CLI、MCP、Skill“三件套”：企业自动化赚钱的协议栈新范式

想用 AI 自动化企业流程赚钱？别再只盯着大模型 API 了。钉钉、飞书、企业微信同周开源 CLI，这绝非巧合——它标志着基于协议的 Agent 生态正在爆发。CLI 作为轻量级入口，正将企业级 Agent 的交互从“账号登录”模式，转向基于 MCP/A2A 协议的“协议栈”直接调用。本文将深入解析 CLI、MCP 与 Skill 三者的协作关系，结合具体案例，演示如何利用这套“三件套”快速开发 Server 插件、集成现有工具，并构建能自动执行任务的 AI Agent。

一、为什么是 CLI + MCP + Skill？

传统企业自动化依赖账号密码登录、模拟网页操作，脆弱且低效。而 CLI（命令行界面）、MCP（模型上下文协议）和 Skill（技能定义）构成了新的三层架构：

• CLI：轻量级本地客户端，负责与本地环境、认证和通信交互。它是用户和开发者与 Agent 生态交互的“遥控器”。
• MCP Server：协议化的服务端，暴露标准化的工具（Tools）和资源（Resources）。它定义了“能做什么”。
• Skill：可组合的任务单元，由一系列 MCP 工具调用编排而成。它定义了“怎么做一件事”。

这三者的关系是：CLI 启动并管理 MCP Server，MCP Server 提供原子能力，Skill 调用这些能力完成复杂任务。这就像一个餐厅：CLI 是服务员（接单、传菜），MCP Server 是后厨（备料、烹饪），Skill 是菜谱（红烧肉的做法）。

二、实战：用“三件套”开发一个自动周报生成 Agent

假设你需要一个能自动从钉钉日志、GitHub 提交和飞书文档中汇总信息，生成周报的 Agent。传统方式需要分别对接三个平台的复杂 SDK。现在，我们可以用“三件套”快速实现。

第一步：搭建 MCP Server

我们以 Python 为例，使用 mcp 官方库快速创建一个提供“获取钉钉日志”和“读取飞书文档”工具的 Server。

# server.py
from mcp.server import Server
from mcp.types import Tool, TextContent
import json

app = Server("enterprise-weekly-report")

# 定义工具：获取钉钉日志
@app.tool()
async def get_dingtalk_logs(date: str) -> list[TextContent]:
    # 此处模拟调用钉钉CLI或API
    # 实际中可使用 subprocess 调用 `dingtalk-cli logs --date {date}`
    logs = [{"user": "张三", "content": "完成了A项目接口开发"}]
    return [TextContent(type="text", text=json.dumps(logs))]

# 定义工具：读取飞书文档
@app.tool()
async def read_feishu_doc(doc_id: str) -> list[TextContent]:
    # 模拟调用飞书CLI: `feishou-cli doc get {doc_id}`
    doc_content = "本周主要工作：1. 参与B项目评审；2. 撰写技术方案。"
    return [TextContent(type="text", text=doc_content)]

if __name__ == "__main__":
    app.run(transport="stdio")

第二步：定义 Skill

在 MCP Server 的基础上，我们定义一个名为 generate_weekly_report 的 Skill。它本质上是一个提示词（Prompt）模板，指导 Agent 如何编排工具调用。

// skills.json
{
  "name": "generate_weekly_report",
  "description": "自动汇总多平台信息，生成周报",
  "prompt_template": "请根据以下信息生成一份周报：\n1. 从钉钉获取 {date} 的工作日志：{dingtalk_logs}\n2. 从飞书读取本周总结文档：{feishu_summary}\n3. 整合以上信息，按‘本周工作’、‘下周计划’、‘遇到问题’三部分输出。"
}

第三步：通过 CLI 调用并集成

现在，开发者或用户可以通过 CLI 启动整个流程。假设我们使用一个虚构的 agent-cli：

# 1. 启动包含钉钉、飞书工具的MCP Server
agent-cli server start --config server.py

# 2. 执行技能，传入参数
agent-cli skill run generate_weekly_report \
  --date 2026-04-07 \
  --dingtalk-logs "通过MCP工具自动获取" \
  --feishu-summary "通过MCP工具自动获取"

CLI 会连接到 MCP Server，调用对应的工具获取数据，然后将数据填充到 Skill 的提示词模板中，最后交给大模型（如 Claude、龙虾模型）生成最终周报。整个过程无需登录任何网页，全部通过协议和命令行完成。

三、商业化路径：如何用这套“三件套”赚钱？

1. 开发并销售垂直行业 Skill 包：针对金融、电商、教育等行业，开发开箱即用的 Skill（如“自动生成行业分析报告”、“竞品监控日报”），在 Agent 市场（如龙虾官网 yitb.com 的 Agent 生态）上以订阅制或按次收费出售。
2. 提供企业级 MCP Server 集成服务：许多企业有自研系统（ERP、CRM）。你可以作为技术服务商，帮助他们将内部系统封装成标准的 MCP Server，使其能被各种 Agent 调用。这是一个高价值的定制开发项目。
3. 构建自动化工作流 SaaS：将“CLI + MCP + Skill”模式产品化，提供一个可视化界面，让非技术用户也能拖拽组合 Skill，形成自动化工作流（类似“无代码Agent平台”）。通过收取平台使用费或交易抽成盈利。

四、下一步行动

1. 立即体验：访问钉钉、飞书、企业微信的开源 CLI 仓库，了解其基础命令和认证方式。尝试用它们的 CLI 完成一个简单任务（如发送一条消息）。
2. 动手开发：使用 pip install mcp 安装 Python MCP 库，参照上述示例，为你最常用的一个工具（如天气查询、邮件发送）编写一个简单的 MCP Server。
3. 定义你的第一个 Skill：思考一个你每周重复的、涉及多个工具的琐碎任务（如整理会议纪要、同步数据），将其分解为工具调用步骤，写成一个 Skill 的提示词模板。
4. 加入生态：将你开发的 MCP Server 或 Skill 发布到龙虾官网（yitb.com）的 Agent 生态市场，获取早期用户反馈，并探索商业化可能。

企业自动化的未来，属于能熟练运用协议栈、快速组合能力的开发者。CLI 已就位，MCP 生态正在打开，现在正是你构建和变现 AI Agent 能力的最佳时机。