CLI、MCP、Skill：企業級AI Agent的“干活三件套”，一次講透

想讓AI Agent真正替你干活，光靠一個大模型對話框可不夠。

最近釘釘、飛書、企業微信扎堆開源CLI，很多開發者一臉懵：CLI是啥？跟MCP啥關系？還有個Skill又是干嘛的？今天把這三件事一次講明白——它們就是AI Agent落地企業場景的標準化技術棧，缺一不可。

先搞清楚：這三樣東西分別是什么

CLI（命令行工具）——Agent的"手腳"。它是本地執行入口，讓Agent能在你的電腦或服務器上跑命令、調API、操作文件。沒有CLI，Agent就是個只會說話的"嘴替"。

MCP（Model Context Protocol）——Agent的"神經系統"。Anthropic提出的標準化協議，讓模型能以統一方式調用外部工具和數據源。不管你是調飛書文檔還是釘釘審批，協議格式一樣，Agent不用為每個工具單獨適配。

Skill（技能包）——Agent的"肌肉記憶"。把一段可復用的業務邏輯封裝成模塊，比如"創建周報""發起審批""同步日歷"，Agent調用Skill就像人用肌肉記憶一樣，不用每次重新學。

三者關系一句話：CLI負責執行，MCP負責通信，Skill負責封裝邏輯。

CLI：從"能對話"到"能動手"

傳統AI Agent最大的痛點是什么？光說不練。 你讓它幫你發個飛書消息，它只能告訴你怎么發，自己發不了。

CLI解決了這個問題。以釘釘開源的dingtalk-cli為例，安裝后你可以在終端直接執行：

# 安裝
npm install -g @dingtalk/cli

# 配置認證
dingtalk auth login

# 發送消息
dingtalk message send --to "群組ID" --content "周報已生成"

# 創建日程
dingtalk calendar create --title "產品評審" --time "2026-04-07 14:00"

飛書和企微的CLI也類似。關鍵是：這些命令可以直接被AI Agent調用。Agent收到用戶指令后，把自然語言轉換成CLI命令執行，真正實現"說了就干"。

實際場景： 你對Agent說"幫我給項目組發個通知，明天下午兩點開會"，Agent內部執行的是：

dingtalk message send --to "項目組群" --content "通知：明天（4月7日）下午2:00召開項目進度會，請準時參加"

MCP：讓Agent用一套協議調所有工具

CLI解決了執行問題，但如果每個平臺都用自己的一套接口，Agent的適配成本會指數級增長。這就是MCP的價值——標準化的工具調用協議。

MCP定義了三個核心概念：

• Server（工具服務端）：暴露能力，比如"發送飛書消息""查詢釘釘審批狀態"
• Client（Agent端）：發起調用，用統一格式請求工具
• Transport（傳輸層）：支持stdio、SSE等多種通信方式

一個MCP Server的配置示例（以飛書為例）：

{
  "mcpServers": {
    "feishu": {
      "command": "npx",
      "args": ["-y", "@anthropic/feishu-mcp-server"],
      "env": {
        "FEISHU_APP_ID": "cli_xxxx",
        "FEISHU_APP_SECRET": "xxxx"
      }
    }
  }
}

Agent啟動后，自動發現飛書MCP Server提供的所有工具（發消息、查文檔、建日程等），用標準JSON-RPC格式調用，不需要寫任何平臺特定代碼。

關鍵突破： 釘釘、飛書、企微的CLI開源后，社區可以直接基于CLI封裝MCP Server。這意味著一個Agent可以同時接入三個平臺，用同一套協議管理所有企業IM工具。

Skill：把業務邏輯變成可復用積木

CLI解決執行，MCP解決通信，但企業場景往往需要多步驟、帶判斷的復雜流程。比如"每周五自動生成周報并發送到三個群"，這不是一條命令能搞定的。

Skill就是干這個的。它把一組CLI命令 + 業務邏輯 + 條件判斷封裝成一個可復用模塊：

# skill: weekly-report
name: weekly_report
description: 自動生成周報并分發
triggers:
  - cron: "0 17 * * 5"  # 每周五17點
steps:
  - action: cli.execute
    command: "dingtalk calendar list --range this-week"
    extract: meetings
  - action: llm.generate
    prompt: "根據以下會議記錄生成周報摘要：{{meetings}}"
    output: report
  - action: cli.execute
    command: "dingtalk message send --to '產品組群' --content {{report}}"
  - action: cli.execute
    command: "feishu message send --to '技術組群' --content {{report}}"

商業價值直接明了： 一個中型團隊每周花2小時寫周報，50人團隊就是100小時/月。一個Skill部署后，這部分人力成本直接歸零，按人均時薪100元算，月省1萬元。

三件套協同：一個完整案例

某電商公司的客服自動化流程，完整展示了三件套如何協作：

需求： 客戶在企微發消息詢問訂單狀態，Agent自動查詢并回復，異常情況升級到釘釘人工客服。

實現路徑：

1. CLI層：部署企微CLI（接收消息）+ 釘釘CLI（發送工單）+ ERP CLI（查詢訂單）
2. MCP層：三個CLI各自封裝為MCP Server，Agent統一調用
3. Skill層：封裝"訂單查詢與升級"Skill，包含判斷邏輯（物流延遲>3天自動升級）

# Skill核心邏輯偽代碼
async def handle_order_inquiry(customer_msg):
    order_id = extract_order_id(customer_msg)
    
    # 通過MCP調用ERP查詢
    status = await mcp.call("erp", "query_order", order_id=order_id)
    
    if status.delay_days > 3:
        # 通過MCP調用釘釘創建工單
        await mcp.call("dingtalk", "create_ticket", 
                       title=f"訂單{order_id}異常", 
                       content=status.detail)
        reply = f"您的訂單存在延遲，已為您升級處理，工單號XXX"
    else:
        reply = f"您的訂單狀態：{status.current_status}，預計{status.eta}送達"
    
    # 通過MCP調用企微回復
    await mcp.call("wecom", "send_message", content=reply)

落地效果： 該公司客服響應時間從平均15分鐘降到3秒，人工客服工作量減少60%，月節省人力成本約8萬元。

開發者落地三步走

第一步：裝CLI，跑通命令。 選一個平臺（建議從釘釘開始，文檔最全），裝CLI，配置認證，手動發一條消息。10分鐘搞定。

第二步：接MCP，讓Agent能調工具。 用社區封裝好的MCP Server配置文件，在Claude Desktop或Cursor里測試Agent調用CLI工具。

第三步：封裝Skill，實現自動化。 把重復性業務流程寫成Skill，設置觸發條件，讓Agent自動執行。

三個平臺CLI同一周開源，不是巧合，是信號——企業級AI Agent的基礎設施已經標準化了。 現在入場，正好趕上從"能用"到"好用"的窗口期。

下一步行動： 去GitHub搜索dingtalk-cli、feishu-cli、wecom-cli，Star一下，花30分鐘裝起來跑個hello world。然后打開m.nhjb.com.cn（m.nhjb.com.cn）的Agent開發文檔，找到MCP Server配置模板，把CLI接進你的Agent。今天就能讓AI替你發第一條消息。