이제 MCP 서버를 넘어설 때입니다… 그렇죠?

AI 에이전트를 위한 재사용 도구 세트를 구축하기 위한 MCP, CLI, 파일 시스템 스크립트, 그리고 기술 기반 접근법 간의 실제 엔지니어링 상충 관계를 분석해 보겠습니다.

전체 영상 분석을 여기에서 보세요: Beyond MCP

이 레포의 목적

• MCP 서버는 AI 에이전트를 위한 재사용 도구 세트를 구축하는 표준 방법입니다. 하지만 그것만이 유일한 방법은 아닙니다.
• MCP 서버는 막대한 비용이 듭니다 - 즉각적인 컨텍스트 손실.
• 단일 또는 몇 개의 MCP 서버가 있을 때는 큰 문제가 되지 않습니다. 하지만 많은 에이전트, 여러 도구, 다양한 상황에 맞게 확장할수록 이 비용은 빠르게 병목 현상이 됩니다.
• 그렇다면 대형 기업들이 AI 에이전트를 위해 강력하고 재사용 가능하며 맥락을 보존하는 도구 세트를 구축하기 위해 사용하는 대안은 무엇인가요?

Here 이 저장소에서 Kalshi 예측 시장 접근을 구현하는 4가지 구체적 접근법을 탐구합니다data.

네 가지 접근법

apps/1_mcp_server/ - MCP 서버

apps/2_cli/ - CLI

apps/3_file_system_scripts/ - 파일 시스템 스크립트

apps/4_skill/ - 스킬

퀵 스타트

1. MCP 서버

2. CLI

3. 파일 시스템 스크립트

4. 기술

Beyond MCP

It’s time to push beyond MCP Servers… Right?

Let’s breakdown real engineering trade offs between MCP, CLI, File System Scripts, and Skills based approaches for building reusable toolsets for your AI Agents.

Watch the full video breakdown here: Beyond MCP

Purpose of this Repo

• MCP Servers are the standard way to build reusable toolsets for your AI Agents. But they are not the only way.
• MCP Servers come with a massive cost - instant context loss.
• When you have a single, or a few MCP Servers, this is not a big deal. But as you scale to many agents, many tools, and many contexts - this cost quickly becomes a bottleneck.
• So what are the alternatives that big players are using to build powerful, reusable, context preserving toolsets for their AI Agents?

Here we explore 4 concrete approaches in this repo, all implementing access to Kalshi prediction market data.

The 4 Approaches

apps/1_mcp_server/ - MCP Server

apps/2_cli/ - CLI

apps/3_file_system_scripts/ - File System Scripts

apps/4_skill/ - Skill

Quick Start

1. MCP Server

cp .mcp.testing .mcp.json

claude --mcp-config .mcp.json

prompt: "kalshi: get exchange status"

2. CLI

# or by agent
claude

prompt: "/prime_kalshi_cli_tools"

prompt: "kalshi: Get exchange status"

prompt: "kalshi: List events"

prompt: "kalshi: List events in JSON"

prompt: "kalshi: List events in JSON, limit 100"

# or by hand
cd apps/2_cli
uv sync
uv run kalshi status
uv run kalshi events
uv run kalshi events --json
uv run kalshi events --json --limit 100

3. File System Scripts

# by agent
claude

prompt: "/prime_file_system_scripts"

prompt: "kalshi: Get exchange status"

prompt: "kalshi: List events"

...

# or by hand
cd apps/3_file_system_scripts/scripts

uv run status.py

uv run *.py

4. Skill

cd apps/4_skill/

claude

prompt: "kalshi markets: Get exchange status"

prompt: "kalshi markets: search for events about 'best ai'" # Note this will trigger the cache build on first run which will take several minutes

...

The 4 Approaches In Detail

• apps/1_mcp_server/ - MCP Server
• apps/2_cli/ - CLI
• apps/3_file_system_scripts/ - File System Scripts
• apps/4_skill/ - Skill

1. MCP Server (apps/1_mcp_server/)

Classic Model Context Protocol implementation

• ✅ Standardized integration - Works with any MCP-compatible client
• ✅ Tool discovery - Auto-exposes 15 tools to LLMs
• ✅ Clean abstractions - MCP protocol handles complexity
• ❌ Instant context loss - Every tool call loses conversational context