# 影片筆記：为什么巨头都在做CLI(命令行界面)？比起MCP有哪些优势？ #AI #CLI #Agent #科技 #计算机

## 一句話總結

影片探討了 CLI（命令行界面）在 AI Agent 時代的崛起，通過實測 `CLI Anything` 和 `OpenCLI` 等開源項目，對比了 CLI 與 MCP（Model Context Protocol）的優劣勢，指出 CLI 在 Token 消耗、可調試性、管道組合及人類友好度上的優勢，並預測兩者將互相學習、功能融合。

## 核心重點

1.  **CLI 趨勢爆發**：飛書、丁丁、啟威、Google、Stripe 等巨頭相繼開源 CLI 產品，標誌著軟體趨勢轉向 CLI 化。
2.  **CLI 是 Agent 的「母語」**：相比於適合人類的 GUI（逐字稿誤作 GOI），CLI 具備文本輸入、結構化輸出、易於自動化等特性，且大語言模型（LLM/AA）學習過大量代碼語料，天生契合 CLI。
3.  **實測案例驗證**：
    *   **CLI Anything**：能將任意開源軟體（如 Draw.IO）轉換為 CLI，讓 Agent 通過命令行繪製流程圖，解決 Agent 不擅長 UI 拖拽的問題。
    *   **OpenCLI**：能將網站或 Electron 應用轉換為命令行工具，自動操作瀏覽器執行任務（如查詢 HackerNews、搜索職位），並支持 JSON 格式輸出。
4.  **CLI 對比 MCP 的優勢**：
    *   **Token 效率**：CLI 支持「漸進式披露」（隨時調用 `-help`），大幅減少上下文窗口佔用；MCP 需一次性注入所有工具定義，Token 消耗高。
    *   **可調試性**：CLI 命令可在本地復現，人類易於協助修復；MCP 運行過程對人類是「黑盒」，難以調試。
    *   **組合能力**：CLI 支持管道符（Pipe）組裝流水線，處理複雜任務更靈活；MCP 缺乏此能力，需多次調用工具。
5.  **未來趨勢：融合而非取代**：
    *   MCP 在多租户、嚴格線控（疑點）及雲端環境仍有優勢。
    *   雙方正在互相學習：Cloud Code/Codex 引入漸進式披露思路；MCP 之父開發 `mcpporter` 將 MCP 轉換為 CLI 格式。

## 詳細大綱

### 一、 CLI 的興起與優勢
*   **市場趨勢**：近期飛書、丁丁、啟威、Google、Stripe 等公司相繼開源 CLI 產品。
*   **交互邏輯對比**：
    *   **GUI (GOI)**：適合人類，依賴視覺操作（如導入、切分、導出）。
    *   **CLI**：適合 AA (AI Agent)，具備文本輸入、結構化輸出、報錯清晰、異語組合、方便自動化等優勢。
*   **技術契合度**：AA 在誕生時學習過大量代碼和命令行語料，CLI 被視為 AA 的「母語」。

### 二、 實測項目一：CLI Anything
*   **項目願景**：讓所有軟體都能被 Agent 驅動，一行命令將開源軟體 CLI 化並接入 Agent 框架。
*   **工作原理**：7 步自動化流程（分析代碼 -> 分析 API 邏輯 -> 規劃命令 -> 設計輸入輸出 -> 編碼 -> 測試 -> 發布）。
*   **實測案例：Draw.IO 的 CLI 化**
    *   **環境準備**：安裝 Python、選擇編程工具（如 Cloud Code）。
    *   **執行流程**：克隆 Draw.IO 源碼 -> 執行 `CLI Anything` 命令 -> 等待生成（實測耗時 46 分鐘）。
    *   **交付成果**：生成 `readme.md`、規範約束文件、Python 核心代碼。
    *   **功能驗證**：通過命令行創建項目、創建圖形、列出元素、導出 SVG。
    *   **Agent 介入**：使用 Codex 讓 AA 學習命令（`-help`），自動繪製快速排序算法流程圖，生成 DrawIO 源文件和 SVG 預覽。
    *   **優勢**：解決 Agent 不擅長 UI 拖拽的問題；`-help` 體現自解釋性，減少 Token 消耗。
    *   **預製工具**：項目提供預製的 CLI 工具（如 OBS），可直接下載使用。

