视频版：www.bilibili.com/video/BV1G2…
CLI，这个计算机世界里面最古老的交互方式，正在迎来一次新的爆发。飞书、钉钉、企微、谷歌、Stripe，在最近两周内，都不约而同的开源了自己的CLI产品。越来越多的软件开始转向CLI化。
CLI全称是Command Line Interface，其实就是命令行界面。CLI跟我们平时熟悉的图形界面(GUI)，代表了两种不同的交互逻辑。 如果我想把这个视频的前5秒切分出来，使用GUI的方式是先导入剪辑软件，找到对应的时间点切分，最后再把视频导出出来。使用CLI的方式则是打开命令行窗口，执行这一个命令就搞定了。
ffmpeg -i input.mp4 -t 00:00:5 -c copy part1.mp4
GUI专门为人类设计，因为人类不擅长记忆命令，而更擅长使用图形工具；而AI则正好相反，大模型在诞生的时候就学习过大量代码、命令行等语料数据，因此CLI天生就是AI的母语。CLI天然具备文本输入、结构化输出、报错清晰、易于组合、方便自动化等一系列的优势。越来越多的公司、开源社区开始放弃MCP，转而拥抱CLI。
后半段我们会探讨MCP跟CLI各自都有哪些优势，他们各自适应的场景是什么。在这股CLI热度下面，最近GitHub上面出现了两个非常火热的开源项目。第一个是CLI anything，只需要一行命令，就能把任意开源软件以CLI的形式接入Agent框架。 短短两周，GitHub上面已经有了2.5万的Star。
还有一个是OpenCLI，它能把任何的网站或者Electron的桌面应用，转换成能让AI调用的命令行工具。
本期视频我们就来深度实测下这两个项目，把各种软件跟网站都转换成CLI，并且让AI Agent能够自动调用这些CLI工具，自动化为我们完成工作。
CLI anything
CLI anything，它的愿景是让所有的软件都能被Agent驱动，一行命令就能把任意的开源软件CLI化，并且轻松接入各种Agent框架。我们来看一下它的工作原理：当我们执行这个命令的时候，会启动一个7个步骤的自动化流程。 首先它分析软件源代码，分析出每个UI操作背后的API逻辑，然后规划CLI命令分组，设计输入输出，接下来进行编码实现，编写测试用例，更新文档并且发布。 我们看到开发者已经对以下11款软件进行了测试，都取得了不错的效果。
本期视频我们以开源软件draw.io为例进行演示。这是一个画板工具，可以通过拖拽图形的方式来绘制流程图、架构图。
众所周知，Agent非常不擅长在UI上用拖拽的方式来工作。我们可以借助CLI Anything，把draw.io进行CLI化，让AI更轻松地进行图形绘制。
使用CLI Anything的前提是需要先在电脑上安装Python，我们可以来到Python的官网，在download这里下载安装最新版本的Python。 然后我们选择一个自己喜欢的AI编程工具，这里我以Claude Code为例。
我们先复制这两个命令，执行一下:
/plugin marketplace add HKUDS/CLI-Anything
/plugin install cli-anything
我们重启一下Claude Code。接下来我让Claude Code把draw.io项目源代码克隆到这个目录下面。 接下来我们就可以执行这个最关键的命令了：
/cli-anything:cli-anything ./drawio
后面是我们要CLI化的开源项目的源代码路径。 接下来Claude Code会为我们执行这个7个步骤的复杂流程，我们要做的就是耐心等待。这里时间过去了46分钟，AI完成了所有代码的编写，成功的把这个项目进行了CLI化。
我们来看一下CLI Anything交付的文件。首先是一个说明文件README.md，里面写明了生成的命令行工具是怎么使用的。 drawio_SOP.md，HARNESS.md, TEST.md 三个文件是编写代码时的规范和约束，帮助AI更好的来编写代码。
核心功能在cli_anything这个文件夹里面，里面存放的是AI编写的Python代码。
项目原理很简单，当我们运行命令的时候，其实就是运行了这些Python代码。Python代码可以按照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软件和CLI两种方式进行读写。
这里我们根据README里面列出的使用范例来测试一下。 首先第一步把AI编写的Python包来安装一下，这里我们在项目目录里面执行一下安装命令。
pip install -e .
