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、钉钉、企微、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(GUI)，代表了两种不同的交互逻辑。 如果我想把这个视频的前 5 秒切分出来，使用 GUI 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。
ffmpeg -i input.mp4 -t 00:00:5 -c copy part1.mp4
GUI 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 AI 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 AI 的母语。CLI 天然具备文本输入、结构化输出、报错清晰、易于组合、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 。
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 框架。
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 AI 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 AI 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。
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 。
/plugin marketplace add HKUDS/CLI-Anything
/plugin install cli-anything
我们重启一下 Claude Code 。接下来我让 Claude Code 把 draw.io 项目源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：
/cli-anything:cli-anything ./drawio
后面是我们要 CLI 化的开源项目的源代码路径。 接下来 Claude Code 会为我们执行这个 7 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，AI 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。drawio_SOP.md ，HARNESS.md, TEST.md 三个文件是编写代码时的规范和约束，帮助 AI 更好的来编写代码。
核心功能在 cli_anything 这个文件夹里面，里面存放的是 AI 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 draw.io 的文件标准，来读写 draw.io 的工程文件，这样同一份文件可以被 draw.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 AI 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。
pip install -e .
安装好以后我们就可以使用下面这些命令行了。
这样我们就把一个需要复杂 UI 操作的软件，变成了一个 AI 可以轻易使用的命令行工具。接下来我们就可以让 AI 借助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 AI 借助 CLI 命令画一个快速排序算法的流程图。--help命令，学会了如何使用这些命令行。--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。
我们来看下一个开源软件 OpenCLI ，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。
打开开发者模式，
我们把刚才下载的插件直接拖拽进来。
npm install -g @jackwener/opencli
我们来测试一下，比如我们可以执行 opencli hackernews top --limit 5 查询 hacker news 上面前 5 个热门话题，这里给出了结果就运行成功了。opencli grok ask，询问它一个问题。我们看到 OpenCLI 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。opencli boss search --help看一下它支持哪些参数，这里有城市、经验、学历等等。-f json，让它把数据以 json 的格式返回回来。
接下来我们使用 AI 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源代码克隆下来。
https://github.com/jackwener/opencli.git
cd ./opencli
codex
这里来到项目目录，打开我们的 AI 编程工具，这里我使用的还是 Codex 。
npm install
npm run build
npm link
这样我们就可以直接使用新创建的命令行了。我输入 opencli node blog 就获取到了 nodejs 这个网站上面所有的博客信息。
除了使用 CLI Anything 和 OpenCLI 把一些开源软件 CLI 化，很多大型软件都提供了自己的官方 CLI 服务。我们就以 GitHub 的官方 CLI 为例。我们先来到它的官网，点击 DOWNLOAD 按钮，把 GitHub 官方 CLI 安装一下。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 CLI 工具，第一步就是先登录，这里我们输入命令gh auth login。
MCP 全称是模型上下文协议，简单来说 MCP 就是 AI 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 CLI 。比如 AI 搜索巨头 Perplexity ，在 2026 年 3 月宣布放弃 MCP ，全面转向 CLI 化。还有现象级的开源产品 OpenClaw ，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，CLI 永生”。
首先 MCP 上下文占用较高。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文，每新增一个 MCP 工具都要占用大量的 Token 开销。而 CLI 则可以让 AI 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 CLI 进行对比，在所有任务上面，CLI 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 CLI 是一个同时对 Agent 跟人类友好的工具。
第三点是 CLI 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。
当然 MCP 也有自己的独特优势，比如在多租户还有严格权限控制的场景下面，MCP 就好于 CLI 。比如国内有的 AI 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，有统一的鉴权规范，是实现这个功能的前提。而 CLI 没有标准化的安装包，也没有统一的鉴权标准，所以想实现类似的功能就非常的困难。
这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.