Agent 时代我们为什么都在做 CLI——从食材、预制菜到菜谱的三层能力栈

过去 12 个月，所有主流 AI 编程助手都做了同一件事：把交互入口收回命令行。Cursor 出了 CLI，Anthropic 的 Claude Code 是一开始就 CLI first，连 OpenAI 的 Codex 都悄悄把 CLI 摆到 IDE 前面。

看起来像一次"复古回归"。但任何把这件事当怀旧的人，都错过了真正的问题。

2026 年 7 月 6 日，腾讯工程师郭小成写了一篇刷屏文《为什么 Agent 时代，大家都在做 CLI 》。他的核心判断只有一句——当软件的操作者从人扩展到 Agent，CLI 不再只是给工程师用的老工具，它成了 Agent 调用数字世界的高效入口。

同一天，百度网盘主端 FE 团队公开了一组数据：他们每月 2000 次 Code Review，其中 55.87% 的代码已经是 AI 写的；传统人工 Review 效果锐减，于是搞了一套多 Agent 多角色 AI 审查链路。

也是同一天，JetBrains 在博客发了一个反直觉的实测——有个叫 Caveman 的插件号称"让 AI 说原始人话"能省 65% token，JetBrains 把它扔进 SkillsBench 跑 86 个任务，实测只省 8.5%，任务质量没有显著差异。

三件事拼在一起，2026 年 Agent 时代的轮廓清晰了：CLI 复兴不是审美复古，是结构性必然。

为什么是 CLI，不是 GUI

计算机的界面进化，过去四十年一直是从 CLI 到 GUI。从文字到图标，从键盘到触屏，对人越来越友好。Agent 时代方向反过来了——软件的用户变成了 AI Agent。

LLM 和终端说同一种语言。LLM 是 text-in、text-out 的机器，终端是 text-in、text-out 的界面。让 AI 操作 GUI 就绕远了：得截图、用视觉模型识别按钮在哪、再模拟鼠标去点，一行命令能搞定的事拆成四步，每步都可能出错。对 AI 来说，CLI 就是最短路径。

这背后是四个结构性优势，每一个都对应 Agent 工作的真实痛点。

天然同构：上面已经说了，text-in/text-out 是 LLM 的母语，CLI 是它的母语。让 AI 操作 GUI 是逼它学外语。

自描述：这是 CLI 相对 API 最被低估的优势。AI 碰到一个陌生的 CLI，敲一下 --help 就知道有哪些能力、怎么用、参数怎么填。CLI 自带说明书。API 不行——AI 得先拿到文档、弄清端点、搞懂认证方式，才能动手。工具本身就是文档，这种"自描述性"让 CLI 成为对 AI 最友好的接口。

Unix 哲学：管道和组合，是 AI Agent 最需要的执行模型。antwork calendar agenda --next-week | grep "张三" | wc -l 一行命令查出下周和张三有几个会。MCP 更适合预定义的标准操作，而 CLI 可以靠管道组合出没预设过的操作——这种"即兴编排"能力是 CLI 独有的。

并行是原生的：CLI 命令本质上是无状态、可序列化的，一个字符串就是一个完整的操作指令。Agent 可以批量生成命令、并行分发到多个进程、独立重试，不需要维护 session 状态。当你的工作从"一个人写代码"变成"指挥一群 Agent 干活"，CLI 的无状态特性让并行调度水到渠成。

JetBrains 那个 8.5% 的反例正好佐证了这一点——他们测的"原始人话"省 token 失败，正是因为 Agent 的输出大部分是代码、diff、工具调用、错误字符串，这些不能压缩。CLI 之所以适合 Agent，是因为 Agent 真正消耗的 token 本来就是结构化的文本，而不是自然语言。

三层能力栈：食材、预制菜、菜谱

CLI 和 MCP 放在一起看，不是二选一，是 Agent 能力栈的不同层级。加上越来越多人讨论的 SKILL，三者构成一个从底到顶的分层结构。