为什么 CLI 比 MCP 更适合 LLM

导语

Hi, guys. 我是小雨，天街小雨润如酥的小雨。

近期，Google Workspace CLI 的推出在技术社区引发了热议。一个有趣的趋势正在显现：越来越多的开发者开始绕过复杂的协议，回归到最古老的交互方式——CLI（Command-line interface, 命令行界面）。

在大模型工具调用体系中，我们是否正在经历一场“过度设计”后的反思？

一、 引言：从一个现象说起

最近，AI 客户端对 Shell 的直接支持越来越普遍，甚至像 Google 这样的巨头也在为其核心生产力工具（Workspace）提供 CLI 接口。

与此同时，我们正处于各种协议的包围中：

• MCP（Model Context Protocol）
• Function Calling / Tool Calling
• 各类复杂的 Agent Runtime

这带来了一个值得重新审视的问题：在大模型工具调用的体系中，我们是否把简单的问题复杂化了？

二、 核心观点：回归自然与工程

在当前的 LLM 能力与工程实践条件下：

CLI 是一种更自然、更高效、更工程友好的工具调用方式。

这并不是说要用 CLI 替代 MCP，而是说：在大量实际场景中，CLI 是 LLM 触达真实世界的“最短路径”。

三、 分层澄清：CLI、Skills 与 MCP 的关系

在深入讨论前，我们需要明确它们并不处于同一抽象层。

1. 架构分层

从 LLM 发出指令到最终执行，可以分为四个层级：

关键结论： CLI 同时跨越了“表达层”和“执行层”，这赋予了它极高的效率。

四、 为什么 CLI 更符合 LLM 的认知模式？

1. 推理路径与执行路径的一致性

CLI 模式：

grep "error" logs.txt | sort | uniq -c

LLM 的推理过程是线性的：查找 -> 排序 -> 计数。在这个例子中，推理结构 = 命令结构。

MCP/JSON 模式：LLM 需要理解复杂的 Schema，构造嵌套的 JSON 字段。这中间多了一步“映射”的开销。

CLI = 推理即执行；MCP = 推理 → 映射 → 执行。

2. CLI 是低熵空间

JSON 嵌套越深，Schema 越复杂，LLM 调用出错的概率就越高（即高熵）。而 CLI 语法稳定、容错性强，更接近自然语言的逻辑。

五、 CLI 的工程优势：工业级的基础设施

1. CLI Help 是最好的 Prompt

无论是 git --help 还是 kubectl --help，它们本身就是结构化清晰、参数自描述的文档。

CLI Help = 文档 + Schema + Prompt。

2. 彻底规避“环境地狱”

相比于依赖 Python 或 Node 环境的插件，CLI 通常以二进制文件分发（如 brew, apt 安装）：

• 无运行时依赖： 不会因为 Python 版本冲突而挂掉。
• 分发体系成熟： 拥有数十年验证的签名、校验和权限控制机制。

3. 继承 Unix 软件宇宙

使用 CLI，意味着 LLM 可以直接调用 ffmpeg 处理视频，调用 docker 管理容器，调用 awk/sed 处理文本。

使用 CLI，相当于让 LLM 继承了整个 Unix 几十年的进化成果。

4. Token 指标的碾压

Scalekit 针对 GitHub 操作场景，对比了 Claude 3.5 Sonnet 在使用 CLI（gh）和官方 MCP Server 时的表现。结果令人深思：

六、 Skills：比协议更重要的演进路径

在我们的视野中，Skills（技能） 是比协议更关键的一层：

Skills = 能力封装 + 分发单位

通过 CLI + Skills 的模式，我们可以实现：

1. 渐进式分发： 只有在需要时才下载对应的 CLI 工具。
2. 安装即验证： 通过 Checksum 和沙箱确保安全。
3. 跨平台一致： 无论是 macOS 还是 Linux，LLM 调用的命令保持高度一致。

七、 MCP 的价值边界：它该出现在哪里？

虽然 CLI 优势明显，但 MCP 并非一无是处。它们的定位应该是：

• CLI 负责“表达”与“执行”： 解决模型如何快速、稳定地操作工具。
• MCP 负责“连接”： 解决企业级系统集成、SaaS 数据对接、跨平台身份鉴权等复杂逻辑。

正确定位：MCP 解决的是“连接问题”，而不是“表达问题”。

八、 结语：回归简单

软件发展史上，CLI 是最成功的抽象之一。当 LLM 逐渐成为新的“操作系统”时，它自然会倾向于使用最接近语言、最简洁的接口。

系统复杂度在上升，但工具接口应该回归简单。

我们是否在用复杂的协议，解决一个本可以简单完成的问题？Google Workspace CLI 的出现，或许正是行业向“工程常识”的一次集体回归。

在大模型应用开发中，你更倾向于使用复杂的 JSON Schema 还是简单的 CLI 调用？欢迎在评论区分享你的工程实践。