安装好以后我们就可以使用下面这些命令行了。 比如第一个命令是创建一个draw.io的项目，这里项目文件就被创建出来了。
接下来我们可以创建图形，使用这个命令创建一个基础的矩形，里面的文字是hello。
使用这个命令可以列出画布里面的元素。
这个命令可以把画布导出成SVG，我们在项目目录就可以看到导出后的SVG文件。
这样整个流程就跑通了。
这样我们就把一个需要复杂UI操作的软件，变成了一个AI可以轻易使用的命令行工具。接下来我们就可以让AI借助这些工具来绘制出更加复杂的图形。这里我以Codex为例进行演示，我让AI借助CLI命令画一个快速排序算法的流程图。 Codex先是执行了
--help命令，学会了如何使用这些命令行。 这里体现了CLI的一大优势，也就是自解释性。关于CLI的知识，Agent并不需要一次性的学会，Agent可以随时调用
--help去学习每个命令的用法。这个做法跟Skills里面渐进式披露提示词的做法是一致的，可以大幅减少Token消耗，同时保证调用准确率。 学会了如何使用命令行以后，AI开始调用这些CLI为我们绘制图形。Codex为我们生成了一个drawio格式的源文件，还有一个可以预览的SVG格式图片。
我们可以直接在draw.io里面打开这个源文件进行编辑跟查看，我们看到效果还是不错的，稍微改动一下就可以直接使用了。
把一个需要在UI上操作的软件，变成了对AI更友好的命令行工具，AI Agent就可以借助这些命令行帮我们进行全自动的画图，非常的方便。除了可以使用命令把开源软件从0开始进行CLI化，CLI Anything这个项目里面也提供了一些作者已经写好了的CLI工具，我们只需要找到对应的目录，比如OBS这个，这个OBS.md介绍了这个CLI是怎么使用的，直接把这个文件夹下载下来，AI就可以使用命令行来操作OBS了。
OpenCLI
我们来看下一个开源软件OpenCLI，它可以把任意的网站或者Electron应用变成命令行工具。我们看到作者已经把它接入了非常多的网站还有应用，我们直接拿过来用就行了。 这里我们把他安装并且试用一下。第一步首先需要先在电脑上安装nodejs，没有的话可以来到nodejs的官网下载并且安装。
第二步我们需要先安装一个插件，点击这个链接，在项目的releases里面我们可以找到这个插件。
然后我们打开Chrome浏览器，在右上角的设置里面找到管理扩展程序，
打开开发者模式，
我们把刚才下载的插件直接拖拽进来。 插件安装好以后，我们使用npm命令来安装OpenCLI。这里打开一个命令行窗口，把OpenCLI的安装命令粘贴过来，回车这样就安装完成了。
npm install -g @jackwener/opencli
我们来测试一下，比如我们可以执行 opencli hackernews top --limit 5 查询hacker news上面前5个热门话题，这里给出了结果就运行成功了。 我们也可以输入这个命令
opencli grok ask，询问它一个问题。我们看到OpenCLI会自动操作我的Chrome浏览器，打开Grok的官网，然后来询问它这个问题，拿到结果以后，它可以把结果展示到控制台里面。 我们再看一个例子，可以使用OpenCLI去boss上面搜索职位。我们先使用
opencli boss search --help看一下它支持哪些参数，这里有城市、经验、学历等等。 比如我搜索一个青岛的软件开发岗位，我们看到它在后台自动调用了Chrome浏览器，为我们找到了软件开发的相关岗位。
在后面追加
-f json，让它把数据以json的格式返回回来。 OpenCLI支持下面几十种网站还有工具，这里我就不一一介绍了。
除了可以使用这些作者已经编写好的命令行工具，也可以基于这个项目进行二次开发，把自己需要的工具加入进来。
接下来我们使用AI编程工具对这个项目进行一个二次开发。第一步我们先把项目的源代码克隆下来。
https://github.com/jackwener/opencli.git
cd ./opencli
codex
这里来到项目目录，打开我们的AI编程工具，这里我使用的还是Codex。 我让AI创建一个全新的命令，把这个网站上面所有的博客列表输出出来。
Codex通读了整个项目结构，学会到了如何创建新的命令。Codex为我们完成了开发，我们按照它的提示把它安装一下。
执行以下三个命令
npm install
npm run build
npm link
