导读
最近可以明显看到一个变化：
钉钉、飞书、企业微信，开始陆续开放 CLI 能力 越来越多团队，不再只讨论提示词，而是在做一件更实际的事：
让 AI 直接参与执行
很多人开始有几个共通疑问：
CLI 到底是什么 Skill 和 MCP 又是什么 为什么这几个东西突然一起出现
这篇文章只回答一个问题：
AI 是怎么从“能聊天”，走到“能干活”的
目录
为什么最近大家都在做 CLI CLI 本质是什么 Skill、MCP、CLI 的核心区别 三者在 AI Agent 里的分工 为什么企业在推 CLI
一、为什么最近大家都在做 CLI
先看一个变化路径：
过去：
AI主要停留在理解和生成阶段
现在：
AI开始进入执行阶段
问题变成：
AI如何真正完成任务
目前主要有三种方式：
Skill：把能力打包给AI MCP：把外部能力接进来 CLI：让AI直接执行
这也是为什么三者会同时出现
二、CLI 本质是什么
CLI 本质上是一套标准化命令接口
核心作用只有一个：
让 AI 可以直接执行操作
例如：
send_message --user=xxx --content="开会通知"
create_doc --title="测试报告"
run_script test_case.py
对于 AI 来说，这类命令有三个特点：
结构固定 可组合 可自动执行
相比 UI 操作，CLI 更适合 AI 使用
三、Skill、MCP、CLI 的区别
很多人觉得这三者是同一类东西，其实不是
它们分别解决不同问题
1. Skill：能力内置
Skill 的作用是把能力直接封装进 AI
一般包含：
知识 工具 执行逻辑
特点：
加载后直接可用 上手简单 标准不统一
可以理解为：
给 AI 增加某一类能力
2. MCP：能力连接
MCP 的作用是建立标准化连接
核心特点：
基于协议通信 可以连接任意外部系统 需要中间层服务
可以理解为：
让 AI 能接入外部世界
3. CLI：能力执行
CLI 的作用是执行
特点：
直接调用系统能力 不依赖界面 执行效率高
可以理解为：
让 AI 具备动手能力
四、三者关系
从结构上看，它们属于不同层级
再换一种方式理解：
五、为什么企业在推 CLI
这背后是一个很现实的问题
AI要进入业务流程，就必须具备执行能力
1. GUI不适合AI
GUI是为人设计的：
点击 视觉识别 交互反馈
AI在这些方面效率不高
2. CLI更适合AI
CLI的优势在于：
命令清晰 无歧义 易自动化
对于 AI 来说：
执行成本更低
3. 企业需要自动化执行
在企业场景中：
AI可以直接参与流程
不再只是辅助
六、关键结论
Skill、MCP、CLI不是替代关系
而是协同关系
一句话总结：
Skill 解决理解问题 MCP 解决连接问题 CLI 解决执行问题
七、写在最后
AI真正的变化，不在于它能说什么
而在于：
它能不能把事情做完
