AI Agent 的三件套：CLI、MCP 和 Skill 到底是什么
最近科技圈有个热闹事：钉钉、飞书、企业微信，同一周全都开源了自己的 CLI。
你可能想问：CLI 是什么？跟之前老听到的 MCP 有什么关系？还有个叫 Skill 的又是什么？
别慌，今天用一个比喻把这三样东西讲明白。
先从一个场景说起
假设你是老板，刚招了一个超级能干的实习生（就是 AI Agent）。你想让他帮你在钉钉上干活：发消息、查日程、建表格、安排会议。
问题来了：实习生刚来，他不知道公司用什么工具，也不知道怎么操作。
你得解决三个问题：
- 给他一个能操作钉钉的工具
- 让他知道自己手边有这个工具
- 教他什么场景用什么功能
这三个问题，分别对应的就是 CLI、MCP 和 Skill。
CLI：给实习生一套工具
CLI（Command Line Interface），命令行工具。就是你在电脑终端里敲一行文字，电脑帮你干活。
比如查今天的日程：
lark-cli calendar +agenda比如给同事发条消息：
wecom-cli im send --text "周五下午开会" --to zhangsan没有界面，没有按钮，全靠打字。
你可能觉得这也太原始了吧？但这恰恰是 AI 最喜欢的方式。因为 AI 最擅长处理文字，输入是文字、输出也是文字，非常对口。你让 AI 去操作图形界面，它得先截屏，再用视觉模型找按钮在哪，再模拟鼠标去点——本来一行命令搞定的事，拆成四步，每步都可能出错。
所以，CLI 就是实习生手里的工具箱。 扳手、螺丝刀、锤子，都在里面。他需要的时候拿出来用，不需要的时候放着就行。
MCP：在实习生桌上摆一排按钮
MCP（Model Context Protocol），模型上下文协议。名字唬人，但原理不复杂。
MCP 的做法是：提前把所有工具的说明贴在实习生桌上。“你能发消息""你能查日程""你能建表格”……每个能力做成一个按钮，实习生随时能按。
好处很明显：实习生不用四处找工具，一抬头就知道自己能干什么，直接按就行。
但有个代价：桌子就那么大。
AI 的”桌子”叫上下文窗口，大小是有限的。每个 MCP 工具都要在桌上摆一张说明卡。你接三五个工具，桌上还很宽敞。但你要是把钉钉、飞书、企业微信、GitHub、Slack、Jira 全接上，每个软件十几个功能，上百张说明卡往桌上一摊——桌子就被占满了，实习生连写字的地方都没有了。
而且工具太多还有个问题：实习生面对一百个按钮，选错的概率也会变大。
CLI 不一样。 工具箱放在柜子里，桌上不摆东西。需要的时候打开柜子拿出来用，用完放回去。桌子始终是干净的。当然代价是每次用之前得先翻一下工具箱看看有什么（跑个 --help），比直接按按钮慢了一步。
所以两者的核心区别就是：
- MCP = 工具常驻在桌上。 随取随用，但占桌面空间。工具少的时候很方便。
- CLI = 工具放在柜子里。 按需取用，不占桌面。工具多的时候更合适。
实际上，两者并不矛盾。钉钉和飞书都同时提供了 MCP 和 CLI 两种接入方式。能访问终端的环境（比如 Claude Code）用 CLI 更灵活，不能访问终端的环境（比如一些桌面端 AI 工具）就用 MCP。
Skill：给实习生一本操作手册
前面两个解决了”有什么工具”和”怎么让 AI 知道工具在哪”的问题。但还有一个问题：AI 知道有工具，不代表它会用好。
你跟 AI 说”帮我把会议纪要里的待办整理出来”，AI 得知道：先用什么命令读会议纪要？提取出来的待办该用什么命令创建？创建的时候需要哪些参数？出错了怎么办？
这就是 Skill 的作用——一本写给 AI 看的操作手册。
Skill 不是工具，它自己不干活。它告诉 AI：你有哪些命令可以用、什么场景该用哪个、参数怎么填、出了错怎么补救。
没有 Skill，AI 也能用 CLI，靠 --help 自己摸索。但这就像让新来的实习生自己翻工具箱说明书——能用，但慢，而且容易犯错。
有了 Skill，相当于给实习生一本经验丰富的老员工写的操作指南：“遇到查日程的需求，先用这个命令；如果对方没说时间范围，默认查本周；如果报权限错误，跑这个命令申请权限。”
实习生拿着这本手册，上手就快得多，犯错也少得多。
而且 Skill 的设计也很聪明——它跟 CLI 一样是按需加载的。AI 的上下文里只放一句话的简介：“你有一本操作钉钉的手册”。只有 AI 判断需要操作钉钉了，才会去翻开手册的详细内容。不用的时候，不占桌面空间。
三者的关系，一张图说清
你说一句话："帮我查下周跟张三的会议"│▼AI 判断要操作日历│▼Skill 告诉 AI 该用什么命令、参数怎么填│▼AI 通过 CLI 在终端执行命令│▼结果返回给你整个过程里：
- CLI 是执行层——实际干活的工具
- MCP 是发现层——让 AI 知道有哪些工具可用
- Skill 是指导层——教 AI 怎么用好这些工具
三者各司其职，缺一不可。
那我作为普通用户需要关心这些吗？
大部分用户不需要。
你用钉钉 AI 助手的时候，不需要知道背后是 CLI 还是 MCP 在干活。就像你用微信发消息的时候，不需要知道底层用的是什么网络协议。
但如果你是开发者，或者你想让 AI 帮你干更复杂的活，了解这三件套就很有用了。
比如，你想让 AI 帮你操作一个它没见过的软件。你可以：
- 给它装一个 CLI 工具（比如
github-cli） - 写一个 MCP Server，把 CLI 的能力包装成按钮
- 写一份 Skill 文档，告诉它什么场景用什么命令
做完这三步，AI 就能像一个熟练工一样帮你操作这个软件了。
一个有意思的趋势
今年 4 月，钉钉、飞书、企业微信同一周开源了自己的 CLI。这不是巧合。
这说明大厂们终于想明白了：AI Agent 要真正落地，不能只靠聊天框。得让 AI 能实际操作工具，能干活。
而 CLI + MCP + Skill 这个组合，就是目前最实用的方案。
CLI 解决了”怎么干”的问题，MCP 解决了”干哪些”的问题，Skill 解决了”怎么干好”的问题。
三个问题一起解决，AI 才能从”能聊天”变成”能干活”。
我怎么看
我对这个方向挺看好的。
过去一年，AI 的能力提升很快，但”能聊天”和”能干活”之间一直有个鸿沟。很多 AI 产品停留在”你问我答”的阶段，真正能帮用户完成复杂任务的不多。
CLI + MCP + Skill 这套方案，就是在填这个鸿沟。
当然，它也有局限。比如 MCP 的上下文占用问题，比如 CLI 的学习成本问题，比如 Skill 的编写和维护问题。但这些都是工程问题，不是方向问题。
方向是对的，剩下的就是时间和迭代。
我个人最期待的是：当这套方案成熟之后，AI 就不只是一个”聊天机器人”了，而是一个真正的”数字员工”。你给它一个任务，它能自己拆解、自己找工具、自己执行、自己处理异常。
到那时候，“AI Agent”这个词才真正名副其实。
参考来源：唐巧的博客《AI 干活的三件套：CLI、MCP 和 Skill 到底是什么？》