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:
|
|
|
|
|---|---|---|
| Interface
|
|
CLI
|
| Skills
|
|
|
| Execution
|
|
CLI
|
| Integration
|
|
MCP
|
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:
|
|
|
|
|
|---|---|---|---|
| Token 消耗 |
|
|
MCP 贵了 4-32 倍 |
| 可靠性 |
|
|
CLI 完胜 |
| 调试成本 |
|
|
CLI 极低 |

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:
-
渐进式分发: 只有在需要时才下载对应的 CLI 工具。 -
安装即验证: 通过 Checksum 和沙箱确保安全。 -
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。


