飞书 CLIAI Agent 的「万能遥控器」彻底搞懂 CLI、MCP 与 Skill 的关系导读2026年3月28日飞书正式开源了飞书 CLIlarksuite/cli。一个看似「古老」的命令行工具为什么能让 AI Agent 真正「帮你干活」CLI、MCP、Skill 到底是什么关系这篇文章用通俗易懂的语言带你彻底搞懂。一、先搞清楚CLI 到底是什么CLI Command Line Interface命令行界面。这个概念并不新鲜——Windows 的 cmd、Mac 的 Terminal、安装 Git 时弹出的黑屏幕都是 CLI。它跟 GUI图形界面正好相反方式举例特点GUI图形界面打开飞书 → 点「新建消息」→ 输入内容 → 点击发送直观但慢只能一步一步点CLI命令行界面终端输入一行命令敲回车程序自动执行快灵活可以脚本化、自动化飞书 CLI 又是什么2026年3月28日飞书正式开源了飞书 CLIlarksuite/cli用 Go 语言开发通过 npm 分发。它的核心目标很简单把飞书的办公能力以命令行的形式开放出来让人类和 AI Agent 都可以直接调用。# 安装 npm install -g larksuite/cli # 发消息 lark-cli im messages-send --as bot --chat-id oc_xxx --text 会议提醒 # 读取文档 lark-cli docs fetch --doc 文档链接 # 查看今日日程 lark-cli calendar agenda # 搜索用户 lark-cli contact search-user --query 张三一行命令搞定不用打开飞书 App不用点鼠标不用写代码调 API。飞书 CLI 覆盖了飞书最核心的业务域消息与群组、云文档、多维表格、日历日程、邮箱、任务、知识库、通讯录。二、为什么 AI Agent 装了 CLI 才能「帮你干活」现在的 AI 模型已经非常聪明了——它能理解你的需求、帮你写方案、分析数据、甚至生成代码。但它有一个根本限制它只能生成文字不能直接操作你的工作软件。你想让 AI 帮你查明天的日程它会告诉你「你可以打开飞书日历查看」——而不是直接帮你查。你想让 AI 帮你发一条消息它会给你一段文字让你复制粘贴——而不是直接帮你发出去。这不是 AI 不够聪明而是它没有「手」。CLI 就是 AI 的「手」。装上 CLI 后你说「帮我看看明天有什么会议」 AI → 调用 CLI 命令 lark-cli calendar agenda --start 2026-04-14T00:00:0008:00 CLI → 调用飞书 API → 返回结果 AI → 告诉你「明天有3个会议10点产品评审、14点技术方案讨论、16点周会」没有 CLIAI 只能「动嘴皮子」有了 CLIAI 才能真正「动手干活」。三、CLI 的底层原理输入 → 解析 → 执行 → 输出用户或AI输入命令 ↓ CLI程序解析命令理解要做什么 ↓ 调用底层 API 执行真正操作飞书服务器 ↓ 返回结果成功/失败CLI 只是一个「外壳」把命令翻译成 HTTP 请求发给飞书服务器。真正干活的还是底层 API。为什么 LLM 用 CLI 特别顺答案藏在训练数据里。大型语言模型的训练语料包含了海量文本——Stack Overflow、GitHub Issues、技术博客、Shell 脚本、终端交互记录。里面有数十亿行 CLI 命令和对应的输出。当 AI 执行一个 CLI 命令时它在做一件训练数据里见过无数次的事——命令格式是熟悉的输出格式是熟悉的错误信息的含义也是熟悉的。CLI 是模型天生就会用的工具。四、MCP 是什么为什么行业在倒向 CLIMCP Model Context ProtocolMCP 是 Anthropic 在 2024 年底推出的一套标准化协议让 AI Agent 通过统一的 JSON-RPC 接口跟各种工具对话。听起来很美好——一套标准搞定所有工具。但现实很骨感。MCP 的三重成本┌─────────────────────────────────────────────────┐ │ 1. 研发成本必须实现一个 MCP Server │ │ • 熟悉 MCP 协议规范 │ │ • 写连接管理、协议解析、工具注册、认证代码 │ │ • 每个工具都要写清晰的 schema 描述 │ │ • MCP 协议升级Server 要跟着升级 │ └────────────────────────────────────────────────┘ ┌─────────────────────────────────────────────────┐ │ 2. 维护成本 │ │ • 工具变了schema 要同步更新 │ │ • 工具描述写不好AI 就会选错工具 │ └─────────────────────────────────────────────────┘ ┌─────────────────────────────────────────────────┐ │ 3. 调用成本比 CLI 贵 10-32 倍 │ │ • 一个 GitHub MCP Server 的 schema 55,000 tokens │ │ • 直接占掉 Claude 200K 上下文的四分之一 │ │ • 还没开始干活空间就去掉一大块 │ └─────────────────────────────────────────────────┘行业基准测试数据社区做了严格的基准测试对比同一批任务在 CLI 和 MCP 下的表现指标CLIMCP单次调用成本基准高 10-32 倍任务完成可靠率100%72%初始化开销几乎为零schema 加载数万 tokens错误恢复重新执行命令重新建连 加载 schema用 MCP 跑 10 个任务有 3 个会失败或需要重试CLI 全部一次通过。