CLI这个计算机世界里面最古老的交互方式
正在迎来一次新的爆发
飞书 丁丁 启威 谷歌 stripe
在最近两周内都不约而同的开源了自己的CLI产品
越来越多的软件开始转向CLI化
CLI全称是Command Line Interface
其实就是命令行界面
CLI跟我们平时熟悉的图形界面
GOI代表了两种不同的交互逻辑
如果我想把这个视频的前五秒切分出来
使用GOI的方式是先导入剪辑软件
找到对应的时间点切分
最后再把视频导出出来
使用CLI的方式则是打开命令行窗口
执行这一个命令就搞定了
GOI专门为人类设计
因为人类不擅长记忆命令
而更擅长使用图形工具
而AA则正好相反
大模型在诞生的时候就学习过大量代码
命令行等语料数据
因此CLI天生就是AA的母语
CLI天然具备文本输入
结构化输出
报错清晰
异语组合
方便自动化等一系列的优势
越来越多的公司
开源社区开始放弃MCP
转而拥抱CLI
视频的后半段我们会探讨
MCP跟CLI各自都有哪些优势
他们各自适应的场景是什么
在这股CLI热度下面
最近GitHub上面出现了两个非常火热的开源项目
第一个是CLI Anything
只需要一行命令
就能把任意开源软件
以CLI的形式接入Agent的框架
短短两周
GitHub上面已经有了2.5万的STAR
还有一个是OpenCLI
它能把任何的网站或者Electron的桌面应用
转换成能让AA调用的命令行工具
本期视频我们就来深度实测下这两个项目
把各种软件跟网站都转换成CLI
并且让AA Agent能够自动调用这些CLI工具
自动化为我们完成工作
CLI Anything
它的愿景是让所有的软件都能被Agent驱动
一行命令就能把任意的开源软件CLI化
并且轻松接入各种Agent框架
我们来看一下它的工作原理
当我们执行这个命令的时候
会启动一个7个步骤的自动化流程
首先它分析软件原代码
分析出每个UI操作背后的API逻辑
然后规划CLI命令分组
设计输入输出
接下来进行编码实现
编写测试用力
更新文档并且发布
我们看到开发者已经对以下11款软件进行了测试
都取得了不错的效果
本期视频我们以开源软件Draw.IO为例进行演示
这是一个画板工具
可以通过拖拽图形的方式来绘制流程图
架构图
众所周知
Agent非常不擅长在UI上用拖拽的方式来工作
我们可以借助CLI Anything
把Draw.IO进行CLI化
让AE更轻松的进行图形绘制
使用CLI Anything的前提是需要先在电脑上安装Python
我们可以来到Python的官网
在download这里下载安装最新版本的Python
然后我们选择一个自己喜欢的AE编程工具
这里我以Cloud Code为例
我们先复制第一个命令来到Cloud Code执行一下
然后复制第二个命令来到Cloud Code执行一下
安装范围我选择第二个项目级别的
我们重启一下Cloud Code
接下来我让Cloud Code把Jaw.IO的项目原代码
克隆到这个目录下面
接下来我们就可以执行这个最关键的命令了
斜杠CLI Anything
冒号CLI Anything
后面是我们要CLI化的开源项目的原代码路径
接下来Cloud Code会为我们执行这个七个步骤的复杂流程
我们要做的就是耐心等待
这里时间过去了46分钟
AE完成了所有代码的编写
成功的把这个项目进行了CLI化
我们来看一下CLI Anything交付的文件
首先是一个说明文件
readme.md
里面写明了生成的命令行工具是怎么使用的
这三个文件是编写代码时的规范和约束
帮助AA更好的来编写代码
核心功能在这个文件夹里面
里面存放的是AA编写的Python代码
项目原理很简单
当我们运行命令的时候
其实就是运行了这些Python代码
Python代码可以按照Jaw.IO的文件标准
来读写Jaw.IO的工程文件
这样同一份文件可以被Jaw.IO软件
和CLI两种方式进行读写
这里我们根据readme里面列出的使用范例来测试一下
首先第一步把AA编写的Python包来安装一下
这里我们在项目目录里面执行一下安装命令
安装好以后
我们就可以使用下面这些命令行了
比如第一个命令是创建一个Jaw.IO的项目
这里项目文件就被创建出来了
