- CLI एजेंट टूल इंटरफ़ेस के लिए एक नए ट्रेंड के रूप में उभरा है, लेकिन कस्टम CLI भी MCP जैसी ही context समस्या से जूझता है और इसके लिए structured design व कई फ़ायदों का त्याग करना पड़ता है
- लोकल
stdio मोड वाला MCP और Streamable HTTP आधारित remote MCP पूरी तरह अलग use case हैं, और मौजूदा बहस में इस फ़र्क़ को नज़रअंदाज़ किया जा रहा है
- MCP की Prompts और Resources सुविधाएँ पूरे संगठन में standardized skills और documents को real time में वितरित करने का एक mechanism हैं, जो vibe coding से systematic agentic engineering की ओर बदलाव में अहम हैं
- केंद्रीकृत MCP server OAuth authentication, telemetry, observability को standardized बनाता है, जिससे organization स्तर की security और tool effectiveness को मापना संभव होता है
- व्यक्तिगत developers के लिए CLI सही हो सकता है, लेकिन organization और enterprise स्तर पर MCP वह टूल है जो consistency, security और quality को सुनिश्चित करता है — अभी भी और आगे भी
influencer-चालित hype cycle
- सिर्फ़ 6 महीने पहले तक Model Context Protocol(MCP) इंडस्ट्री का सबसे बड़ा चर्चा-विषय था, और हर vendor MCP-संबंधित product लॉन्च करना चाहता था
- उस समय भी यह संदेह मौजूद था कि “यह तो बस API है, फिर wrapper की क्या ज़रूरत है”, और वास्तव में कुछ टीमों ने MCP hype cycle को छोड़कर सीधे REST API endpoint के ऊपर साधारण tool wrapper लिखने का रास्ता चुना
- ज़्यादातर use case में MCP को API को सीधे call करने की तुलना में अनावश्यक overhead माना जाने लगा
- अब इंडस्ट्री की चर्चा MCP की आलोचना और CLI की प्रशंसा की ओर मुड़ गई है, और यह उस संरचना से जुड़ा है जिसमें AI influencers लगातार नए trend गढ़ते रहते हैं ताकि लोगों की दिलचस्पी बनी रहे
- Garry Tan, Andrew Ng जैसे प्रसिद्ध लोग भी अक्सर अपने निजी अनुभव को सामान्यीकृत कर देते हैं, और FOMO व hype पैदा करने वाली influencer संस्कृति इस क्षेत्र की चर्चा को विकृत कर रही है
- ऐसे कई वास्तविक मामले हैं जहाँ CLI एजेंट टूल इंटरफ़ेस के रूप में बेहतर है, लेकिन हर मामले में ऐसा नहीं है
CLI में token बचत: वास्तविकता और सीमाएँ
training data में शामिल CLI tools
jq, curl, git, grep, psql, aws जैसी CLI utilities जो LLM के training dataset में शामिल हैं, उन्हें एजेंट बिना अतिरिक्त निर्देश, schema या context के तुरंत इस्तेमाल कर सकता है- MCP में
tools/list response के भीतर tools को पहले से घोषित करना पड़ता है, इसलिए पहले से ज्ञात CLI tools की तुलना में इसमें overhead होता है
- जो CLI tools training data में पहले से मौजूद हैं, उन्हें हमेशा MCP पर प्राथमिकता देनी चाहिए
custom CLI की सीमाएँ
- bespoke custom CLI tools का उपयोग LLM अपने-आप नहीं जानता, इसलिए
AGENTS.md या README.md में उसका विवरण देना पड़ता है
- आप
/cli-tools directory तय कर सकते हैं और descriptive names पर निर्भर रह सकते हैं, लेकिन एजेंट इस तरीके में अक्सर गलती करता है और अंततः ज़्यादा documentation की ज़रूरत पड़ती है
curl जैसे tools भी जैसे ही custom OpenAPI schema को समझने लगते हैं, token बचत का फ़ायदा गायब हो जाता है
chained extraction और transformation
- CLI chain के ज़रिए data को खोजकर फिर transform किया जा सकता है, जिससे context window में जाने वाले data की मात्रा कम होती है
- लेकिन HTML, JSON, XML जैसे formatted content को DOM/CSS, JSONPath, XPath जैसे selector से भी निकाला जा सकता है, इसलिए यह केवल CLI का अनोखा फ़ायदा नहीं है
gradual context consumption
- जहाँ MCP पूरे toolset और schema को पहले से load करता है, वहीं CLI
--help के ज़रिए context को धीरे-धीरे load कर सकता है
- लेकिन custom CLI tools के मामले में एजेंट को कई turn तक help content खंगालना पड़ता है, और परिणामस्वरूप वह MCP schema जैसी ही जानकारी बिना structure के load करता है
- काफ़ी जटिल flow में एजेंट अंततः ज़्यादातर tree explore कर लेता है, इसलिए बचत का प्रभाव बहुत कम रह जाता है
- Vercel के research result के अनुसार, जब पूरे documentation index को
AGENTS.md में रखा गया, तो एजेंट की documentation उपयोग करने की क्षमता बेहतर हुई; यानी पूरा schema पहले से देना सही tool चुनने में मददगार है
- जब Anthropic अभी 10 लाख token context window दे रहा है, तब यह सवाल उठता है कि क्या token बचत अब भी कोई निर्णायक तर्क है
MCP की दोहरी प्रकृति: stdio vs Streamable HTTP
stdio mode की सीमाएँ
stdio mode में MCP server एजेंट के साथ लोकल मशीन पर चलता है, और साधारण CLI लिखने की तुलना में अनावश्यक जटिलता जोड़ देता है- अधिकांश use case में
stdio mode MCP की ज़रूरत नहीं होती
Streamable HTTP का क्रांतिकारी महत्व
- Streamable HTTP transport वाला MCP उसी logic को केंद्रीकृत server पर चलाने की सुविधा देता है, और organization व enterprise adoption में vibe coding को agentic engineering में बदलने का यह एक केंद्रीय तत्व है
- ज़्यादातर influencers इन दोनों modes के बीच का अंतर समझ ही नहीं रहे हैं
