CLI在Agent时代的回归与重构:为什么前沿AI公司都在重做命令行?
尽管CLI(命令行界面)起源于1970年代,但Anthropic推出的Claude Code、OpenAI的Codex CLI、Google的Gemini CLI以及飞书的命令行工具,表明最前沿的AI公司正重新将重心转向这一古老的技术。这一现象并非怀旧,而是源于AI Agent(智能体)对执行层的特定需求。Agent需要一个能够明确交付动作、即时获取结果并支持连续操作的接口,而CLI恰好符合这一要求。
01历史定位:CLI是执行层而非单纯界面
CLI最初的设计目标并非优化界面体验,而是解决人如何准确将命令交给机器的基础问题。与打孔卡等早期交互方式不同,终端的出现实现了实时交互,确立了“命令-参数-对象”的核心结构。这一结构将命令文本化,由程序调用底层能力,从而赋予了CLI三个关键能力:交付动作、获取反馈、串联步骤。
随后出现的GUI(图形用户界面)虽然降低了操作门槛,通过可视化状态吸引了非技术用户,但它替代的是CLI的前台位置,而非其结构优势。CLI要求“先想清楚再输入”,在动作表达、结果返回和步骤串联上始终表现出更强的连续性和组合性。例如,Git等专业工具至今仍主要依赖命令行。这表明,CLI从一开始就定位为执行层,而专业领域一直将连续和组合动作交由CLI处理。
02技术选型:为何Agent选择CLI而非GUI或API
Agent执行层方案对比
CLI方案
处于中间层的稳定调用方案
- 比GUI更稳定,接口基于文本而非易变的界面
- 比裸API省事,封装了参数拼装、分页、错误处理等复杂细节
- 大模型训练数据包含大量命令行指令,天然熟悉此范式
GUI方案
视觉友好但执行成本高昂
- 对Agent不友好,需截图、识别界面、定位元素、模拟点击
- 视觉链路过长,导致执行过程脆弱且不可靠
- 难以实现复杂的连续动作串联
裸API方案
能力强但分散且繁琐
- 能力最强但过于分散,Agent需自行处理拼装、鉴权等所有细节
- 每次调用都如同提供散件,增加了Agent的处理负担
- 缺乏统一的交互标准和组合机制
CLI被选中的另一个关键原因在于其符合UNIX哲学:每个程序只做一件事,程序间通过文本流协作。这种“文本进、文本出”的稳定通道,正好契合Agent的工作方式。Agent擅长通过管道将读取、过滤、统计等多个命令串联成工作流,并根据每一步的输出结果动态修正下一步操作,这种“看一步、修一步”的循环与CLI的极致反馈机制高度契合。
03关系辨析:CLI与MCP的共存与互补
| 对比维度 | CLI路径 | MCP路径 |
|---|---|---|
| 能力发现 | Agent需预先知道命令名称,否则无法生成 | Server主动推送能力清单,无需预先记忆 |
| 调用效率 | 一条命令可完成复杂组合,效率高 | 每次调用执行一个工具,多次调用耗时较长 |
| 数据类型 | 仅支持文本流,处理二进制数据存在瓶颈 | 支持结构化数据和二进制传输,类型安全 |
| 安全性 | 字符串拼接易出错,执行前无法验证参数 | 协议层进行类型校验,执行前可拦截错误调用 |
CLI与MCP在Agent执行中的差异对比
两者并非替代关系,而是互补关系。CLI省去了显式说明,但增加了隐式不确定性(如环境变量、安装工具的影响);MCP虽然显得笨重,但明确了执行前提和输入预期。目前,两者正在互相靠近:CLI正变得更加结构化(如OpenCLI提供机器可读的命令清单),而MCP正变得更易于组合(如通过脚本串联多个工具)。在实际应用中(如Claude),约70%的工作由CLI完成,30%由MCP完成,两者共同构成了Agent的执行能力。
04未来形态:工具型、平台型与Agent型CLI
- 工具型CLI
延续传统,继续承担专业世界内的连续执行任务,如Git、Docker等。 - 平台型CLI
将分散在网页和平台的能力重新包装成命令(如OpenCLI),解决平台能力被锁定在GUI中的问题。 - Agent型CLI
表面输入可能是自然语言,但底层调用仍是CLI,这是模型侧收敛的结果。
总结而言,CLI正在从“程序员的工具”演变为“Agent的手”。它不仅能够调用本地命令,也能通过新的封装形式调用网页平台。未来评估AI产品时,除了关注其易用性,更应考察其能力是否暴露到了CLI这一执行层,即其能力是否能被Agent有效地接收和调用。
当前文章无评论,是时候发表评论了