AI Agent 的未来并非 MCP，而是回归 CLI。赋予 Agent Shell 权限，直接使用经典工具，才是提高开发效率的关键。
原文标题：你只需要 CLI
原文作者：图灵编辑部
冷月清谈：
怜星夜思：
2、文章里提到“智能体就是在 Unix 管道上训练出来的”，这句话该如何理解？
3、如果让 AI Agent 直接访问 Shell，安全风险如何控制？
原文内容
MCP 的热潮已经过去。
曾被视为 AI Agent 未来的 MCP——即为 AI Agent 量身打造的标准化、结构化工具服务器——最终却被证明对大多数真实编码工作来说，完全是大材小用。
到了 2026 年，那些交付速度最快、代码最简洁的开发者们又回到了原点：终端。
他们直接赋予 AI Agent shell 权限，让其使用那些几十年来屹立不倒的经典工具：
git, rg, grep, npm, docker, curl, jq, tail.
无需自定义服务器，无需庞大的 schema 描述占用上下文窗口。只需一个强大的推理模型加上 bash/zsh。
于是，AI Agent 写代码的体验，终于有了点魔法的味道。
MCP 为何在日常开发中失去光彩
对于常规开发流程来说，MCP 往往不是助力，反而成了阻力：
-
Token 消耗过大：冗长的工具目录和 schema 描述严重占用宝贵的上下文空间。
-
重复造轮子：自定义的 MCP 服务器常常只是重复了官方 CLI 早已实现、且更可靠的功能。
-
组合性差：你失去了 Unix 几十年来打磨出的管道、链式操作和临时小技巧的天然优势。
-
模型适配度高： 主流大模型（如 Claude、GPT 系列、Gemini）在 shell 操作上训练极多，对命令参数、管道、报错、man 文档等理解得极其透彻。
最佳实践其实很简单：
“把 AI Agent 放进你的项目目录，赋予受控的 shell 执行权限，然后描述你的任务。
Agent 会自动规划、执行命令、编辑文件、跑测试、提交代码、调试、循环迭代。
MCP 在高度结构化的企业集成场景（比如合规环境下的类型安全 SaaS API）依然有价值。但对于 80–90% 的日常开发流程来说，它只是噪音。
引领潮流的 CLI 原生编码 Agent
Claude Code（Anthropic） 依然是大规模或复杂代码库深度推理的领头羊。适合架构讨论、精细重构和多文件变更，解释详尽。原生支持终端工作流，能编辑文件、访问 shell、集成 git。按量付费，但解决难题物有所值。
Codex CLI（OpenAI） 轻量、快速，直接调用 OpenAI 强大模型。适合代码生成、测试和快速迭代。开源底子，易于本地部署和定制。
Gemini CLI（Google） 免费额度，强大的多模态能力。擅长原型开发、UI 任务和大型项目。以终端为核心，支持简洁的 ReAct 风格循环。开源且注重隐私。
OpenCode 多模型灵活切换（支持 75+ 供应商）、集成 LSP，隐私保护做得好。许多开发者称其为目前最高效的终端 AI Agent。社区发展迅速。
CLI 在这些场景完爆 MCP
-
Monorepo 级别的批量重构
AI Agent 首先执行：
rg "oldDeprecatedFunction" .
然后规划跨文件的精准修改，应用变更，用 git diff 审查，跑 npm test 或 cargo test，最后提交：
refactor: remove deprecated API calls
无需 GitHub MCP 服务器，无需臃肿上下文。只用 rg、git 和测试工具，干净利落。
-
生产环境全栈调试
指令：“在 staging 环境复现认证失败。”
AI Agent 执行：
git pull
npm install
npm run dev
tail -f logs/server.log | grep error
curl -v api/auth/check
docker-compose up -d db redis
npm test -- --grep auth
它通过编辑文件、重新运行测试、探查接口等方式不断迭代。
没有 Docker 的 MCP，没有日志 MCP，只需精通 Shell 即可。
-
新微服务脚手架搭建
指令：“用 Axum 和 sqlx（Postgres 驱动）构建一个 Rust 用户资料 API。”
Agent 操作如下：
cargo new --bin user-service
cargo add axum sqlx --features postgres
cargo watch -x run
curl localhost:3000/health
开发过程中随时提交。无需 Rust MCP，也不需要数据库 MCP，现有工具链已足够。
-
CI/CD 故障修复
Agent 克隆仓库，用 act 在本地跑工作流，发现失败后，编辑 .github/workflows/ci.yml 或 Dockerfile，用 docker build 验证，推送分支，并用 gh 开 PR。
全程只用标准 CLI 工具，无需专门的 CI 集成层。
开发者反复提到的模式
那些拥抱 CLI 原生 Agent 的团队普遍反馈：
-
迭代速度更快
-
Token 消耗更可控
-
智能体行为更透明
-
更容易调试 Agent 的操作
最近流传的几句话：
““别再搞集成了，直接做 CLI。” “Bash 才是真正的 MCP。” “智能体就是在 Unix 管道上训练出来的——这方面简直无敌。” “CLI 就够了，其他都是多余。”
终端一直都是通用开发环境
到了 2026 年，它也是 AI Agent 最强大的接口。
除非你深陷企业专有工具，否则完全没必要用臃肿的 MCP 栈。
cd 进你的项目，启动你喜欢的 CLI 智能体，赋予 Shell 权限，描述你的需求。
然后静静看它大展身手。
（文章封面图源网络，侵删）