CLI、MCP、Skill：AI干活的三件套如何顛覆工具認知？

想用AI自動處理飛書文檔、釘釘審批、企業微信消息，卻卡在“工具調用”這一步？別急著寫復雜代碼，先搞懂這三件套：CLI、Skill、MCP。它們不是替代關系，而是從“手動工具”到“智能流水線”的進化階梯。

一、CLI：最直接的“扳手”，擰螺絲就得靠它

CLI（命令行界面）就是一把扳手——簡單、直接、可靠。最近釘釘、飛書、企業微信同時開源自家CLI，信號很明確：巨頭們正在把核心能力“命令行化”。

技術價值：

• 零封裝損耗：直接調用平臺API，沒有中間商賺差價
• 腳本友好：一行命令完成操作，天然適合自動化
• 開發調試利器：比圖形界面快10倍的操作速度

實戰案例：用飛書CLI批量處理文檔權限

# 安裝飛書CLI
npm install -g @larksuiteoapi/cli

# 配置應用憑證
lark config set --app-id cli_xxx --app-secret xxx

# 批量給100個文檔添加協作者
lark doc batch-add-collaborator --file-ids "file1,file2,..." --user-ids "user1,user2,..." --perm "full_access"

商業價值：一個電商團隊用這個方法，2小時完成了原本需要3天的人工權限配置，直接省下5000元外包成本。

二、Skill：垂直場景的“螺絲刀”，專治各種不服

如果說CLI是通用扳手，Skill就是一套精密的螺絲刀組合——針對特定場景深度優化。

技術本質：

• 預封裝的業務邏輯：把常用操作打包成可復用模塊
• 標準化接口：統一輸入輸出格式
• 即插即用：不需要理解底層實現

實戰對比：

# 直接用CLI調用釘釘審批（需要處理大量參數）
dingtalk approval create --process_code PROC_XXX --form_component_values '[{"name":"事項","value":"采購"},{"name":"金額","value":"5000"}]' --approvers "user1,user2"

# 使用Skill封裝后
from dingtalk_skills import ApprovalSkill
skill = ApprovalSkill()
result = skill.create_purchase_approval(
    item="采購服務器",
    amount=5000,
    approvers=["張三", "李四"]
)

效率提升：封裝一次，調用百次。一個SaaS團隊把10個高頻操作封裝成Skills，新功能開發周期從2周縮短到3天。

三、MCP：智能裝配流水線，讓工具自己協作

MCP（Model Context Protocol）才是真正的游戲規則改變者——它讓CLI和Skill從“手動工具”變成“自動化流水線”。

核心突破：

• 協議驅動的工具發現：AI自動知道有哪些工具可用
• 上下文感知調用：根據場景智能選擇工具組合
• 跨平臺編排：一個指令驅動多個平臺的CLI/Skill

A2A協議實戰：用MCP實現“客戶投訴自動處理”

# mcp-workflow.yaml
workflow: customer_complaint_handler

![配圖](http://www.nhjb.com.cn/usr/uploads/covers/cover_mcp_20260511_201707.jpg)

triggers:
  - source: enterprise_wechat
    event: complaint_received
steps:
  - action: analyze_complaint
    skill: sentiment_analysis
  - action: create_ticket
    tool: feishu_cli
    command: doc create --title "投訴工單: {{complaint.id}}" --content "{{complaint.details}}"
  - action: notify_team
    tool: dingtalk_cli
    command: robot send --msg "緊急投訴需處理: {{ticket_url}}"
  - action: schedule_followup
    skill: calendar_booking
    delay: 24h

賺錢案例：某代運營團隊用這套MCP工作流，把客戶投訴處理時間從平均4小時壓縮到15分鐘，客戶滿意度提升40%，續約率提高25%，年增收入80萬元。

四、三件套組合拳：從開發到賺錢的完整路徑

第一階段：CLI打基礎（1-2天）

1. 選一個平臺（推薦飛書，文檔最全）
2. 安裝CLI，完成身份驗證
3. 實現3個核心操作：創建文檔、發送消息、查詢數據

第二階段：Skill封裝（3-5天）

1. 識別高頻操作模式
2. 封裝成Python/Node.js模塊
3. 添加錯誤處理和日志記錄
4. 發布到內部npm/PyPI倉庫

第三階段：MCP編排（1-2周）

1. 定義業務工作流（如上文投訴處理）
2. 集成A2A協議實現工具自動發現
3. 添加異常處理和回滾機制
4. 部署為常駐服務

自動化賺錢路徑：

工具封裝 → 工作流搭建 → SaaS化 → 按調用次數收費
案例：某團隊把“電商多平臺數據同步”做成MCP工作流
- 輸入：淘寶/京東/拼多多訂單數據
- 處理：自動清洗、格式化、去重
- 輸出：同步到飛書多維表格+釘釘通知
- 定價：0.1元/次調用，月均20萬次調用 = 2萬元/月被動收入

五、下一步行動清單

今天就能做：

1. 注冊飛書開放平臺，獲取CLI工具
2. 用CLI實現“讀取表格第A列數據”這個最簡單操作
3. 思考：你工作中哪個重復操作可以封裝成Skill？

本周目標：

1. 完成一個平臺的CLI到Skill封裝
2. 畫出你業務中的第一個MCP工作流草圖
3. 估算自動化后能節省的時間/人力成本

關鍵認知：CLI解決“能不能做”，Skill解決“好不好用”，MCP解決“能不能自動做”。三件套不是技術炫技，而是把AI能力轉化為生產力的最短路徑。

現在，選一個你最熟悉的辦公平臺，從安裝它的CLI開始。工具已經開源，流水線已經鋪好，就等你按下啟動按鈕。