### 三、 實測項目二：OpenCLI
*   **項目願景**：將任何網站或 Electron 桌面應用轉換為 AA 可調用的命令行工具。
*   **安裝與配置**：
    *   安裝 Node.js。
    *   安裝 Chrome 擴展插件（開發者模式拖拽安裝）。
    *   通過 NPM 安裝 OpenCLI。
*   **實測案例**：
    *   **HackerNews**：查詢熱門話題。
    *   **Grok**：自動操作 Chrome 瀏覽器訪問官網並提問，結果返回控制台。
    *   **BOSS 直聘**：自動搜索職位（支持城市、經驗等參數），並可通過 `-FJSON` 以 JSON 格式返回數據。
*   **二次開發**：
    *   克隆源碼，使用 AA 編程工具（Codex）創建新命令。
    *   實例：創建命令獲取 Node.js 網站的博客列表。

### 四、 官方 CLI 與 MCP 的對比分析
*   **GitHub 官方 CLI 實測**：
    *   安裝 GitHub CLI (`gh`)。
    *   流程：登錄 (`gh auth login`) -> 查看 Issues -> 創建倉庫。
*   **MCP vs CLI 優劣勢對比**：
    *   **MCP 劣勢**：
        1.  **Token 消耗高**：需將所有工具名稱、參數、格式注入上下文窗口；新增工具佔用大量 Token。
        2.  **對人類不友好**：MCP 是 Agent 專用協議，運行過程是「黑盒」，出錯時難以在本地復現和調試。
        3.  **缺乏組合能力**：不支持管道符操作，處理複雜任務需多次調用工具，增加 Token 和時間開銷。
    *   **CLI 優勢**：
        1.  **漸進式披露**：AA 可隨時調用 `-help` 學習，大幅減少 Token 消耗。
        2.  **易於調試**：命令可複製到本地命令行復現錯誤，人類可協助修復。
        3.  **管道符支持**：支持將多個命令組裝成流水線（如數據轉換、篩選、排序、導出 CSV），一條命令實現複雜需求。
    *   **MCP 優勢場景**：多租户、嚴格線控（Line Control/Control? 疑點）、雲端環境。MCP 有標準化安裝包和健全規範，適合雲端運行；CLI 缺乏此標準，實現雲端功能困難。
*   **趨勢展望**：
    *   說 CLI 完全取代 MCP 為時尚早。
    *   **互相學習**：
        *   Cloud Code 和 Codex 上線 `toolsearch` 功能，按需加載 MCP Schema，引入漸進式披露思路。
        *   MCP 之父開發 `mcpporter`，將 MCP 轉換為 CLI 格式供 Agent 調用。
    *   **結論**：技術框架將互相學習優點，功能互相融合。

## 工具 / 模型 / 名詞整理

*   **公司/組織**：飛書、丁丁、啟威、Google、Stripe、GitHub、OpenCloud、ASO、Purplexity、ScaleKit、Node.js、Chrome、BOSS (BOSS 直聘)、HackerNews、Grok、Draw.IO、OBS。
*   **軟體/工具**：
    *   **CLI 相關**：CLI Anything、OpenCLI、GitHub CLI (`gh`)。
    *   **開發環境**：Python、Cloud Code、Codex、Node.js、NPM、PowerShell。
    *   **瀏覽器擴展**：OpenCLI Chrome 擴展插件。
    *   **其他**：MCPporter (疑點：逐字稿提及「龍蝦之父開發」，疑為 MCP 之父或特定開發者暱稱，需查證)。
*   **協議/標準**：
    *   CLI (Command Line Interface)
    *   GUI / GOI (Graphical User Interface，逐字稿口誤為 GOI)
    *   MCP (Model Context Protocol，模型上下文協議)
    *   Skills (技能/提示詞策略)
    *   JSON, SVG, CSV, Python, Node.js

## 操作流程整理

### 實測 CLI Anything (Draw.IO CLI 化)
1.  **環境準備**：安裝 Python，選擇編程工具（如 Cloud Code）。
2.  **獲取源碼**：克隆 Draw.IO 源碼。
3.  **執行轉換**：執行 `CLI Anything` 命令。
4.  **等待生成**：系統自動執行 7 步流程（分析代碼、API、規劃、設計、編碼、測試、發布），實測耗時約 46 分鐘。
5.  **驗證功能**：
    *   通過命令行創建項目、圖形、列出元素。
    *   導出 SVG 文件。
6.  **Agent 集成**：使用 Codex 讓 AA 學習 `-help` 命令，自動繪製流程圖（如快速排序），生成 DrawIO 源文件和 SVG 預覽。

