Komunitas AI saat ini terbelah mengenai fitur Claude Skills yang baru diumumkan Anthropic, dengan banyak pengembang mempertanyakan apakah pendekatan yang lebih sederhana ini mungkin mengalahkan Model Context Protocol (MCP) yang sebelumnya sangat digembar-gemborkan. Per tanggal UTC+0 2025-10-18T07:14:46Z, diskusi mengungkapkan sentimen yang berkembang bahwa perangkat AI yang lebih sederhana dan mudah diakses mungkin akan menang atas solusi berbasis protokol yang kompleks.
Perbedaan Skills vs MCP
Pengembang secara aktif membandingkan Claude Skills dengan MCP di berbagai dimensi, dengan efisiensi token muncul sebagai pembeda yang kritis. Skills beroperasi melalui progressive disclosure - Claude memindai skills yang tersedia di awal sesi tetapi hanya memuat detail lengkap ketika relevan dengan tugas saat ini. Pendekatan ini sangat kontras dengan implementasi MCP, di mana beberapa server seperti MCP resmi GitHub dilaporkan mengonsumsi puluhan ribu token sebelum pekerjaan yang berguna dimulai. Komunitas mencatat bahwa efisiensi token ini membuat Skills sangat berharga untuk workflow kompleks di mana manajemen jendela konteks sangat penting.
Hampir semua yang bisa saya capai dengan MCP dapat ditangani oleh alat CLI sebagai gantinya. LLM tahu cara memanggil --help, yang berarti Anda tidak perlu menghabiskan banyak token untuk menjelaskan cara menggunakannya.
Perbandingan Penggunaan Token
- GitHub MCP: ~30.000 token
- Linear MCP: ~12.935 token
- JetBrains MCP: ~12.252 token
- Playwright MCP: ~9.804 token
- Skill Tipikal: Beberapa lusin token untuk metadata, konten lengkap dimuat hanya saat dibutuhkan
Kompleksitas Implementasi dan Pengalaman Pengembang
Pengalaman pengembang antara kedua pendekatan ini mengungkap perbedaan mencolok dalam hambatan adopsi. MCP membutuhkan pemahaman spesifikasi protokol komprehensif yang mencakup host, klien, server, sumber daya, prompt, alat, sampling, dan beberapa lapisan transport. Skills, sebagai perbandingan, hanyalah file Markdown dengan metadata YAML dan skrip opsional. Kesederhanaan ini membuat banyak pengembang melaporkan bahwa mereka telah menggunakan pola serupa secara informal selama berbulan-bulan, dengan Skills terutama memformalkan praktik terbaik yang sudah ada daripada memperkenalkan kemampuan yang benar-benar baru.
Anggota komunitas mencatat bahwa menulis dan men-debug server MCP bisa merepotkan, terutama ketika mengelola beberapa server atau menangani perubahan skema. Pengalaman debugging untuk kegagalan MCP sering kali melibatkan tebakan apakah masalah terletak pada manifes, lapisan transport, atau logika alat. Skills melewati kompleksitas ini sepenuhnya dengan memanfaatkan alat command-line yang sudah ada dan pola dokumentasi langsung yang sudah dipahami pengembang.
Kompleksitas Implementasi
- MCP: Spesifikasi protokol yang mencakup host, klien, server, resource, prompt, tools, sampling, roots, elicitation, tiga lapisan transport
- Skills: File Markdown dengan metadata YAML, skrip opsional, struktur folder
Aplikasi Praktis dan Keterbatasan
Kasus penggunaan dunia nyata menyoroti di mana setiap pendekatan unggul. Skills menunjukkan kekuatan khusus dalam workflow coding dan tugas pemrosesan data, seperti bekerja dengan file Excel, manipulasi PDF, atau mengikuti pedoman merek organisasi. Contoh jurnalisme data yang disebutkan dalam diskusi - di mana skills dapat memandu analisis data sensus, integrasi SQLite, dan pembuatan visualisasi - menggambarkan bagaimana Skills dapat membangun agen khusus melalui struktur folder file Markdown dan skrip.
Namun, MCP mempertahankan keunggulan dalam skenario enterprise yang membutuhkan integrasi OAuth, eksekusi sisi server, dan kompatibilitas lintas platform. Seperti yang dicatat salah satu komentator, MCP memiliki dampak yang lebih besar di luar terminal - Anda dapat menggunakannya dengan ChatGPT, Claude Web, n8n, LibreChat, dan dilengkapi pertimbangan untuk autentikasi, sumber daya, dan sekarang bahkan UI. Ini membuat MCP lebih cocok untuk pekerjaan CRM, penjualan, dukungan, dan operasi di mana pengguna tidak ingin mengelola lingkungan pengembangan lokal.
Kekuatan Kasus Penggunaan
- Skills: Alur kerja coding, pemrosesan data, pembuatan dokumen, otomatisasi personal
- MCP: Integrasi enterprise, skenario OAuth, alat lintas platform, API layanan
Argumen Kesederhanaan Mendapat Daya Tarik
Komunitas tampaknya condong ke solusi yang lebih sederhana, menarik paralel dengan pertempuran teknologi sejarah. Beberapa komentator membandingkan dinamika Skills vs MCP dengan JSON vs XML atau REST vs SOAP, di mana solusi yang lebih sederhana dan fleksibel sering kali menang meskipun alternatif yang lebih kompleks memiliki keunggulan teoritis. Fakta bahwa Skills dapat bekerja dengan alat AI lain seperti Codex CLI atau Gemini CLI tanpa dukungan khusus vendor memperkuat keunggulan kesederhanaan ini.
Banyak pengembang melaporkan bahwa mereka sudah beralih dari MCP untuk tugas umum, dan malah mengandalkan alat CLI dengan dokumentasi --help yang ditulis dengan baik. Kemampuan LLM untuk secara dinamis menemukan kemampuan alat melalui antarmuka command-line yang sudah ada mengurangi kebutuhan akan spesifikasi protokol yang telah ditentukan. Pola ini selaras dengan bagaimana banyak pengembang berpengalaman lebih suka bekerja - menggunakan alat yang familiar daripada mempelajari protokol baru.
Melihat ke Depan: Koeksistensi atau Penggantian?
Diskusi menunjukkan kedua pendekatan kemungkinan akan hidup berdampingan daripada yang satu sepenuhnya menggantikan yang lain. Skills unggul untuk workflow berbasis filesystem yang dikontrol pengguna di mana pengembang menginginkan manajemen konteks yang ringan. MCP tetap relevan untuk integrasi layanan, perangkat lintas platform, dan skenario yang membutuhkan manajemen terpusat atau autentikasi yang canggih. Beberapa komentator bahkan menyarankan pendekatan hybrid di mana Skills dapat merujuk ke alat MCP ketika diperlukan, menggabungkan efisiensi token Skills dengan kemampuan integrasi layanan MCP.
Tanggapan cepat komunitas terhadap Skills - dengan pengembang segera berbagi kasus penggunaan dan pola implementasi - menunjukkan pendekatan yang lebih sederhana ini beresonansi dengan kebutuhan praktis pengembang AI yang mengerjakan masalah sehari-hari. Sementara MCP akan terus melayani kebutuhan enterprise dan integrasi layanan, Skills tampaknya diposisikan untuk menjadi solusi andalan untuk produktivitas pribadi dan otomatisasi workflow khusus.
Referensi: Claude Skills are awesome, maybe a bigger deal than MCP