केंद्रीकृत MCP server के फ़ायदे
समृद्ध backend capabilities
- केंद्रीकृत server में tools, Postgres instance या Apache AGE आधारित Cypher graph query जैसी समृद्ध platform capabilities का उपयोग कर सकते हैं
- एजेंट की तरफ़ सिर्फ़ HTTP endpoint और authentication token सेट करना होता है, इसलिए deployment आसान हो जाता है
- SQLite जैसी local DB भी संभव है, लेकिन पूरे organization की shared state के लिए उसकी सीमाएँ हैं
ephemeral agent runtime
- GitHub Actions जैसे ephemeral runtime environment में remote MCP server के माध्यम से जटिल backend की ज़रूरत वाले tools को बिना installation के इस्तेमाल किया जा सकता है
- stateless environment में stateful workloads का प्रबंधन केंद्रीकृत server को सौंपा जा सकता है
authentication और security
- अगर CLI के ज़रिए secure API access करनी हो, तो हर developer को API key तक सीधे पहुँच चाहिए होती है, जो operations team पर बड़ा बोझ डालती है
- MCP server के पीछे केंद्रीकरण करने पर developer OAuth के ज़रिए MCP server में authenticate करते हैं, और संवेदनशील API keys व secrets server के पीछे नियंत्रित रहते हैं
- जब कोई team member संगठन छोड़ता है, तो सिर्फ़ OAuth token revoke करना काफ़ी है; उस व्यक्ति को शुरू से ही दूसरी keys और secrets तक पहुँच नहीं थी
telemetry और observability
- केंद्रीकृत MCP server पर OpenTelemetry traces और metrics को standard tools से collect किया जा सकता है
- इससे पता चल सकता है कि कौन-सा tool प्रभावी है, कौन-सा agent runtime इस्तेमाल हो रहा है, और tool failures कहाँ हो रहे हैं
- CLI tools के साथ भी यह संभव है, लेकिन local deployment में consumers को update करना पड़ता है और हर CLI tool में telemetry scaffolding फिर से बनानी पड़ती है
standardized instant deployment और auto updates
- distributed tools (packages) API version compatibility की समस्या पैदा करते हैं, लेकिन MCP में Subscriptions और Notifications के माध्यम से server clients को updates की सूचना दे सकता है
- MCP Prompts server से दिए जाने वाले
SKILL.md के बराबर हैं, और MCP Resources server से दिए जाने वाले /docs के बराबर हैं
MCP Prompts और Resources का संगठनात्मक महत्व
- dynamic content: repository की
*.md files static files होती हैं जिन्हें manually update करना पड़ता है, लेकिन server-based prompts और resources को real time में dynamically generate किया जा सकता है
- ऐसे documents, pricing data, current system state आदि, जो केवल विशेष context में उपयोगी हों, उन्हें tool call के बिना dynamically inject किया जा सकता है
- automatic consistency updates: repository या package से वितरित
*.md files को sync करना पड़ता है, लेकिन MCP prompts के रूप में दिए जाने पर वे हमेशा up to date रहते हैं
- third-party official docs को भी server के ज़रिए proxy किया जाए तो repository में manual copy/update की ज़रूरत नहीं रहती
- organization-wide knowledge sharing: security, telemetry best practices, infrastructure deployment considerations जैसी organization-स्तर की सामग्री को हर repository, हर workflow, हर agent frontend (Claude Code, Codex, VS Code Copilot, GitHub Agents, OpenCode आदि) में एकसमान तरीके से वितरित किया जा सकता है
- microservices environment में एक टीम दूसरी service के documents तक पहुँच सकती है, या service team deployment के समय dynamically skills उपलब्ध करा सकती है
- OpenCode, Claude Code CLI आदि में MCP prompts और resources के वास्तविक काम करने के उदाहरण मिलते हैं, और सिर्फ़ MCP client configuration से deployment के बाद अलग maintenance की ज़रूरत नहीं पड़ती
निष्कर्ष: organization स्तर पर MCP वर्तमान भी है और भविष्य भी
- 6 महीने पहले MCP सबसे बड़ा चर्चा-विषय था, और अब उसे context bloat का मुख्य दोषी कहा जा रहा है, लेकिन custom CLI के मिलते-जुलते trade-offs और pitfalls को नज़रअंदाज़ किया जा रहा है
- जब टीमें vibe coding से agentic engineering की ओर जाने का रास्ता तलाशती हैं, तो वे स्वाभाविक रूप से MCP की design और mission तक पहुँचती हैं
- Amazon AWS division के हालिया उदाहरण (AI-सहायित बदलावों पर senior engineer approval की ज़रूरत) से भी स्पष्ट है कि अंततः टीमों को AI agents द्वारा बनाए गए software systems को operate और maintain करना ही पड़ता है
- Garry Tan और Andrew Ng की सलाह व्यक्तिगत, अपेक्षाकृत समान वातावरण में उपयोगी हो सकती है, लेकिन अलग-अलग skill level और अनुभव वाली टीमों को consistent quality पर converge करना हो, तो organization environment में उसे सीधे लागू करना कठिन है
- भरोसेमंद और maintainable software जारी करने के लिए consistency, security, quality और correctness सुनिश्चित करने वाली engineering discipline चाहिए, और इसी वजह से MCP आज organization और enterprise के लिए उपयुक्त tool है
अभी कोई टिप्पणी नहीं है.