### 實測 OpenCLI (網站轉 CLI)
1.  **環境配置**：
    *   安裝 Node.js。
    *   安裝 Chrome 擴展插件（開發者模式拖拽安裝）。
    *   通過 NPM 安裝 OpenCLI。
2.  **執行任務**：
    *   **HackerNews**：查詢熱門話題。
    *   **Grok**：自動操作 Chrome 訪問官網提問，結果返回控制台。
    *   **BOSS 直聘**：搜索職位（支持城市、經驗參數），使用 `-FJSON` 以 JSON 格式返回數據。
3.  **二次開發**：
    *   克隆源碼。
    *   使用 Codex 創建新命令（如獲取 Node.js 博客列表）。

### GitHub CLI 基本操作
1.  安裝 GitHub CLI (`gh`)。
2.  執行 `gh auth login` 登錄。
3.  查看 Issues 或創建倉庫。

## 值得注意的限制或風險

1.  **Token 成本**：MCP 需一次性注入所有工具定義，對於大型工具集會佔用大量上下文窗口 Token；CLI 通過 `-help` 漸進式披露可緩解此問題。
2.  **調試難度**：MCP 對人類而言是「黑盒」，出錯時難以在本地復現和調試；CLI 命令可複製到本地命令行復現，便於人類協助修復。
3.  **雲端部署限制**：CLI 缺乏標準化的雲端安裝包和規範，實現雲端功能較困難；MCP 在多租户和嚴格線控場景仍有優勢。
4.  **時間預測不確定性**：影片提及「2026年3月宣布放棄MCP」及「26年3月」，若當前時間未到2026年，則為時間預測或口誤，需查證實際發生時間。

## 逐字稿辨識疑點

*   **GOI**：逐字稿中多次出現「GOI」，根據上下文「跟我們平時熟悉的圖形界面」判斷，應為 **GUI** (Graphical User Interface) 的口誤或聽寫錯誤。
*   **AA**：逐字稿中多次出現「AA」，根據上下文「大模型」、「Agent」判斷，應為 **AI** 或 **Agent** 的口誤或聽寫錯誤。
*   **ASO**：逐字稿提及「ASO 所劇投 Purplexity」，「所劇投」語意不通，疑為公司名稱或術語聽寫錯誤，需查證。
*   **龍蝦之父**：逐字稿提及「龍蝦之父開發的開源軟件 mcpporter」，疑為特定開發者暱稱或聽寫錯誤（可能指 MCP 協議之父或特定開源貢獻者），需查證。
*   **2026年3月**：逐字稿提及「2026年3月宣布放棄MCP」及「26年3月」，若當前時間未到2026年，則為時間預測或口誤，需查證實際發生時間。
*   **一朮列表**：逐字稿提及「查看一下OpenCli上面的一朮列表」，疑為「Issues 列表」或「Issues 列表」的聽寫錯誤。
*   **一朮線**：逐字稿提及「這個朮線是管道符」，疑為「這個符號」或「這個管道」的聽寫錯誤。
*   **健全規範**：逐字稿提及「統一的健全規範」，疑為「健全」為「健全」或「健全」的誤寫，或指「健全（Sound/Robust）」的規範，需查證具體術語。
*   **線控**：逐字稿提及「嚴格線控的場景」，疑為「線控」為「線控（Line Control?）」或「線控（Control?）」的聽寫錯誤，需查證具體技術術語。

## 可延伸追問

1.  「龍蝦之父」具體是指哪位開發者？`mcpporter` 的具體功能和開源地址為何？
2.  「ASO 所劇投 Purplexity」中的「ASO」和「所劇投」具體指代什麼公司或術語？
3.  影片提到的「2026年3月宣布放棄MCP」具體是指哪家公司的計劃？是否有相關官方公告？
4.  「嚴格線控」場景具體是指什麼技術場景？是否有相關文檔解釋？
5.  CLI Anything 和 OpenCLI 在實際生產環境中的穩定性和維護情況如何？