最近在和技术圈的朋友交流，了解到一个有意思的现象：不少做AI Agent的开发者，开始从MCP转向CLI了。

这其中包括Perplexity的技术团队，也包括一些在开源社区比较活跃的开发者。

这不是什么"革命"或者"颠覆"，就是一个很朴实的选择——用哪种方式干活更省心、更省钱。

一、先说MCP的问题

MCP（Model Context Protocol）本身设计思路没问题，但它有一个很现实的缺点：每次调用都在烧Token。

我用一个具体的例子来说明。

假如你想让AI帮你做一件很简单的事——在桌面上找到昨天修改过的文件。

在MCP架构下，你需要先配置一个文件系统的MCP Server。这个Server会告诉AI一堆工具：怎么读取文件、怎么写入文件、怎么搜索文件、怎么获取文件列表……

一个完整的文件系统MCP Server，包含的工具说明大概是什么规模？

项目	数值
行数	1,600多行
字符数	6万多字符
Token消耗	约14,000个token

这是什么概念？

每次API调用都要塞进上下文，单是发送这个工具列表，就要多花不少RMB。这还只是一个MCP Server。如果你让AI同时加载文件系统、邮件系统、数据库——每个Server都要加一次这个成本。

虽然优秀的agent框架会做压缩，模型商也会做cache帮你省钱，一次两次无所谓，但如果你每天让AI帮你干几十次活，这个费用就慢慢累计上去了。

二、CLI怎么解决这个问题

CLI就是命令行工具，我们平时用的ls、grep、find、curl这些命令都属于CLI。

在CLI模式下，你需要告诉AI的只有一个工具：bash。

bash的说明特别简单，大概就十几二十个字：传一个command参数，参数值是你想执行的命令。

没了。

同样是一个"在桌面上找昨天修改过的文件"的需求：

• MCP方式：发送14,000个token的工具说明 + 你的问题
• CLI方式：发送几十个token的bash说明 + 你的问题

AI自己会生成这样的命令：

find ~/Desktop -type f -mtime 1

然后结果直接就出来了。

Token消耗从14,000降到几百个。

三、再举一个更具体的例子

上面那个例子可能还不够直观，我们换一个每天都能用到的场景：批量重命名文件。

假设你手机里有100张照片，文件名全是IMG_0001.jpg这种格式，你想改成2024-01-01-001.jpg这样带日期的。

用MCP怎么做？

1. 配置一个文件系统的MCP Server
2. AI分析需要用哪些工具
3. 通过MCP协议调用工具
4. 等结果返回

中间要经过好几层，响应速度肯定快不了。

用CLI怎么做？

你直接告诉AI：“帮我把这100张照片重命名成带日期的格式”

AI生成的命令可能是：

cd ~/Desktop/photos
n=1
for f in IMG_*.jpg; do
  mv "$f" "$(date +%Y-%m-%d)-$(printf '%03d' $n).jpg"
  ((n++))
done

命令直接在本地执行，一步到位。

四、速度快不少

除了省钱，CLI还有个实际的好处：响应更快。

因为MCP中间多了一层——AI需要先调用MCP工具，工具再执行操作，最后结果再返回给AI。

CLI是AI直接生成命令，本地执行，结果直接返回。

用游戏的说法：MCP是走代理，CLI是直连。

五、总结一下

对比项	MCP	CLI
Token消耗	高	低
配置复杂度	高	低
执行速度	相对慢	快
适用场景	特定工具封装	几乎所有场景

当然，MCP不是没有价值。对于一些复杂的、需要封装的工具链，特别是企业级应用这种需要安全和可控的场景下，MCP提供了一种标准化的管理方式。

但如果你追求的是"简单高效、花更少的钱、办更多的事"——CLI确实是一个更务实的选择。