MCP vs CLI : pourquoi les développeurs IA lâchent les MCP pour de bon

Si vous utilisez Claude Code, Cursor ou n'importe quel agent IA pour coder, vous avez forcément croisé les MCP — ces fameux "Model Context Protocol" qui devaient tout révolutionner. Sauf que voilà : en 2026, la communauté dev est en train de les abandonner en masse. Et franchement, quand on comprend pourquoi, c'est difficile de leur donner tort.

Le problème des MCP (et c'est pas joli)

Le concept des MCP, sur le papier, c'était séduisant : donner à votre agent IA la capacité de contrôler Stripe, GitHub, Linear, Context7... Sauf que dans la pratique, ça revient à charger TOUS les outils dans le contexte de votre agent dès le début de la conversation. Même ceux dont il n'a pas besoin.

Imaginez que vous ouvrez votre boîte à outils pour planter un clou, et qu'on vous oblige à transporter aussi la tronçonneuse, le chalumeau et la bétonnière. Sympa, non ?

Concrètement, chaque MCP vient injecter une grosse description dans le contexte du modèle — comment utiliser tel outil, quels paramètres passer, etc. Même si votre projet n'utilise pas Linear, le modèle se trimbale les instructions de Linear pendant TOUTE la conversation. Résultat : ça bouffe vos tokens comme un goinfre, ça ralentit les réponses, et ça rend le modèle moins précis parce qu'il est noyé sous les instructions inutiles.

Et la solution d'Anthropic ? Ils ont remplacé le chargement automatique par un "MCP Search" — un outil unique qui cherche le bon MCP quand l'agent en a besoin. Sauf que le modèle, du coup, ne connaît même plus les outils disponibles. Il les utilise donc... beaucoup moins. Pas top comme fix.

Ah, et j'oubliais le meilleur : les MCP, c'est aussi un process npm qui tourne en arrière-plan sur votre machine à chaque session. Ça consomme de la RAM, du CPU, et parfois ça plante sans prévenir. Si vous avez déjà eu un MCP qui marche un jour sur deux, vous voyez de quoi je parle.

La solution : Skills + CLI (et c'est du lourd)

La vraie révolution, c'est le combo Skills + CLI. Et c'est d'une simplicité presque embarrassante.

Un skill, c'est un petit fichier texte qui décrit une compétence. Genre : "Si tu dois chercher de la documentation technique, utilise telle commande CLI." Le modèle ne charge ce fichier QUE quand il en a besoin — pas avant. Ça change tout.

Et le CLI (Command Line Interface), c'est l'outil en lui-même. Un programme qu'on lance depuis le terminal. Pas de serveur MCP qui tourne en arrière-plan et bouffe votre RAM. Pas de process npm mystérieux. Juste une commande bash, fiable, rapide, qui fait ce qu'on lui demande 365 jours par an.

Le truc qui tue ? L'agent IA a déjà accès à bash nativement. C'est un de ses outils de base. Donc au lieu de créer une abstraction par-dessus une abstraction (MCP → tool → action), on laisse simplement l'agent faire ce qu'il sait déjà faire : lancer des commandes.

Et les chiffres parlent d'eux-mêmes : Playwright en mode CLI consomme 90% de tokens en moins que son équivalent MCP pour faire exactement la même chose. Quatre-vingt-dix pour cent. On est d'accord que c'est pas rien ?

Les 10 CLI qui changent la donne

Voici ma sélection des outils CLI les plus utiles pour booster votre agent IA en 2026 :

CLI Anything — le méta-outil. Pointez-le vers n'importe quel projet open-source (Blender, OBS, NotebookLM...) et il crée automatiquement un CLI pour le contrôler depuis le terminal. C'est du génie pur.

NotebookLM-PI — connecte Claude Code à Google NotebookLM. Balancez des URLs YouTube, récupérez l'analyse complète, créez des podcasts, des slides, des quiz... Le tout sans dépenser un seul token puisque c'est Google qui fait le boulot côté serveur. Carrément royal.