这样我们就可以直接使用新创建的命令行了。我输入 opencli node blog 就获取到了nodejs这个网站上面所有的博客信息。 这样我们在AI的帮助下面，开发了一个全新的OpenCLI命令。如果我们想要全新的命令来自动化操作网站，就可以使用这个方法让AI帮我们开发。
官方CLI工具
除了使用CLI Anything和OpenCLI把一些开源软件CLI化，很多大型软件都提供了自己的官方CLI服务。我们就以GitHub的官方CLI为例。我们先来到它的官网，点击DOWNLOAD按钮，把GitHub官方CLI安装一下。 安装完成以后，打开命令行窗口，输入
gh也就是GitHub的缩写，然后--help，查看一下有哪些命令可以使用。 一般我们使用CLI工具，第一步就是先登录，这里我们输入命令gh auth login。 这里会提供给我们一个校验码，我们来到这个网址，填上校验码就登录完成了。
然后我们可以使用这个命令，查看一下Openclaw上面的issue列表。
或者使用这个命令给我自己创建一个新的仓库。我们看到这里仓库就创建出来了。
更多命令的使用方法可以参考GitHub官方CLI的文档。后续我们的视频里面还会介绍更多好用的官方CLI工具。
MCP与CLI的对比
MCP全称是模型上下文协议，简单来说MCP就是AI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，获取信息并且完成具体任务。不过由于MCP协议设计之初存在的一些问题，越来越多的公司、开源社区开始放弃MCP，转而拥抱CLI。比如AI搜索巨头Perplexity，在2026年3月宣布放弃MCP，全面转向CLI化。还有现象级的开源产品OpenClaw，从一开始就拒绝支持MCP。在26年3月，开发者社区掀起了一个讨论热潮，主题就是“MCP已死，CLI永生”。 我认为MCP对比CLI主要有以下几个劣势。
首先MCP上下文占用较高。MCP需要将所有的工具名字、参数格式还有调用示例全部注入上下文，每新增一个MCP工具都要占用大量的Token开销。而CLI则可以让AI自己学习用法，使用渐进式披露的方式来减少Token消耗。ScaleKit做过一组测试，使用GitHub的官方MCP与官方CLI进行对比，在所有任务上面，CLI的Token消耗都成倍的小于MCP。
第二点，MCP更像是一个Agent的专用协议，而CLI是一个同时对Agent跟人类友好的工具。 我们还是来看刚才那个GitHub的例子，比如我让Agent用GitHub CLI创建一个分支，如果报错了。在这个场景下面，我只需要把命令复制一下，开一个命令行窗口运行一下，就能立即复现出错误原因，而且我还可以协助AI进行修复。
而MCP对人类来说更像是一个黑盒，整个运行过程都是在Agent内部的，如果运行出错，很难在本地复现问题，调试的难度大大增加。
第三点是CLI天生支持管道符操作，可以将多个命令组装成流水线，轻松实现复杂任务，这种组合能力是MCP不具备的。 我们来看一个例子，我们先使用GitHub CLI获取OpenClaw的issue列表，这个竖线是管道符，意思是把上个命令的输出结果作为下个命令的输入，可以像拼接管道一样把命令组合起来，形成一条流水线。通过管道符，我们可以先把数据转换成一个Powershell对象，在每条数据里面筛选出包含bug这个字符串的，再根据时间进行排序，最后导出成一个CSV文件。这样我们就通过管道符串联了流水线，一条命令就能轻松实现复杂需求。
如果我们使用MCP处理这种任务，就需要非常多步骤的反复调用工具，大大增加了Token消耗跟时间开销。
当然MCP也有自己的独特优势，比如在多租户还有严格权限控制的场景下面，MCP就好于CLI。比如国内有的AI Agent云平台，允许用户上传自定义的Python或者node格式的MCP包，在云端使用。MCP有标准化的安装包，有统一的鉴权规范，是实现这个功能的前提。而CLI没有标准化的安装包，也没有统一的鉴权标准，所以想实现类似的功能就非常的困难。 我觉得目前说CLI可以完全取代MCP还为时尚早，而且两者之间也在互相学习进化。比如Claude Code和Codex最近都上线了tool search功能，不再给AI全量注入MCP的schema，而是按需加载MCP，把Skills跟CLI渐进式披露提示词的思路引入了MCP。
第二个例子是龙虾之父开发的开源软件MCPorter，它可以把任意的MCP转换成CLI的格式，提供给agent调用。
相信以后技术发展的趋势是，每个技术框架可以互相学习优点，它们之间的功能都会互相的融合。这就是本期视频的全部内容，感谢大家点赞支持，我们下期再见。
