跳至主要內容

CLI 对比 MCP 有哪些优势

Yd Wen2026/3/31大约 4 分钟随笔CLIMCPAgent

CLI 与 GUI

  • CLI：命令行界面，用户通过命令行输入指令，程序通过解析指令执行对应的功能。不擅长图形界面，CLI 是 AI 母语。

  • GUI：图形用户界面，用户通过图形界面操作程序，程序通过用户操作触发对应功能。不擅长记忆命令，擅长图形界面。

开源 CLI

CLI-Anything

项目地址：https://github.com/yangshun/opencli

一行命令，让任意软件接入 OpenClaw、nanobot、Cursor、Claude Code 等 Agent 框架。

一行命令生成 CLI：

# 为 GIMP 生成完整的 CLI（7 个阶段全自动）
/cli-anything:cli-anything ./gimp

完整流水线自动执行：

  1. 🔍 分析 — 扫描源码，将 GUI 操作映射到 API
  2. 📐 设计 — 规划命令分组、状态模型、输出格式
  3. 🔨 实现 — 构建 Click CLI，包含 REPL、JSON 输出、撤销/重做
  4. 📋 规划测试 — 生成 TEST.md，涵盖单元测试和端到端测试计划
  5. 🧪 编写测试 — 实现完整测试套件
  6. 📝 文档 — 更新 TEST.md，写入测试结果
  7. 📦 发布 — 生成 setup.py，安装到 PATH

项目原理：

以 draw.io 为例，生成 CLI 后，运行 CLI 命令，实质上是运行 python 代码，python 代码可以根据 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 读写，也可以被 CLI 读写。 标准

OpenCLI

项目地址：https://github.com/jackwener/opencli

OpenCLI 将任何网站、本地 CLI 或 Electron 应用（如 Antigravity）变成命令行工具

OpenCLI 除了使用作者已经编写好的命令行工具，还可以基于该项目进行二次开发，把自己需要的工具加入进来。操作步骤：

  1. 克隆项目
  2. 打开 AI 编程工具，如 Claude Code、Codex 等
  3. 让 AI 创建一个新的命令，描述命令行的功能，如将某个网站的所有博客输出出来
  4. AI 创建新命令后，根据 AI 提供的安装步骤，安装命令行工具
  5. 使用新的命令

官方 CLI

除了使用 CLI-Anything 和 OpenCLI，很多大型软件都提供了官方的 CLI，如：GitHub。

以 GitHub CLI: https://cli.github.com 为例：

  • 安装 GitHub CLI 后，输入命令
gh --help

可以看到 GitHub CLI 的帮助信息。

  • 登录 GitHub 账号，输入命令
gh auth login

会提供给我们一个检验码，在浏览器中打开，输入检验码，完成登录。

  • 创建一个仓库，输入命令
gh repo create my-repo --public

会创建一个名为 my-repo 的公开的仓库。

提示

更多命令可以参考官方文档：https://cli.github.com/manual

MCP vs CLI

MCP（Model Context Protocol）全称模型上下文协议，是一种用于构建智能助手的协议，它允许用户与 AI 模型进行交互，并获取模型的输出。简单来说，MCP 就是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，获取信息并完成具体任务。

MCP 与 CLI 的主要区别是：

对比维度MCPCLI
上下文占用高低
适用方Agent专用协议，难以调试同时对人类跟Agent友好，方便调试
可组合性差支持管道符
安装规范标准化安装包无

  • MCP 上下文占用高。MCP 需要将所有工具的工具名称、参数格式、调用示例全部注入上下文，每新增一个工具，就会占用大量的 token 开销。CLI 则可以让 AI 自己学习工具的使用方法，使用渐进式披露的方法来减少 token 的消耗。ScaleKit 做过一组测试（https://github.com/scalekit-inc/mcp-vs-cli-benchmark），使用 GitHUb 的官方 MCP 与 官方 CLI 进行对比，在所有任务上面，CLI 的消耗 token 成倍小于 MCP。 p

  • MCP 是 Agent 专用协议，难以调试。MCP 是一个黑盒，整个运行过程都是在 Agent 内部，一旦运行出错，很难在本地复现，调试难度大大增加。CLI 是通用协议，对人类和 Agent 都友好，方便调试。

  • MCP 可组合性差。CLI 支持管道符操作（上个命令的输出结果输入到下个命令），可以将多个命令组装成流水线，轻松实现复杂能力。MCP 实现复杂任务需要频繁调用工具，大大增加 token 消耗和时间开销。

  • MCP 拥有标准化安装包。在多租户和严格权限控制的场景下，MCP 好于 CLI，因为 MCP 有标准化安装包、有统一的鉴权规范，可以保证所有用户使用相同的工具。而 CLI 则需要用户自行安装工具，可能会导致用户环境不一致，导致工具无法运行。

但 MCP 取代 CLI 还为时尚早，而且两者也在互相学习进化：

  1. Claude Code 和 Codex 最近都上线了 Tool Search 功能，不再全量注入 MCP 的 schema，而是按需加载 MCP，把 Skills 跟 CLI 的渐进式披露提示词的思路引入了 MCP。

  2. MCPorter 项目（https://github.com/steipete/mcporter）可以把任意的 MCP 转换成 CLI 格式，提供给 Agent 调用。

参考资料