MCP와 CLI 표현 차이가 에이전트 행동과 비용을 바꾼다

무엇인가

이 논문은 언어 에이전트가 외부 도구를 쓰는 방식에서 모델과 실행 능력 사이의 인터페이스가 의사결정 과정의 일부가 된다는 문제를 다룬다. 같은 의미의 작업을 MCP와 CLI로 노출해도 모델이 보는 표현은 크게 다르다. 실행 능력을 맞춘 상태에서도 행동이 달라지는지가 핵심 질문이다. 개발자 입장에서는 도구 통합 방식 선택이 단순한 연결 작업이 아니라 성능과 비용에 영향을 주는 설계 결정이 된다.

어떻게 동작하나

방법론의 중심은 MICA(Matched Interface Comparison and Analysis)다. MICA는 MCP와 CLI를 공유 의미 행동 계약에서 렌더링하고, 디코딩된 행동을 동일 런타임으로 보낸다. 즉 기능 집합은 같게 두고 모델이 보는 표현과 실행 연결만 바꾸는 통제 비교를 만든다. 이 위에서 matched-state probes로 민감도를 능력 제시, 구현, 피드백에 국소화하고, 짝지은 자연 궤적으로 초기 차이가 이후 상호작용으로 전파되는지를 본다.

무엇과 다른가

분석 결과는 표면적 타당성에 그치지 않는다. 6개 모델과 3개 상호작용 환경에서 인터페이스를 맞춰도 과제 성능과 상호작용 비용에 상당한 차이가 났고, 그 차이는 의미 행동 선택, 실패 경로, 회복 과정까지 이어졌다. 2,004개 에피소드 중 94.3%에서 구조적 분기가 나타났고, 초기의 차이가 후속 상호작용을 통해 증폭되었다는 점을 보고한다.

어떻게 쓰나

이에 저자들은 DART(Decoupled Action Realization and Targeted Repair)를 제안한다. DART는 검증된 의미적 약속은 유지하면서 인터페이스별 구현만 표적 수리한다. 의미 계약과 표현 구현을 분리해, 특정 인터페이스에서 생기는 결함을 고치되 과제 의미 자체를 바꾸지 않으려는 접근이다. 논문은 DART가 평가된 6개 설정 모두에서 벤치마크 점수를 최대 9.0점 올리고, 3개 환경 모두에서 MCP 토큰 비용을 과제당 최대 27.1k 토큰 줄였다고 보고한다.

전제와 한계

개발자에게 의미는 분명하다. MCP와 CLI를 같은 기능의 두 껍데기로 가정하면 위험하다. 에이전트 평가를 할 때 동일 과제를 두 인터페이스로 돌려 행동 선택, 실패 회복, 토큰 오버헤드를 비교해야 한다. 특히 MCP는 스키마와 피드백 표현이 풍부해 보일 수 있지만, 모델이 실제로 어떤 표현에서 더 안정적으로 행동하는지는 모델별로 다를 수 있다. 공유 의미 계약과 동일 런타임으로 비교를 통제하는 MICA식 발상은 사내 도구 평가에도 적용할 수 있다.

한계와 전제도 짚어야 한다. 이 연구의 통제 조건은 실행 능력을 동일하게 맞춘다는 전제 위에 서 있다. 따라서 실제 서비스처럼 기능 집합 자체가 다르거나 권한, 네트워크, 상태가 얽힌 환경에서는 결과가 달라질 수 있다. 또한 논문이 제시한 범위는 6개 모델, 3개 환경, 2,004개 에피소드이며, DART의 개선폭은 최대값 기준이다. 도입 전에는 자신의 과제와 모델에서 재현 실험을 하고, 평균이 아니라 실패 유형과 비용 분포를 함께 봐야 한다.