CLI、MCP、Skill：AI Agent落地的“三件套”，现在上车还来得及

想让AI Agent真正替你干活，光有大模型不够。最近钉钉、飞书、企业微信同周开源CLI，不是巧合——它意味着Agent基础设施正式进入CLI + MCP + Skill三件套时代。

搞懂这三样，你就能低成本搭出能跑的自动化工作流。搞不懂，就只能看着别人吃肉。

一、CLI：连接本地与云端的“轻量桥梁”

CLI（命令行接口）不是新东西，但它在Agent语境下有了新角色：本地工具的标准化入口。

以前你想让Agent调用本地数据库、读写文件、执行脚本，得自己写一堆适配代码。现在，钉钉/飞书/企业微信各自开源的CLI，本质上是把自家生态里的能力（审批、消息、日程、文档）封装成了命令行工具。

这意味着什么？

Agent不需要理解钉钉的SDK，只需要执行一行CLI命令：

dingtalk send-message --to "技术群" --content "部署完成，版本v2.1.0"

飞书同理：

feishu create-doc --title "周报" --content @weekly_report.md

CLI成了Agent和具体SaaS服务之间的解耦层。你的Agent只需要学会“调命令”，不用关心底层API长什么样。换平台？换CLI就行，Agent逻辑不用改。

实战场景： 一个CI/CD Agent，代码合并后自动跑测试，测试通过后用钉钉CLI通知团队，同时用飞书CLI把测试报告写入文档。全程零人工介入。

二、MCP协议：让Agent能“听懂”工具在说什么

CLI解决了“怎么调”的问题，MCP（Model Context Protocol）解决的是“怎么理解”的问题。

MCP是Anthropic提出的开放协议，核心思想：给工具定义一套标准化的描述格式，让模型能自动发现、理解、调用工具。

没有MCP之前，每接一个工具，你得手写prompt告诉模型“这个工具叫什么、参数是什么、返回什么格式”。有了MCP，工具自己带说明书：

{
  "name": "dingtalk_send_message",
  "description": "向钉钉群发送消息",
  "parameters": {
    "group_name": {"type": "string", "description": "群名称"},
    "content": {"type": "string", "description": "消息内容"}
  }
}

模型拿到这份schema，自己就知道怎么填参数、怎么调用。这就是MCP的枢纽作用——它把“人教模型用工具”变成了“工具自己教模型”。

三大厂开源CLI的同时，也在适配MCP协议。这意味着这些CLI工具未来可以直接被任何支持MCP的Agent框架（Claude、OpenClaw等）自动调用，无需额外适配。

关键价值： MCP让工具变成了“即插即用”的模块。你今天写了个对接钉钉CLI的MCP Server，明天飞书开源了新CLI，你只需注册一个新的MCP工具描述，Agent就能自动发现并使用。

三、Skill模块化：把复杂工作流拆成“乐高积木”

CLI是入口，MCP是协议，Skill是能力单元。

一个Skill = 一个可复用的Agent能力模块。比如：

• 日报生成Skill：读取Git提交记录 + 调用飞书CLI写入文档
• 审批自动化Skill：监听钉钉审批事件 + 触发后续流程
• 客户跟进Skill：从CRM拉数据 + 用企业微信CLI发消息

Skill的关键设计原则：单一职责 + 标准接口。每个Skill只干一件事，但通过MCP协议可以自由组合。

# 一个典型的Skill定义
class DailyReportSkill:
    def __init__(self, mcp_client):
        self.mcp = mcp_client
    
    async def execute(self):
        # 1. 从Git拉取今日提交
        commits = await self.mcp.call("git_log", {"since": "today"})
        
        # 2. 用LLM生成摘要
        summary = await self.mcp.call("llm_summarize", {"text": commits})
        
        # 3. 用飞书CLI写入文档
        await self.mcp.call("feishu_create_doc", {
            "title": f"日报-{date.today()}",
            "content": summary
        })
        
        # 4. 用钉钉CLI通知团队
        await self.mcp.call("dingtalk_send_message", {
            "group": "技术群",
            "content": f"今日日报已生成：{summary[:100]}..."
        })

Skill模块化的最大好处：开发门槛断崖式下降。你不需要从零写Agent，只需要把现有Skill像乐高一样拼起来。

四、怎么上手？三步走

第一步：装CLI。 钉钉/飞书/企业微信的CLI都已开源，GitHub搜对应仓库，5分钟装好，先跑通一个基础命令。

第二步：注册MCP工具。 用MCP协议把CLI命令包装成工具描述，注册到你的Agent框架里。推荐用Python的mcp库，官方文档写得很清楚。

第三步：组装Skill。 从最简单的场景开始——比如“每天早上9点，用飞书CLI发一条消息到群里”。跑通之后，逐步叠加Git、数据库、CRM等数据源。

下一步行动

1. 去GitHub Star三大厂的CLI仓库，跑通一个send-message命令
2. 读一遍MCP协议官方文档（https://modelcontextprotocol.io），理解工具描述的JSON Schema格式
3. 用Claude或OpenClaw搭一个最小MCP Server，把钉钉CLI注册进去，让AI自动发一条消息

三件套已经摆好，工具链已经开源。Agent落地的窗口期，可能就这半年。