接下来我们可以创建图形
使用这个命令创建一个基础的举形
里面的文字是hello
使用这个命令可以列出画布里面的元素
这个命令可以把画布导出成svg
我们在项目目录就可以看到导出后的svg文件
这样整个流程就跑通了
这样我们就把一个需要复杂UI操作的软件
变成了一个AA可以轻易使用的命令行工具
接下来我们就可以让AA介入这些工具
来绘制出更加复杂的图形
这里我以Codex为例进行演示
我让AA介入CRI命令
画一个快速排序算法的流程图
Codex先是执行了-help命令
学会了如何使用这些命令行
这里体现了CRI的一大优势
也就是自解释性
关于CRI的知识
Agent并不需要一次性的学会
Agent可以随时调用-help去学习每个命令的用法
这个做法跟Skills里面
渐进式披露提示词的做法是一致的
可以大幅减少token消耗
同时保证调用准确率
学会了如何使用命令行以后
AA开始调用这些CRI为我们绘制图形
Codex为我们生成了一个DrawIO格式的原文件
还有一个可以预览的SVG格式图片
我们可以直接在Draw.IO里面
打开这个原文件
进行编辑跟查看
我们看到效果还是不错的
稍微改动一下就可以直接使用了
把一个需要在UI上操作的软件
变成了对AA更友好的命令行工具
AAAgent就可以借助这些命令行
帮我们进行全自动的画图
非常的方便
我们可以使用命令把开源软件从零开始进行CRI化
CRI Anything这个项目里面
也提供了一些作者已经写好了的CRI工具
我们只需要找到对应的目录
比如OBS这个
这个OBS.MD介绍了这个CRI是怎么使用的
直接把这个文件夹下载下来
AA就可以使用命令行来操作OBS了
我们来看下一个开源软件
OpenCRI
它可以把任意的网站或者Electron应用
变成命令行工具
我们看到作者已经把它接入了非常多的网站
还有应用
我们直接拿过来用就行了
这里我们把它安装并且试用一下
第一步首先需要在电脑上安装Node.js
没有的话可以来到Node.js的官网下载并且安装
第二步我们需要先安装一个插件
点击这个链接
在项目的Releases里面
我们可以找到这个插件
然后我们打开Chrome浏览器
在右上角的设置里面
找到管理扩展程序
打开开发者模式
我们把刚才下载的插件直接拖拽进来
插件安装好以后
我们使用NPM命令来安装OpenCRI
这里打开一个命令行窗口
把OpenCRI的安装命令粘贴过来
回车
这样就安装完成了
我们来测试一下
比如我们可以执行OpenCRI HackerNews TopLimit 5
查询HackerNews上面
前五个热门话题
这里给出了结果就运行成功了
我们也可以输入这个命令
OpenCRI Grok Ask
询问它一个问题
我们看到OpenCRI会自动操作我的Chrome浏览器
打开Grok的官网
然后来询问它这个问题
拿到结果以后
它可以把结果展示到控制台里面
我们再看一个例子
可以使用OpenCRI去BOSS上面搜索职位
我们先使用刚刚Help看一下它支持哪些参数
这里有城市经验学历等等
比如我搜索一个青岛的软件开发岗位
我们看到它在后台自动调用了Chrome浏览器
为我们找到了软件开发的相关岗位
在后面追加-FJSON
让它把数据以JSON的格式返回回来
OpenCRI支持下面几十种网站还有工具
这里我就不一一介绍了
我们除了使用这些作者已经编写好的命令行工具
也可以基于这个项目进行二次开发
把自己需要的工具加入进来
接下来我们使用AA编程工具
对这个项目进行一个二次开发
第一步我们先把项目的原代码克隆下来
这里来到项目目录
打开我们的AA编程工具
这里我使用的还是Codex
我让AA创建一个全新的命令
把这个网站上面所有的博客列表输出出来
Codex通读了整个项目结构
学会到了如何创建新的命令
Codex为我们完成了开发
我们按照它的提示把它安装一下
第一个命令
然后第二个命令
接下来第三个命令
这样我们就可以直接使用新创建的命令行了
我输入OpenCRI Node Blog
就获取到了Node.js这个网站上面所有的博客信息
这样我们在AA的帮助下面
开发了一个全新的OpenCRI命令
如果我们想要全新的命令来自动化操作网站
