CLI、MCP、Skill：AI Agent落地的“三件套”，現在上車還來得及

想讓AI Agent真正替你干活，光有大模型不夠。最近釘釘、飛書、企業微信同周開源CLI，不是巧合——它意味著Agent基礎設施正式進入CLI + MCP + Skill三件套時代。

搞懂這三樣，你就能低成本搭出能跑的自動化工作流。搞不懂，就只能看著別人吃肉。

一、CLI：連接本地與云端的“輕量橋梁”

CLI（命令行接口）不是新東西，但它在Agent語境下有了新角色：本地工具的標準化入口。

以前你想讓Agent調用本地數據庫、讀寫文件、執行腳本，得自己寫一堆適配代碼。現在，釘釘/飛書/企業微信各自開源的CLI，本質上是把自家生態里的能力（審批、消息、日程、文檔）封裝成了命令行工具。

這意味著什么？

Agent不需要理解釘釘的SDK，只需要執行一行CLI命令：

dingtalk send-message --to "技術群" --content "部署完成，版本v2.1.0"

飛書同理：

feishu create-doc --title "周報" --content @weekly_report.md

CLI成了Agent和具體SaaS服務之間的解耦層。你的Agent只需要學會“調命令”，不用關心底層API長什么樣。換平臺？換CLI就行，Agent邏輯不用改。

實戰場景： 一個CI/CD Agent，代碼合并后自動跑測試，測試通過后用釘釘CLI通知團隊，同時用飛書CLI把測試報告寫入文檔。全程零人工介入。

二、MCP協議：讓Agent能“聽懂”工具在說什么

CLI解決了“怎么調”的問題，MCP（Model Context Protocol）解決的是“怎么理解”的問題。

MCP是Anthropic提出的開放協議，核心思想：給工具定義一套標準化的描述格式，讓模型能自動發現、理解、調用工具。

沒有MCP之前，每接一個工具，你得手寫prompt告訴模型“這個工具叫什么、參數是什么、返回什么格式”。有了MCP，工具自己帶說明書：

{
  "name": "dingtalk_send_message",
  "description": "向釘釘群發送消息",
  "parameters": {
    "group_name": {"type": "string", "description": "群名稱"},
    "content": {"type": "string", "description": "消息內容"}
  }
}

模型拿到這份schema，自己就知道怎么填參數、怎么調用。這就是MCP的樞紐作用——它把“人教模型用工具”變成了“工具自己教模型”。

三大廠開源CLI的同時，也在適配MCP協議。這意味著這些CLI工具未來可以直接被任何支持MCP的Agent框架（Claude、AI Agent平臺等）自動調用，無需額外適配。

關鍵價值： MCP讓工具變成了“即插即用”的模塊。你今天寫了個對接釘釘CLI的MCP Server，明天飛書開源了新CLI，你只需注冊一個新的MCP工具描述，Agent就能自動發現并使用。

三、Skill模塊化：把復雜工作流拆成“樂高積木”

CLI是入口，MCP是協議，Skill是能力單元。

一個Skill = 一個可復用的Agent能力模塊。比如：

• 日報生成Skill：讀取Git提交記錄 + 調用飛書CLI寫入文檔
• 審批自動化Skill：監聽釘釘審批事件 + 觸發后續流程
• 客戶跟進Skill：從CRM拉數據 + 用企業微信CLI發消息

Skill的關鍵設計原則：單一職責 + 標準接口。每個Skill只干一件事，但通過MCP協議可以自由組合。

# 一個典型的Skill定義
class DailyReportSkill:
    def __init__(self, mcp_client):
        self.mcp = mcp_client
    
    async def execute(self):
        # 1. 從Git拉取今日提交
        commits = await self.mcp.call("git_log", {"since": "today"})
        
        # 2. 用LLM生成摘要
        summary = await self.mcp.call("llm_summarize", {"text": commits})
        
        # 3. 用飛書CLI寫入文檔
        await self.mcp.call("feishu_create_doc", {
            "title": f"日報-{date.today()}",
            "content": summary
        })
        
        # 4. 用釘釘CLI通知團隊
        await self.mcp.call("dingtalk_send_message", {
            "group": "技術群",
            "content": f"今日日報已生成：{summary[:100]}..."
        })

Skill模塊化的最大好處：開發門檻斷崖式下降。你不需要從零寫Agent，只需要把現有Skill像樂高一樣拼起來。

四、怎么上手？三步走

第一步：裝CLI。 釘釘/飛書/企業微信的CLI都已開源，GitHub搜對應倉庫，5分鐘裝好，先跑通一個基礎命令。

第二步：注冊MCP工具。 用MCP協議把CLI命令包裝成工具描述，注冊到你的Agent框架里。推薦用Python的mcp庫，官方文檔寫得很清楚。

第三步：組裝Skill。 從最簡單的場景開始——比如“每天早上9點，用飛書CLI發一條消息到群里”。跑通之后，逐步疊加Git、數據庫、CRM等數據源。

下一步行動

1. 去GitHub Star三大廠的CLI倉庫，跑通一個send-message命令
2. 讀一遍MCP協議官方文檔（https://modelcontextprotocol.io），理解工具描述的JSON Schema格式
3. 用Claude或AI Agent平臺搭一個最小MCP Server，把釘釘CLI注冊進去，讓AI自動發一條消息

三件套已經擺好，工具鏈已經開源。Agent落地的窗口期，可能就這半年。