三大厂同周开源CLI：MCP-Skill-CLI三层栈成型，Agent落地最后一公里打通了

想搭一个能自动处理飞书审批、同步钉钉日程、还能在企微群里发报表的AI Agent？以前你得对接三套SDK、处理三种鉴权、写三遍业务逻辑。

现在，三大厂同时开源CLI，意味着MCP-Skill-CLI三层商用栈首次完整成型。今天拆解这套架构，给你一个可复制的"AI自动化赚钱"路径。

一、先搞清楚这三层到底是什么

┌─────────────────────────────────────────────┐
│            你的 AI Agent / 大模型            │
│         （Claude、GPT、本地模型等）           │
└─────────────────┬───────────────────────────┘
                  │ MCP 协议（标准通信层）
                  ▼
┌─────────────────────────────────────────────┐
│              Skill 插件层                    │
│   飞书Skill / 钉钉Skill / 企微Skill         │
│   （封装业务能力：审批、日程、消息、文档）     │
└─────────────────┬───────────────────────────┘
                  │ CLI 执行层
                  ▼
┌─────────────────────────────────────────────┐
│          CLI（命令行工具）                    │
│   lark-cli / ding-cli / wecom-cli            │
│   （本地执行、鉴权、日志、错误处理）          │
└─────────────────────────────────────────────┘

MCP（Model Context Protocol） 是Anthropic提出的开放协议，定义了大模型和外部工具之间的通信标准。你可以理解为"AI世界的USB接口"——模型不需要知道工具怎么实现，只需要按协议调用。

Skill 是业务能力的封装。一个飞书Skill可能包含create_approval、send_message、query_calendar等原子操作。它是MCP协议的具体实现载体。

CLI 是这次开源的核心。它是执行层——Skill定义了"能做什么"，CLI负责"怎么做"。鉴权、重试、日志、本地缓存，全部在CLI层处理。

三层分工清晰：MCP管通信，Skill管能力，CLI管执行。

二、为什么CLI是关键拼图？

之前MCP生态有个尴尬问题：协议定了，Skill也写了，但实际跑起来还是得自己处理token刷新、网络重试、日志追踪这些脏活。

CLI开源解决了三个核心痛点：

1. 鉴权标准化

# 以前：每个平台自己写OAuth流程
# 现在：一条命令搞定
lark-cli auth login --app-id cli_xxx --app-secret xxx
ding-cli auth login --app-key xxx --app-secret xxx
wecom-cli auth login --corp-id xxx --agent-id xxx

CLI内置了完整的OAuth2流程，token自动刷新，开发者不用再处理access_token过期这种经典bug。

2. 调试可视化

# 实时查看Skill调用链路
lark-cli skill call create_approval \
  --params '{"title":"报销","amount":5000}' \
  --verbose --trace-id abc123

每个Skill调用都有trace-id，出了问题直接定位，不用翻日志猜。

3. 本地沙箱

CLI支持--dry-run模式，Skill调用不会真正执行，方便开发阶段测试。

三、实战案例：跨平台数据流自动化，月省40小时

场景：某电商运营团队，每天需要从钉钉审批流中提取采购数据→同步到飞书多维表格→在企微群发送当日汇总。

以前的做法：人工导出Excel，手动粘贴，每天花1.5小时，还经常出错。

用MCP-Skill-CLI栈改造后：

# main.py - 跨平台数据流编排
import subprocess
import json
from datetime import datetime

def get_ding_approvals():
    """从钉钉获取今日审批数据"""
    result = subprocess.run(
        ["ding-cli", "skill", "call", "query_approvals",
         "--params", json.dumps({
             "process_code": "PROC-采购审批",
             "start_time": datetime.now().strftime("%Y-%m-%d"),
             "status": "approved"
         }), "--output", "json"],
        capture_output=True, text=True
    )
    return json.loads(result.stdout)


![配图](https://yitb.com/usr/uploads/covers/cover_mcp_20260707_201857.jpg)

def sync_to_lark(approvals):
    """同步到飞书多维表格"""
    records = []
    for item in approvals:
        records.append({
            "fields": {
                "采购单号": item["business_id"],
                "金额": item["amount"],
                "申请人": item["applicant"],
                "审批时间": item["approve_time"]
            }
        })
    
    subprocess.run(
        ["lark-cli", "skill", "call", "batch_create_records",
         "--params", json.dumps({
             "app_token": "bascnXXX",
             "table_id": "tblXXX",
             "records": records
         })]
    )
    return len(records)

def notify_wecom(count, total_amount):
    """企微群发送汇总"""
    subprocess.run(
        ["wecom-cli", "skill", "call", "send_text_message",
         "--params", json.dumps({
             "chat_id": "wrXXXXXXXX",
             "content": f"📊 今日采购审批汇总\n"
                       f"✅ 已审批单数：{count}\n"
                       f"💰 总金额：¥{total_amount:,.2f}\n"
                       f"⏰ 数据已同步至飞书表格"
         })]
    )

if __name__ == "__main__":
    approvals = get_ding_approvals()
    count = sync_to_lark(approvals)
    total = sum(item["amount"] for item in approvals)
    notify_wecom(count, total)
    print(f"✅ 完成：{count}条记录，¥{total:,.2f}")

部署步骤：

# 1. 安装三个CLI
npm install -g @dingtalk/cli @lark/cli @wecom/cli

# 2. 分别登录授权
ding-cli auth login --app-key xxx --app-secret xxx
lark-cli auth login --app-id xxx --app-secret xxx
wecom-cli auth login --corp-id xxx --agent-id xxx

# 3. 设置定时任务（每天18:00执行）
# crontab -e
0 18 * * * /usr/bin/python3 /opt/automation/main.py >> /var/log/auto-sync.log 2>&1

效果：

四、商业化思路：把自动化能力打包卖

这个案例只是起点。基于MCP-Skill-CLI栈，你可以做三件事赚钱：

1. 卖自动化模板（最快变现）

把上面的跨平台数据流封装成一键部署模板，在龙虾市场上架。定价99-299元/套，目标客户是中小企业运营团队。

2. 做垂直行业Agent（中期价值）

比如针对电商行业的"采购-库存-财务"全链路Agent，接入更多Skill（ERP、财务系统），打包成SaaS服务，按月收费。

3. 提供定制开发服务（高客单价）

帮企业基于这套栈定制内部自动化流程，单个项目报价5000-20000元。

下一步行动

1. 今天：去GitHub搜三大厂CLI仓库，star并本地安装，跑通auth login
2. 本周：挑一个你团队的重复性工作（审批同步、报表汇总、消息通知），用上面的代码模板搭一个最小可行版本
3. 本月：把你的自动化方案封装成Skill模板，上架到龙虾平台，验证市场需求

三层栈已经成型，工具链已经就位。现在缺的不是技术，是你动手的那一下。