icodex - 个人网站
·
MCP 还是 CLI + Skill?
内容提要
本文讨论了AI编码代理（如Codex、Cursor等）中CLI与MCP的区别。CLI因其简单性和灵活性越来越受欢迎，适合本地工具和自动化任务；而MCP则适合在线API和多工具协作。作者建议个人项目优先使用CLI，后续可根据需要封装MCP，两者是互补关系。
关键要点
-
Skill 是流程，CLI/MCP 是能力，Skill 只是告诉 AI 应该怎么做。
-
MCP 更像是给 AI 暴露的一组工具，提供能力而不是工作流。
-
CLI 因其简单性和灵活性越来越受欢迎，适合本地工具和自动化任务。
-
CLI 与大模型的交互过程简单，依赖操作系统的标准接口，不需要额外协议。
-
MCP 的开发成本更高，需要处理工具架构、参数定义和协议遵循等复杂性。
-
CLI 允许完全自由设计命令，输出格式灵活，没有协议限制。
-
MCP 更适合在线 API、数据库和多工具协作，而 CLI 更适合本地工具和一次性任务。
-
建议个人项目优先使用 CLI，后续可根据需要封装 MCP，二者是互补关系。
延伸解读
CLI与MCP的适用场景
CLI和MCP各自适合不同的应用场景。CLI更适合本地工具和一次性任务，因其简单灵活，开发成本低。而MCP则适合需要在线API和多工具协作的复杂项目，能够统一管理远程能力。选择时需根据项目需求进行权衡。
Skill的作用与价值
Skill在AI编码代理中扮演着重要角色，它并不是直接提供能力，而是定义了AI应如何执行任务的流程。通过Skill与CLI的结合，用户可以简化操作，提升效率，AI能够自动执行命令并返回结果，减少用户的干预。
开发成本与复杂性
MCP的开发成本较高，涉及工具架构、参数定义和协议遵循等复杂性，而CLI几乎没有这些约束。这使得CLI在个人项目和开发工具中更具吸引力，开发者可以快速迭代和调试，降低了技术门槛。
延伸问答
CLI和MCP的主要区别是什么？
CLI因其简单性和灵活性适合本地工具和自动化任务，而MCP更适合在线API和多工具协作。
为什么CLI越来越受欢迎？
CLI因其简单性、灵活性以及与大模型的交互过程简单，越来越多的AI工具开始提供CLI。
在个人项目中，应该选择CLI还是MCP？
建议个人项目优先使用CLI，因其开发成本低、调试方便，后续可根据需要封装MCP。
MCP的开发成本为什么更高？
MCP需要处理工具架构、参数定义和协议遵循等复杂性，开发成本相对较高。
Skill在CLI和MCP中扮演什么角色？
Skill是一个流程，告诉AI应该怎么做，而CLI和MCP则是实际执行能力。
CLI的输出格式有什么限制吗？
CLI的输出格式灵活，没有协议限制，可以自由设计为Markdown、JSON等格式。
