다음 단계를 설계하는 사고입니다. 바로 태도의 영역입니다.
Holmes가 Claude와 협업할 때 중요한 것은 MCP 프로토콜을 이해하는 것이 아닙니다. 어떤 데이터가 필요한지, 그 데이터로 무엇을 할지, 결과가 예상과 다를 때 어떻게 대응할지 판단하는 것입니다.
도구가 단순해질수록 사람의 역할은 더 중요해집니다. 기술을 다루는 능력보다 기술을 통해 무엇을 해결할지 아는 지혜가 핵심이 되는 시대입니다.
생각해보면, 복잡한 프로토콜이 죽고 단순한 명령어가 부활하는 이 변화는 무엇을 의미할까요? 결국 인간이 기술의 노예가 아닌 기술의 주인이 되어가는 과정입니다. CLI의 승리는 곧 사고하는 인간의 승리입니다.