行业态度已经转向2025年底到2026年初行业对 MCP 的态度发生了集体转向Vercel CEO rauchg「CLI is the de-facto MCP for agents」——CLI 就是事实上的 Agent 工具协议Perplexity CTO、Y Combinator 掌舵人 Garry Tan也公开站了 CLI 这边中文社区甚至有人喊出「MCP 已死」原因很简单MCP 的设计思路是对的统一标准但成本太高了。而 CLI 是模型天生就会用的东西零适配成本。五、Skill 又是什么Skill CLI 之上的场景化编排Skill 是 CLI 之上的一层场景化封装本质上是一个小型 Agent——它可以编排多个 CLI 调用、做条件判断、处理中间结果。一个 Skill 由两部分组成-声明文件描述 Skill 的名称、参数、用途-执行文档描述具体的执行步骤本质上就是对 CLI 命令的编排Skill: 完整实验分析 步骤 1. 调用 lark-cli api get-experiment --id {id} 获取基础信息 2. 调用 lark-cli api list-metrics --id {id} 获取指标列表 3. 对每个指标组调用 lark-cli api get-metric-data --id {id} --group {gid} 4. 如果发现异常指标进一步下钻 5. 汇总分析结果生成报告为什么 Skill CLI 比纯 MCP 更好能力Skill CLIMCP本地执行无 context 限制数据先写到文件再选择性读取受限于 schema 描述管道过滤| jq .data | length在数据到达模型前就精简了不支持脚本编排写一个 bash 脚本一次性完成多步操作受限于 server 暴露的工具集错误恢复某步失败模型看到具体错误并调整需要重建连 加载 schema调试复制命令直接跑需要连 server、看日志认证复用本机登录态每个 server 单独配置运维无状态跑完即退需要启动/维护常驻进程六、三种组合方式怎么选组合一CLI Skill首选最佳实践适用工具固定、流程明确、有标准 SOP。Skill场景化编排 │ ├── 定义工作流程先做A → 再做B → 最后做C ├── 处理条件判断和错误恢复 └── 内部调用固定 CLI 命令 ├── lark-cli im messages-send ... ├── lark-cli docs create ... └── lark-cli calendar create ... AI 只需说「帮我安排明天的产品评审会议」 → Skill 自动编排多个 CLI 命令完成优点成本低、速度快、可靠率 100%、维护简单。组合二CLI MCP慎用适用工具种类多、变化快、需要 AI 自主决策。AI 自主决策 │ └── MCP动态发现工具 ├── MCP Server A → CLI → API A飞书 ├── MCP Server B → CLI → API BGitHub └── MCP Server C → CLI → API C数据库缺点三重成本高可靠率只有 72%。慎用。组合三CLI Skill MCP按需适用既有明确 SOPSkill又有需要 AI 自主决策的灵活场景MCP。Skill 处理固定流程CLI MCP 处理灵活查询动态发现三种组合对比CLI Skill ⭐CLI MCPCLI Skill MCP成本低高中高速度快慢中可靠率100%72%混合灵活性流程固定高高研发成本低高中推荐程度首选慎用按需七、飞书 CLI 和飞书 MCP 的核心差异飞书同时维护两个开源项目CLIlarksuite/cli和 MCP Serverlarksuite/lark-openapi-mcp。维度飞书 CLI飞书 MCP覆盖范围200 精选命令 2500 Raw API飞书 OpenAPI 全量映射认证方式OAuth 交互式登录支持 user/bot 双身份App_ID App_Secret文档能力Markdown 双向转换格式保留 ✅仅纯文本 ❌输出格式JSON / table / CSV / ndjson / prettyJSON部署方式npm 全局安装 Skills 注入MCP Server 配置到 settings.json认证方式决定了操作身份CLI 支持 OAuth 登录能以你个人的飞书身份执行操作——读取个人日程、搜索聊天记录。MCP 使用 App_ID App_Secret操作身份是飞书应用bot。对于个人工作流场景user 身份几乎是刚需。文档能力是 CLI 的核心优势CLI 支持飞书文档与 Markdown 的双向转换并保留格式。MCP 只能获取纯文本丢失所有格式信息。八、常见问题Q1MCP 已死了吗A没有。MCP 在「工具多、变化快、AI 需要自主决策」的场景下仍有价值。但对于大多数固定流程的场景CLI Skill 是更好的选择。两者是互补关系不是替代关系。Q2飞书 CLI 和飞书 OpenClaw 插件有什么区别A底层是同一个东西面向用户不同。OpenClaw 插件面向 OpenClaw 用户装完直接说话就能用。CLI 面向其他 AI 工具用户Claude Code、Cursor 等。能力会同步更新。Q3我不是程序员能用 CLI 吗A如果你用 OpenClaw装飞书插件就行不需要碰命令行。CLI 是给程序员和 AI Agent 用的。Q4安全吗外部 AI 能访问企业飞书数据A权限受企业管控支持按业务域单独授权。管理员可以在后台统一管理用户也可以随时撤销授权。总结概念一句话理解成本CLI命令行工具AI 的「手」模型天生就会用低MCPAI 与工具的「通用插头标准」高三重成本贵 10-32 倍SkillCLI 之上的场景化编排小型 Agent低行业趋势CLI 正在成为 AI Agent 工具生态的主流。飞书 CLI 的开源让所有 AI 工具都能通过命令行操作飞书——不需要写 MCP Server不需要维护常驻进程一条命令搞定。最佳实践CLI Skill成本最低、速度最快、可靠率最高。下一步想体验飞书 CLI一行命令安装npm install -g larksuite/cli如果你觉得有帮助欢迎点赞收藏有问题欢迎评论区交流~