告别 MCP：AI Agent 为何重新拥抱命令行
2024 年底，MCP 协议横空出世。其宏愿是让 AI 能够连通各类外部工具，无论是代码托管、项目管理还是文档协作，统统打通。媒体戏称其为“AI 世界的 USB-C”。
听起来很美好。一个接口统御所有工具，就像 USB-C 统一了充电线一样。
然而一年半过去，真正高频使用的开发者心态变了。并非 MCP 无用，而是其实际效能与宣传大相径庭。
本文将剖析 MCP 的痛点，并解释为何众多人回归一种更古老、更纯粹的路径——命令行。
在探讨问题前，需先厘清几个概念。不懂技术的读者可略过，文中后续会解释。
LLM：即 ChatGPT、Claude 等模型。可视为超级文字处理器，但受限于“记忆”容量，即上下文窗口。
上下文窗口：AI 单次能“感知”的信息总量。想象面前有一张固定大小的桌子，能放多少东西决定了处理能力。桌子越大，AI 能做的事越多。
Token：衡量桌面的单位。中文字约占 1-2 个。20 万 token 的容量，听似巨大，但几句对话就可能耗去数千。
CLI：命令行界面。即黑底白字的终端窗口，通过打字操作。如输入 `ls` 列文件，`git push` 推代码。开发者日常必备，AI 也能操作。
MCP：模型上下文协议。充当 AI 与外部工具间的“翻译官”。若要 AI 操作飞书项目，MCP 服务器便负责传话。
概念厘清，下面切入正题。
这是首个直观的痛点。
试想去餐厅点餐。落座后，服务员却在你桌上铺了 10 本菜单——中英文、酒水、甜品……你说“点炒饭”，但菜单依然占着桌子，菜都放不下。
MCP 便是那 10 本菜单。
海外团队 Quandri 曾做过测试。连接 4 个 MCP 服务器（含项目、文档、通讯、数据库），共 77 个工具。光是说明书，就占用了 AI 桌面 10.5% 的空间。
10.5% 意味着什么？20 万 token 的桌面，说明书就占了 2.1 万。还没开工，桌面已空了一成。
其中项目管理工具一个 MCP 就占 1.28 万 token——塞进了 42 个工具说明。你可能只用两三个，但另外 40 个的说明书一直赖在桌上。
更尴尬的是，桌面越小，影响越显著。若使用小容量上下文窗口的模型，这一比例会被放大。
MCP 架构下，AI 不直连工具，而是通过“翻译官”（MCP 服务器）中转。该翻译官是独立运行的程序。
痛点便出在这翻译官身上。
启动迟缓，每次都要初始化，首调用慢如蜗牛。容易崩溃，进程一挂工具即废。每句指令都要中转，多了一道工序必然变慢。权限模型不透明，开发者常摸不着头脑。
核心矛盾在于：MCP 解决的难题，命令行早已搞定。
以查飞书工单为例。方式 A：MCP 需加载 42 个工具说明（1.28 万 token），再经服务器转发获取结果。方式 B：AI 直接输入一条命令。
方式 B 无需说明书，无需中转，直接出结果。
你或许担心密钥泄露。实则密钥可通过环境变量管理，命令行同样安全。
Token 开销上，A 占 1.28 万 + 150，B 仅 200。同样的事，MCP 消耗资源是命令行的 65 倍。
此外，命令行有天然优势：AI 训练时已学会 curl、git 等指令，无需额外教学。
调试也简单，终端直接复现，排查问题一目了然。MCP 则只能在对话中反复试错。
数据不会撒谎。Quandri 团队对比过，查本周 bug 并汇总发群。MCP 峰值 1.8 万 token，耗时 23 秒，重试 2 次。CLI + 脚本仅需 2000 token，7 秒搞定，零失败。
工程师直言：“MCP 像讲究的餐厅，CLI 则是外卖窗口——更快、更简单。”
有趣的是，国内协作平台走了不同路。2026 年 3 月，飞书开源 CLI，首日 GitHub Star 破千。钉钉早推“MCP 广场”，首批 6000 能力。企业微信紧随开源 CLI，开放 7 大能力。
三条路径，三种选择：飞书、企微选 CLI，钉钉选 MCP 平台化。这证明 CLI 并非过时，而是主流选项。
答案是 CLI 加上 Skill 的组合。
CLI 解决“怎么用”，Skill 解决“何时加载”。
Skill 是向服务员点“只看炒饭”，而非摊开所有菜单。
Skill 是个文本文件，定义“遇到某问题执行何命令”。
例如 feishu-project.skill 文件，可写明查工单执行 curl 命令，创建工单执行另一命令，结果解析为 JSON。
优势在于：按需加载，不占空间；资源消耗少；扩展灵活；人机共用一套工具，调试方便。
数据库场景较特殊。本地开发 CLI 足矣，AI 懂 SQL。但生产环境有风险，AI 一句 `DROP TABLE` 即可删库。MCP 可充当安全员，拦截危险操作，记录日志。
MCP 在以下场景仍有价值：无 CLI 接口的服务；非技术用户；需实时双向通信的场景。
但对大多数开发者日常（查代码、管工单、跑测、操作库），MCP 是过度设计。目前各家 SaaS 宣称支持 MCP，但稳定性与资源消耗无人关心。在 2026 年，CLI + Skill 是更务实的方案。教 AI 善用工具，比盲目接工具更重要。