就可以使用这个方法让AA帮我们开发
除了使用CRI Anything和OpenCRI
把一些开源软件CRI化
很多大型软件都提供了自己的官方CRI服务
我们就以GitHub的官方CRI为例
我们先来到它的官网
点击Download的按钮
把GitHub官方CRI安装一下
安装完成以后打开命令行窗口
输入GH也就是GitHub的缩写
然后-help
查看一下有哪些命令可以使用
一般我们使用CRI工具
第一步就是先登录
这里我们输入命令GHOS login
这里会提供给我们一个校验码
我们来到这个网址填上校验码就登录完成了
然后我们可以使用这个命令
查看一下OpenCli上面的一束列表
或者使用这个命令给我自己创建一个新的仓库
我们看到这里仓库就创建出来了
更多命令的使用方法可以参考GitHub官方CRI的文档
后续我们的视频里面还会介绍更多好用的官方CRI工具
MCP全称是模型上下文协议
简单来说MCP就是AA大模型的标准化工具箱
大模型可以利用这些工具与外界互动
获取信息并且完成具体任务
不过由于MCP协议设计之初存在的一些问题
越来越多的公司开源社区开始放弃MCP
转而拥抱CRI
比如ASO所剧投Purplexity在2026年3月宣布放弃MCP
全面转向CRI化
还有现象级的开源产品OpenCloud从一开始就拒绝支持MCP
在26年3月开发者社区掀起了一个讨论热潮
主题就是MCP已死
CRI永生
我认为MCP对比CRI主要有以下几个劣势
首先MCP上下门占用较高
MCP需要将所有的工具名字参数格式
还有调用示例全部注入上下门
每新增一个MCP工具都要占用大量的token开销
而CRI则可以让AA自己学习用法
使用渐进式披露的方式来减少token消耗
ScaleKit做过一组测试
使用Github的官方MCP与官方CRI进行对比
在所有任务上面
CRI的token消耗都成倍的小于MCP
第二点
MCP更像是一个agent的专用协议
而CRI是一个同时对agent跟人类友好的工具
我们还是来看刚才那个Github的例子
比如我让agent用Github CLI创建一个分支
在这里报错了
在这个场景下面
我只需要把命令复制一下
开一个命令行窗口运行一下
就能立即复现出错误原因
而且我还可以协助AA进行修复
而MCP对人类来说更像是一个黑盒
整个运行过程都是在agent内部的
如果运行出错很难在本地复现问题
调试的难度大大增加
第三点是CRI天生支持管道符操作
可以将多个命令组装成流水线
轻松实现复杂任务
这种组合能力是MCP不具备的
我们来看一个例子
我们先使用Github CLI获取OpenCloud的一束列表
这个束线是管道符
意思是把上个命令的输出结果
作为下个命令的输入
可以像拼接管道一样
把命令组合起来
形成一条流水线
通过管道符
我们可以先把数据转换成一个powershell对象
在每条数据里面筛选出
包含bug这个字符串的
再根据时间进行排序
最后导出成一个csv文件
这样我们就通过管道符
串联了流水线
一条命令就能轻松实现复杂需求
如果我们使用mcp处理这种任务
就需要非常多步骤的反复调用工具
大大增加了token消耗跟时间开销
当然mcp也有自己的独特优势
比如在多租户
还有严格全线控制的场景下面
mcp就好于cli
比如国内有的AA agent云平台
允许用户上传自定义的python
或者node格式的mcp包
在云端使用
mcp有标准化的安装包
有统一的健全规范
是实现这个功能的前提
而cli没有标准化的安装包
也没有统一的健全标准
所以想实现类似的功能就非常的困难
我觉得目前说cli可以完全取代mcp
还为时尚早
而且两者之间也在互相学习进化
比如cloudcode和codex
最近都上线了toolsearch功能
不再给AA全量注入mcp的schema
而是按需加载mcp
把skills跟cli
渐进式披露提示词的思路
引入了mcp
第二个例子是龙虾之父开发的开源软件mcpporter
它可以把任意的mcp
转换成cli的格式
提供给agent调用
相信以后技术发展的趋势是每个技术框架
可以互相学习优点
它们之间的功能都会互相的融合
这就是本期视频的全部内容
感谢大家点赞支持
我们下期再见