19 novembre 2026

DevTools CLI o MCP per agenti di coding: come scegliere in base a token, contesto e workflow

Stesse capacità sotto al cofano, due interfacce diverse: la scelta giusta dipende da overhead iniziale, flessibilità runtime e riusabilità.

Chrome DevTools per agenti offre due modi per pilotare il browser: una CLI e un server MCP. Entrambi parlano con lo stesso daemon via Chrome DevTools Protocol, ma cambiano radicalmente costi in token, latenza e praticità. Vediamo come funzionano, quando conviene l’uno o l’altro, e cosa significa davvero in termini di workflow ripetibili e debugging esplorativo.

Scegliere tra DevTools CLI e MCP (Model Context Protocol) server non è una questione di gusti: è una decisione ingegneristica che impatta costi (token), latenza, portabilità e riusabilità dei flussi di debug/automazione quando lavori con agenti di coding.

La parte interessante è che le capacità non cambiano: cambia come le esponi al tuo agente.

Sotto al cofano: stesso motore, due interfacce

Sia la CLI sia l’MCP server si appoggiano allo stesso “cuore” operativo: un daemon persistente che comunica con Chrome tramite Chrome DevTools Protocol (CDP).

  • Con MCP server, l’agente si connette via stdin/stdout usando JSON-RPC e tratta le operazioni del browser come tool call (funzioni): dalla snapshot del DOM all’analisi di heap/memory snapshot, network, tracing performance, screenshot, ecc.
  • Con DevTools CLI, l’agente esegue comandi shell che invocano quelle stesse operazioni contro il daemon (es. navigazione pagina, acquisizione snapshot, ecc.).

Quindi perché mantenere due modalità per fare, in pratica, le stesse cose? Perché cambiano economia dei token e flessibilità del runtime.

Il vero trade-off: l’overhead iniziale nel contesto (token “a vuoto”)

Il costo nascosto nei flussi agent-based spesso non è “l’azione” in sé, ma quanto contesto devi caricare prima ancora di agire.

MCP: toolbox completo… pagato subito

Quando registri un MCP server con molti tool (decine di operazioni tra performance tracing, network inspection, screenshot, ecc.), in molte integrazioni l’intero set di:

  • definizioni dei tool
  • schemi JSON
  • descrizioni/parametri

viene inserito nel system prompt (o comunque nel contesto) a ogni conversazione.

Con agenti autonomi che fanno sessioni lunghe e multi-turn, questo si traduce in:

  • più token consumati anche quando usi solo 2–3 tool
  • maggiore latenza (più contesto da elaborare)
  • costo complessivo che cresce rapidamente

CLI: contesto compatto, costo “on demand”

Con una skill basata su CLI, puoi partire da un riassunto markdown delle capacità. Il costo pieno si paga solo quando l’agente decide di:

  • leggere la skill completa
  • generare i comandi effettivi necessari

In altre parole: non ti porti dietro l’intera cassetta degli attrezzi se ti serve solo un cacciavite.

Quando scegliere MCP: debugging esplorativo e introspezione profonda

MCP brilla quando sei in modalità:

  • esplorazione (non sai ancora dove sia il problema)
  • debugging dinamico (vuoi “provare cose”, cambiare strada rapidamente)
  • massima disponibilità di strumenti fin da subito

È l’approccio “arrivo in cantiere con tutto”: se l’agente conosce già tutti i tool disponibili, è più probabile che li usi con disinvoltura per arrivare al risultato.

Scegli MCP quando:

  • l’obiettivo non è definito con precisione
  • devi ispezionare profondamente (performance, memoria, rete, DOM) durante l’indagine
  • vuoi un’esperienza a tool call molto interattiva

Quando scegliere la DevTools CLI: token-efficiency, automazione e riuso

Quando invece il lavoro non è più esplorativo, ma diventa:

  • procedurale (una sequenza di passi nota)
  • ripetibile (stesso flusso, più volte)
  • da automatizzare

…la CLI diventa spesso la scelta più pragmatica.

Il punto chiave è la riusabilità: una volta che l’agente ha eseguito una serie di azioni utili in Chrome, puoi farti produrre uno script CLI (es. test.sh) che:

  • riesegui manualmente quando serve
  • integri in skill/automation
  • porti in ambienti diversi senza dipendere da un client MCP specifico

In breve: MCP è ottimo per “capire cosa fare”. La CLI è ottima per “farlo di nuovo” (e farlo bene).

Portabilità dell’ambiente: la CLI vince quasi sempre

Un vantaggio pratico enorme della CLI è che funziona ovunque ci sia:

  • una shell
  • la possibilità di eseguire comandi
  • standard output

Quindi: terminali locali, subshell, container CI, ambienti minimali e molti framework di agenti.

Se il tuo contesto operativo non supporta MCP (o lo supporta male), la CLI è spesso la soluzione più solida.

Due casi ricorrenti (e una risposta pragmatica)

1) Posso usare DevTools CLI per Lighthouse in CI?

Tecnicamente sì. Ma se il tuo obiettivo è solo ottenere score Lighthouse in CI, spesso è più sensato usare:

  • Lighthouse CLI dedicata
  • integrazioni già pronte (es. GitHub Actions)

perché sono più leggere e focalizzate.

2) E se il mio ambiente non supporta MCP?

Qui la risposta è semplice: CLI. È il formato più “universale” per eseguire automazioni.

Un pattern di lavoro efficace: esplora con MCP, cristallizza con CLI

Un workflow molto produttivo con agenti è:

  1. Esplorazione: usi MCP per investigare, ispezionare, cambiare approccio rapidamente.
  2. Stabilizzazione: quando hai trovato il flusso che porta a riprodurre il problema o raggiungere uno stato UI specifico, chiedi all’agente di trasformarlo in uno script CLI riusabile.
  3. Riesecuzione: la prossima volta riparti dallo script per riportare l’app nello stesso stato e ridurre drasticamente i turni “inutili”.

Questo riduce sia tempo umano sia token budget, e rende il debugging più ripetibile.


Sintesi operativa

  • Scegli MCP se stai facendo debugging esplorativo e vuoi massima introspezione e flessibilità immediata.
  • Scegli DevTools CLI se vuoi contenere l’overhead di token, automatizzare in modo ripetibile, o operare in ambienti dove MCP non è disponibile/affidabile.

La scelta migliore, spesso, non è “o l’uno o l’altro”: è usare MCP per aprire la strada e la CLI per trasformare ciò che hai scoperto in un asset riutilizzabile (script, skill, pipeline).