CLI vs. MCP-Server — was ist der Unterschied und wann nutze ich was?

Was ist ein MCP-Server?

MCP steht für Model Context Protocol und ist ein Standard, der von den Entwicklern von Claude eingeführt wurde. Ein MCP-Server ist ein Programm, das dem eigentlichen Zielprogramm vorgeschaltet ist. Er bereitet alles so vor, dass du nur noch deine KI ankoppeln musst, um anschließend mit dem jeweiligen Programm zu kommunizieren.

Der Vorteil: Die Anbindung ist schnell und unkompliziert. Du brauchst in der Regel nur den MCP-Server zu installieren und die Verbindung herzustellen — den Rest erledigt der Server für dich.

Der Nachteil: Es besteht keine direkte Verbindung zum eigentlichen Programm. Alles läuft über den MCP-Server als Zwischenschicht. Dadurch werden umfangreiche Tool-Beschreibungen und Strukturdaten in den Kontext der KI geladen. Das führt zu einem erhöhten Tokenverbrauch und kann den Vorgang verlangsamen.

Was ist CLI?

CLI steht für Command Line Interface — also die Kommandozeile. Um zu verstehen, was das bedeutet, lohnt sich ein kurzer Blick in die Geschichte des Computers.

In den Anfängen gab es noch keine grafischen Oberflächen. Man hat mit dem Computer ausschließlich über das Terminal kommuniziert — mit textbasierten Befehlen. Wenn du zum Beispiel im Terminal mkdir Musterordner eingibst, wird mit diesem einen Befehl ein neuer Ordner auf deinem Computer angelegt. mkdir ist dabei der CLI-Befehl. Solche Befehle gibt es Hunderte, für die unterschiedlichsten Aufgaben — und mit einer einzigen Zeile kannst du sofort eine Aktion auf dem Computer ausführen.

Die Bedienung über das Terminal ist allerdings nicht besonders benutzerfreundlich. Deswegen hat sich für die meisten Anwender die grafische Oberfläche durchgesetzt: Statt einen Befehl einzutippen, klickst du einfach mit der rechten Maustaste und erstellst einen Ordner. Programmierer nutzen aber bis heute weiterhin die CLI, weil sie deutlich schneller und präziser ist als der Weg über die grafische Oberfläche.

Und CLI gibt es nicht nur für den eigenen Computer. Du kannst über das Terminal auch auf externe Programme zugreifen und dort direkt Aktionen durchführen. Das wird übrigens schon seit Jahrzehnten so praktiziert und hat erst einmal nichts mit künstlicher Intelligenz zu tun.

CLI und Künstliche Intelligenz

Natürlich kann auch eine KI CLI-Befehle ohne Probleme selbst ausführen. In der Praxis wäre das aber nicht besonders effektiv, denn dafür müsste man der KI jedes Mal die komplette Dokumentation des jeweiligen Programms mitgeben — und die KI müsste sich dort erst einmal die passenden Befehle heraussuchen.

Diese Problematik wurde inzwischen erkannt. Deshalb gibt es heute CLI-Lösungen, die gezielt für den Anwendungsfall „KI-Agent“ entwickelt wurden. Ein gutes Beispiel dafür ist Playwright CLI von Microsoft. Das Besondere daran: Diese Tools werden mit sogenannten Skills ausgeliefert — also fertigen Anleitungen, die der KI mitgeben, wie sie die CLI sinnvoll einsetzen soll. Die KI muss dadurch keinen umfangreichen Kontext laden. Sie weiß dank des Skills, welcher kurze, präzise Befehl in welcher Situation passt.

Das bedeutet in der Praxis: Du gibst Claude Code im Terminal einfach in normaler Sprache ein, was du erreichen willst. Die KI versteht das, wählt die passenden CLI-Befehle selbstständig aus und führt sie aus — direkt und ohne Zwischenschicht.

CLI vs. MCP-Server im direkten Vergleich

Praxisbeispiel: Playwright CLI

Playwright ist eine Open-Source-Browsersteuerung von Microsoft. Damit kannst du nicht nur Chrome, sondern auch andere Browser mithilfe der KI steuern. Microsoft stellt auf GitHub alle Installationsdateien kostenlos zur Verfügung.

Die Installation läuft direkt über Claude Code: Du kopierst die URL von GitHub, öffnest Claude Code in deiner Entwicklerumgebung, aktivierst den Planmodus und gibst ein, dass die Installation geplant werden soll. Claude liest die Dokumentation, erstellt einen Plan und installiert die Browsersteuerung auf deinem Computer.

In meinem Beispiel im Video nutze ich Playwright CLI, um das Kontaktformular auf ki-wissen.org automatisiert zu testen. Statt das Formular jedes Mal per Hand auszufüllen, lasse ich von Claude ein Skript schreiben, das den gesamten Test im Browser für mich durchführt — inklusive Dokumentation und Screenshot. Dieses Skript kann ich dann immer wieder starten, wenn ich das Formular nach einer Änderung überprüfen möchte.

Token-Vergleich: CLI vs. MCP

Playwright eignet sich besonders gut für einen direkten Vergleich, weil es das Programm sowohl als MCP-Server als auch als CLI-Variante gibt. Die Entwickler haben beide Wege gegeneinander getestet — und das Ergebnis spricht eine deutliche Sprache:

Die CLI-Variante verbraucht also nicht einmal ein Viertel der Tokens, die über den MCP-Server anfallen — bei identischer Aufgabe. Der Grund dafür liegt in der direkten Verbindung: Kein MCP-Server muss umfangreiche Strukturdaten in den Kontext laden. Stattdessen werden kurze, präzise Befehle ausgeführt.

Wann CLI und wann MCP?

CLI ist die bessere Wahl, wenn…

du mit Coding-Agenten arbeitest und Wert auf niedrigen Tokenverbrauch und hohe Geschwindigkeit legst. Besonders bei wiederkehrenden Aufgaben wie dem Testen von Apps oder Webseiten zahlt sich die direkte Verbindung aus. Voraussetzung ist, dass für das jeweilige Programm eine CLI-Lösung existiert, die für KI-Agenten optimiert wurde.

MCP-Server sind die bessere Wahl, wenn…

du eine schnelle, unkomplizierte Anbindung brauchst und der Tokenverbrauch keine entscheidende Rolle spielt. MCP-Server sind einfacher einzurichten und eignen sich gut für Aufgaben außerhalb des Codings — etwa die Anbindung von Datenbanken, APIs oder externen Diensten.

Fazit

CLI und MCP-Server sind zwei unterschiedliche Wege, um externe Programme an eine KI anzubinden. MCP-Server sind die einfachere Lösung mit schneller Einrichtung, bringen aber mehr Overhead mit. CLI-Anbindungen sind direkter, schneller und deutlich sparsamer beim Tokenverbrauch — setzen aber voraus, dass ein für KI-Agenten optimiertes CLI-Tool verfügbar ist.

Wenn du mit Claude Code arbeitest und regelmäßig externe Programme steuerst, lohnt es sich, beide Wege zu kennen — und je nach Aufgabe den passenden zu wählen.