Stripe CLI — si vous avez déjà galéré avec l'interface de Stripe (et qui n'a pas galéré ?), ce CLI est une bénédiction. Fini les 20 onglets pour créer un produit.

FFmpeg — manipulation vidéo, audio, sous-titres. Parfait pour créer des animations web à partir de vidéos. Perso, j'utilise ça pour des effets de scroll custom sur les sites de mes clients.

GitHub CLI — celui-là, si vous ne l'avez pas encore, vous êtes en retard. Push, commits, branches, PRs... tout depuis le terminal en une ligne.

Vercel CLI — déploiements simplifiés avec un tier gratuit très généreux. Le combo GitHub CLI + Vercel CLI, c'est votre pipeline CI/CD en deux outils. C'est dans la boîte !

Supabase CLI — bases de données + authentification, le tout en open-source. Et comme Supabase peut tourner en local, le CLI gère aussi ça sans broncher.

Playwright CLI — automatisation navigateur. L'agent peut lancer ses propres instances Chrome pour tester vos formulaires, vérifier vos pages... sans que vous leviez le petit doigt. Et rappelez-vous : 90% de tokens en moins que le MCP.

LLM Fit — vous avez envie de faire tourner un modèle IA en local mais vous savez pas lequel choisir parmi les 400 options d'Ollama ? Ce CLI analyse votre machine et vous dit quel modèle va tourner le mieux chez vous.

Google Workspace CLI (GWS) — le boss final. Emails, Docs, Sheets... votre agent contrôle tout votre espace Google. Avec des garde-fous côté sécurité (Google Armor gère les injections de prompt), c'est quand même vachement puissant.

Créer ses propres CLI (oui, c'est possible)

Et c'est là que ça devient VRAIMENT intéressant. Avec un outil comme "API to CLI", vous pouvez transformer n'importe quelle API en CLI utilisable par votre agent. Concrètement, vous pointez l'outil vers la documentation Swagger d'un service, et hop — il génère automatiquement un CLI complet avec toutes les commandes.

L'avantage énorme par rapport aux MCP ? Vous pouvez customiser vos CLI. Vous voulez ajouter la gestion des signatures email dans votre CLI de mailing ? Allez-y. Essayez de faire ça avec un MCP figé...

Et le chaînage multi-outils fonctionne naturellement. "Recherche des infos sur React via Context7, puis crée un tweet avec Typefully, puis envoie une newsletter" — tout ça en une seule conversation, chaque skill chargé au bon moment. Pas de surcharge de contexte, pas de tokens gaspillés.

D'ailleurs, si le sujet des agents IA vous intéresse, j'avais déjà décrypté le phénomène il y a quelques semaines. Les CLI, c'est exactement ce qui rend ces agents réellement utiles au quotidien.

Bash : le vrai héros de l'histoire

La vision d'Anthropic depuis le début, c'est que les modèles doivent savoir coder. Et coder, c'est contrôler un ordinateur. Et contrôler un ordinateur, ça passe par le terminal.

Bash, c'est l'outil universel. Il peut lire des fichiers, écrire du code, lancer des API, filtrer des résultats avec head ou grep... L'agent peut même limiter le nombre de tokens qu'il récupère en pipant ses commandes. Essayez de faire ça avec un MCP qui vous renvoie 10 000 tokens d'un coup sans moyen de filtrer. Bon courage.

On ne va pas se mentir : les MCP, c'était la bonne idée au mauvais moment. On ne savait pas encore comment faire, alors on a créé une abstraction. Maintenant qu'on sait que bash + skills suffit, cette abstraction devient un boulet.

Bref, si vous utilisez encore des MCP en 2026, c'est peut-être le moment de faire le ménage. Votre agent IA vous remerciera — et votre portefeuille de tokens aussi. C'est ti pas beau ça ?

Sources : 10 CLI Tools That Make Claude Code UNSTOPPABLE — Chase (ChaseAI), ARRÊTE LES MCP : Voici ce qu'il faut utiliser MAINTENANT — Melvyn (BeginReact)