Lewati ke konten utama

CLI Itu Sudah Cukup

CLI Itu Sudah Cukup - Kenapa Deep Code mengungguli tools coding AI lainnya

Banyak orang sering nanya ke gue: "Claude Code jelas lebih bagus dari tools coding AI lain, tapi gue nggak bisa jelasin kenapa." Postingan blog berikut dari Marco Franzon ini menjelaskan alasannya dengan sangat baik. Baik Claude Code maupun OpenClaw yang belakangan lagi rame punya satu kesamaan mendasar: keduanya menghubungkan kemampuan large language model langsung ke command line terminal sistem. Inilah kenapa AI bisa ngelakuin lebih dari sekadar "kasih saran" -- dia bisa beneran masuk ke direktori proyek lo dan langsung kerja: nyari, ngubah, nge-run, nge-test, commit, sampai debug, membentuk siklus pengembangan otomatis yang rapat. Banyak orang mikir terminal itu "metode input jadul," tapi kenyataannya justru sebaliknya. Sistem informasi paling kritis di dunia semuanya jalan di command line: pemrosesan transaksi perbankan, pemesanan dan penjadwalan maskapai penerbangan, sorting dan pelacakan logistik, serta proses bisnis inti pemerintahan dan lembaga publik. Command line tetap jadi "universal interface" selama ini karena cukup stabil, cukup general-purpose, cukup bisa dikomposisi, dan cukup gampang buat diotomasi. LLM sudah dilatih dengan data command line dalam jumlah masif dan bisa mengoperasikan command line dengan presisi yang luar biasa. Jadi saat LLM yang powerful bertemu dengan fleksibilitas command line, hasilnya adalah kombinasi yang belum pernah umat manusia lihat sebelumnya.

Hype MCP udah abis.​

MCP (Model Context Protocol) yang selama dua tahun terakhir dipandang sebagai masa depan tooling AI agent, ternyata terlalu ribet dalam praktiknya. Di tahun 2026, developer yang menghargai kecepatan dan efisiensi mulai balik lagi ke command line terminal. Mereka kasih AI LLM akses langsung ke Shell, membiarkan agent manggil tools yang sudah teruji selama puluhan tahun -- tools kayak git, rg, grep, npm, docker, curl, jq, dan tail. Developer nggak butuh custom server lagi atau deskripsi schema yang membengkak dan makan context window. Yang lo butuhin cuma model AI yang powerful dipasangkan dengan Bash atau Zsh, dan tools coding berbasis AI kayak Deep Code udah bisa kasih hasil yang luar biasa.

Kenapa MCP kehilangan daya tarik di development sehari-hari​

Untuk workflow development pada umumnya, MCP seringnya malah nambah friction, bukan ngurangin, karena beberapa alasan:

  • Overhead token: Katalog tools yang panjang dan deskripsi schema makan space konteks yang berharga.
  • Reinventing the wheel: Custom MCP server sering menduplikasi fungsionalitas yang udah ditangani sama tools CLI standar dengan andal.
  • Komposabilitas yang buruk: Developer kehilangan kemampuan piping, chaining, dan modifikasi on-the-fly yang udah disempurnain Unix selama puluhan tahun.
  • Kompatibilitas model: LLM terdepan udah dilatih secara ekstensif tentang penggunaan Shell. Model-model ini memahami parameter, pipe, pesan error, dan dokumentasi dengan akurasi yang mengagumkan.

Best practice-nya simpel: Buka direktori proyek lo di Deep Code, kasih izin eksekusi Shell dalam safety guardrails, terus kasih perintah yang jelasin apa yang mau lo capai. Deep Code akan otomatis nge-plan, nge-run command, edit file, jalanin test, commit kode, dan debug.

MCP masih punya value di lingkungan enterprise yang teregulasi dan integrasi SaaS API yang butuh type safety ketat. Tapi untuk 80-90 persen kerjaan sehari-hari, itu cuma noise.

Skenario di mana command line ngunggulin MCP​

Di aktivitas development gue sehari-hari, gue sering nemuin situasi yang bikin keterbatasan MCP jadi keliatan banget.

Refactor kode di seluruh proyek​

Deep Code mulai dengan command kayak: rg "oldDeprecatedFunction" . Dia memetakan cakupan perubahan. Dia bikin edit yang terarah di banyak file. Dia review dengan git diff. Dia jalanin npm test atau cargo test. Terus dia commit: refactor: remove deprecated API calls

Di skenario kayak gini, nggak butuh GitHub MCP server -- cukup rg dan git.

Debugging full-stack bug produksi​

Gue kasih Deep Code instruksi ini: Reproduce the user authentication failure in the staging environment. Deep Code narik kode, nyiapin environment staging, dan monitor error log. Dia probing API dengan curl, nyalain database dengan docker-compose, dan jalanin test case tertentu.

Nggak butuh Docker MCP. Nggak butuh logging MCP. Cukup shell yang kompeten.

Scaffolding microservice baru​

Gue kasih Deep Code instruksi ini: Build a Rust user profile API with Axum + sqlx. Use Postgres for the database. Deep Code pake toolchain yang udah terinstall di mesin (kayak cargo-nya Rust) buat bikin proyek, tambah dependencies, dan jalanin service-nya.

Toolchain yang udah ada udah cukup -- nggak butuh database MCP.

Fixing CI/CD yang suka gagal​

Deep Code clone repo-nya. Dia jalanin workflow secara lokal dengan act. Dia pinpoint kegagalannya. Dia ubah .github/workflows/ci.yml atau Dockerfile-nya. Dia verifikasi dengan docker build. Dia push branch-nya. Dia buka PR dengan gh.

Semuanya tools CLI standar. Nggak butuh integrasi CI layer custom.

Pola di feedback developer​

Tim-tim yang pake pendekatan command line native Deep Code melaporkan keunggulan berikut:

  • Delivery yang jauh lebih cepat.
  • Konsumsi token yang lebih terprediksi.
  • Transparansi yang lebih besar dalam perilaku tools berbasis AI.
  • Pengawasan dan debugging operasi AI yang lebih mudah.

Singkatnya, konsensus yang muncul sudah jelas: Stop bikin integrasi. Bikin tools CLI aja. Karena Bash itu MCP yang ultimate.

Terminal selalu jadi universal development environment​

Di tahun 2026, terminal juga jadi interface paling powerful buat AI coding agent. Kecuali lo kerja sama tooling enterprise yang spesifik, lo bisa skip tumpukan MCP yang berat itu sepenuhnya.

Cukup buka direktori proyek lo di Deep Code, kasih akses Shell, jelasin tugas lo, dan lihat dia kerja.