4 min read

MCP 或许只是个匆匆过客,但CLI永存

Source: http://x.com/i/article/2029033768837890049

2024 年底,Anthropic 推出 Model Context Protocol(MCP)时,科技界那股狂热劲儿,活像发现了火种。大厂们排着队发布 MCP 服务器,生怕晚一步就被踢出 AI 优先的群聊。

一时间,到处都是新的端点、格式和认证方案,大家忙得不亦乐乎,只为解决一个问题:让大模型能和它原本就能访问的服务说上话。

但折腾了半年,大家回过神来了:OpenClaw 不跟风,Pi 也不搭理。这事开始变得尴尬,我们费这么大劲,到底在折腾啥?

LLM 根本不需要“翻译官”

MCP 的初衷是给 AI Agent 定个标准工具包。听起来很美,但在实践中,开发者们发现自己陷入了某种脱裤子放屁的循环。

大模型在命令行(CLI)上的天赋是拉满的。它们读过数亿行 man pages,背下了整个 Stack Overflow 和 GitHub。当你让 Claude 去看一眼某个 PR 时,直接告诉它运行 gh pr view 123 就行了。它懂这个,而且懂了整整几十年。

MCP 承诺提供一个更清晰的接口,结果开发者还是得在 JSON 里苦哈哈地写文档:这工具干嘛的、参数怎么传。LLM 心里估计在翻白眼:这些东西,我在 Bash 脚本里早就自学成才了,何必再套个壳子?

众生平等才能走得更远

CLI 最大的魅力在于:它对人类和机器一视同仁。

当 Claude 用 Jira 搞出什么骚操作时,你可以直接在终端敲一行 jira issue view,看看它到底看到了什么。同样的输入,同样的输出,没有黑盒,没有玄学。

换成 MCP,工具就成了 LLM 对话里的私产。一旦出错,你得在几千行 JSON 传输日志里艰难爬行,试图解码到底发生了什么。调试本来就很痛苦,不该再需要一个协议解码器。

再说说可组合性,这是 CLI 降维打击的地方。你可以用 jq 处理数据,用 grep 过滤信息,最后重定向到文件。如果用 MCP,你要么把整个文件塞进上下文(不仅贵,还容易让模型烧糊涂),要么得在 MCP 服务器里手写一套过滤逻辑。明明有现成的工具可以用,非要自己造轮子,这不是科技进步,这是在给自己找活干。

认证与稳定性的现实毒打

MCP 在认证上表现得像个执着的强迫症,但又没解决实际问题。

CLI 工具从不在乎这些。aws 有它的 profile,gh 用自己的登录态。这些是经过几十年实战检验的方案,不管你是真人还是 Agent,只要配置好了就能跑。当认证过期时,你轻车熟路地敲个 auth refresh 就行。

反观 MCP,初始化不稳定是常态。有时候得重启 Claude Code,因为它那个 MCP 进程莫名其妙就挂了。更有意思的是权限控制,MCP 往往是全开或者全关。而在 CLI 里,你可以大大方方地允许 Agent 执行 view 操作,但把 merge 这种高危动作锁死。这种颗粒度,才是工程实践需要的安全感。

别给不聋的人买助听器

当然,MCP 不是一无是处。如果某个服务真的没有 CLI,或者需要极其复杂的长链路交互,MCP 算是个备选。但在绝大多数场景下,它就像是给一个听力正常的人硬塞了一副助听器。

现在的 AI Agent 都在卷环境、卷沙盒、卷执行能力。真正的差异化在于 Agent 运行的那个环境是否稳定,而不是协议长得好不好看。

给创业者的建议很简单,如果你打算投钱搞 MCP 服务器,先停下来。去写一个好用的 API,再配一个好用的 CLI。Agent 没你想的那么笨,它会自己翻手册、找命令。

CLI 不是什么老古董,它是经过几十年迭代演化出的、最符合直觉的接口哲学。它简单、透明、能套娃。

在盲目追逐新抽象的路上,我们经常忘了:最简单的方案,往往才是那个能活到最后的方案。