钉钉/飞书/企微同周开源CLI？真相是：它们正联手用MCP+CLI重构企业AI基建底层

想用AI自动化处理企业报表、客服、审批流？别再一个个平台写接口了。最近一周，钉钉、飞书、企业微信几乎同步开源了自己的CLI工具，这绝非巧合——它们正在用MCP协议+CLI接口+模块化Skill，重构企业AI Agent的底层基建。

CLI：AI Agent的“手脚”，让自动化真正落地

CLI（命令行接口）听起来很技术，但本质很简单：它是AI Agent执行具体操作的“手脚”。想象一下，你的AI助手能通过一条命令，自动登录钉钉导出上周销售数据，再调用飞书机器人发送给指定群组，最后把结果存入腾讯文档。这一切，都可以通过CLI指令完成。

钉钉开源的dingtalk-cli、飞书的feishu-cli、企微的wecom-cli，都提供了标准化的命令行操作能力。以钉钉为例，一段简单的脚本就能实现自动考勤统计：

# 安装钉钉CLI
npm install -g dingtalk-cli

# 配置企业应用凭证
dingtalk config set --corp-id=your_corp_id --corp-secret=your_secret

# 获取部门考勤数据（示例）
dingtalk attendance get --department-id=1001 --date=2024-04-01 --output=json

这背后的意义在于：AI Agent不再需要依赖各平台私有API的复杂对接。CLI提供了统一、可脚本化的操作入口，让AI模型（如Claude、GPT）能直接“动手”操作企业软件。

MCP协议：连接一切的“中枢神经”

如果CLI是手脚，那MCP（Model Context Protocol）就是协调这些手脚的“中枢神经”。MCP协议定义了AI模型如何发现、调用外部工具和数据源的标准方式。

在企业场景中，MCP的价值尤为突出：

1. 工具发现：AI模型通过MCP可以自动发现“钉钉CLI能做什么”、“飞书CLI支持哪些操作”
2. 上下文传递：当AI需要跨平台操作时（如从钉钉读数据，写入飞书文档），MCP确保数据和状态正确流转
3. 安全管控：所有CLI操作通过MCP协议封装，企业可以统一设置权限、审计日志

一个典型的MCP+CLI工作流可能是这样的：

# 伪代码：展示MCP如何协调多平台CLI
from mcp import Client
from skills import DingtalkAttendance, FeishuReport

# 初始化MCP客户端
mcp_client = Client("enterprise-agent")

# 通过MCP发现可用技能
dingtalk_skill = mcp_client.discover_skill("dingtalk-attendance")
feishu_skill = mcp_client.discover_skill("feishu-spreadsheet")

# AI决策：获取数据并生成报告
attendance_data = dingtalk_skill.execute(command="get", department="sales", period="weekly")
report_url = feishu_skill.execute(command="create_report", data=attendance_data, template="weekly-summary")

print(f"报告已生成：{report_url}")

Skill模块：快速搭建AI赚钱案例的“乐高积木”

Skill（技能模块）是CLI和MCP之上的业务封装层。每个Skill解决一个具体问题，比如“自动生成财务周报”、“智能客服分流”、“合同审批跟踪”。

关键创新点在于：这些Skill可以像乐高积木一样自由组合。你可以：

• 用钉钉的“考勤数据Skill” + 飞书的“报表生成Skill” + 企微的“消息推送Skill”，组合出一套全自动HR周报系统
• 把“客服工单Skill”与“知识库检索Skill”结合，打造7×24小时AI客服

一个真实的赚钱案例：某SaaS团队基于开源CLI，开发了“电商数据管家”Skill包。它能：

1. 每天自动从各平台（淘宝、京东、拼多多）CLI拉取订单数据
2. 通过MCP协议汇总清洗，生成可视化报表
3. 推送到企业微信和钉钉群

他们怎么收费？ 基础版每月299元/企业，高级版（含预测分析）每月899元。目前已有37家中小企业订阅，月收入超3万元，而开发成本主要是一个工程师两周时间。

技术落地路径：三步搭建你的企业AI Agent

第一步：环境准备

# 安装你需要的平台CLI（以钉钉+飞书为例）
npm install -g dingtalk-cli feishu-cli

# 安装MCP客户端库
pip install mcp-sdk

# 配置企业凭证（务必使用环境变量，不要硬编码）
export DINGTALK_CORP_ID="your_id"
export DINGTALK_CORP_SECRET="your_secret"
export FEISHU_APP_ID="your_app_id"
export FEISHU_APP_SECRET="your_app_secret"

第二步：选择或开发Skill

• 现有Skill库：查看各平台开源仓库的/skills目录
• 自定义开发：遵循MCP Skill模板，实现execute()和describe()接口

第三步：编排工作流

# 使用Python编排一个简单的“每日数据汇总”工作流
import asyncio
from mcp import SkillOrchestrator

async def daily_data_summary():
    orchestrator = SkillOrchestrator()
    
    # 添加技能步骤
    orchestrator.add_step("dingtalk", "fetch_sales_data", {"date": "yesterday"})
    orchestrator.add_step("feishu", "create_spreadsheet", {"template": "sales"})
    orchestrator.add_step("wecom", "send_notification", {"channel": "sales-team"})
    
    # 执行并获取结果
    result = await orchestrator.run()
    return result

# 设置定时任务（如每天上午9点执行）
# 可使用cron、Airflow或各平台自带的定时触发器

下一步行动：从今天开始

1. 立即体验：访问钉钉/飞书/企微的GitHub开源仓库，下载CLI工具，用测试企业环境跑通第一个命令
2. 识别场景：梳理你所在企业最耗时的3个跨平台流程（如数据同步、审批流转、报表生成）
3. 组合Skill：在现有开源Skill库中寻找可复用模块，尝试组合出解决你问题的最小可行方案
4. 小步验证：先为一个部门或一个简单场景搭建自动化流程，用实际效率提升证明价值

企业AI的下一波红利，属于那些能用标准协议串联碎片化工具的人。CLI、MCP、Skill这三件套，正在降低这场游戏的参与门槛。