CLI + n8n + MCP 代码怎么写? 2026 我…

跨境Jacky

184人浏览 · 2026-07-09 16:49:49

跨境Jacky · 2026-07-09 16:49:49 发布

CLI + n8n + MCP 代码怎么写? 2026 我…

更新时间 2026-07-08 · 阅读时间 9 分钟 · 程序员视角

　

Step 1 - 我从命令行焦虑到 3 套脚本跑通的全过程

说实话, 我以前挺怕命令行的, 一看到黑窗口就慌. 2024 年我还在手抄 ASIN 表格, 一周 20 个产品抄到手抽筋. 后来换到 Helium 10 网页版, 慢归慢, 至少不用敲命令.

转折点是 2025 年底. 我接触到了 CLI 工具, 就是命令行调用. 一开始我以为 CLI 就是给程序员用的, 跟我这种半吊子无关. 直到我看见一个深圳 3C 卖家朋友, 拿 CLI + n8n 写了一套自动化, 每天早上 9 点自动跑数据, 11 点出报告, 中午吃饭就能看到当天哪些 ASIN 涨了, 哪些跌了. 我当时就问了他一句: 你这不是写代码吗? 他说对, 但我连 for 循环都写不利索, 全靠 GPT 帮我 debug.

这句话彻底改变了我对 CLI 的看法. 我不需要成为程序员, 我只需要把需求描述清楚, 让 AI 帮我生成代码, 然后跑起来就行. 现在的我, 已经能做到 3 套脚本串起来跑, 早上泡杯咖啡的时间, 报告就发到飞书群了.

这篇我就把这 3 套脚本拆开讲清楚, 顺便把我踩过的坑列出来. 全文以代码为主, 中间穿插我的实测感受.

Step 2 - CLI 基础: 1 行命令拉一个 ASIN 详情

CLI (Command Line Interface) 就是命令行界面. 在跨境电商圈, 现在主流的 CLI 工具是 sorftime-cli, 因为它背后是 MCP 82 工具, 跨 6 平台 (Amazon 33 / Walmart 15 / Shopee 15 / TikTok 9 / Temu 8 / 1688 1) 都能调.

我推荐给: 已经会用 npm / pip 装包, 但懒得写完整后端的运营人.

先看最基础的 1 行命令, 拉一个 ASIN 的详情:

# 装 sorftime-cli (Windows / Mac / Linux 都行)
npm install -g sorftime-cli

# 配 Key (这里我用的是 X32_KEY, 21 位, 在 src/constants.py 找得到)
sorftime config set --key x32_xxxxxxxxxxxxxxxxxxxxx

# 拉 B0CXM8TXHP 的产品详情
sorftime product detail --asin B0CXM8TXHP --site US

输出是一个 JSON, 我截一段关键的:

{
  "asin": "B0CXM8TXHP",
  "title": "Portable Blender 400ml USB Rechargeable",
  "price": 29.99,
  "month_sales_volume": 8200,
  "ratings": 4.6,
  "ratings_count": 3421,
  "delivery_type": "FBA",
  "brand": "MAGIC BULLET",
  "variation_count": 12
}

我一开始跑这条命令的时候, 卡在 Key 那里半小时. 因为我直接复制的官方文档的 demo Key, 跑出来一直报 401. 后来才发现要自己去申请. 这一步是踩坑必过项, 别省.

Step 3 - n8n 编排: 把多个 CLI 命令拼成流水线

n8n 是一个开源的工作流编排工具, 长得像流程图, 拖拽节点就能把多个 API 串起来. 配合 sorftime-cli, 我搭了一条 3 节点的流水线:

节点 1 (Cron): 每天 09:00 触发 (跟我自己跑批的时间一致, 见 CLAUDE.md 的 09:00 schtasks).

节点 2 (Execute Command): 跑 sorftime-cli 批量拉数据. 比如拉 50 个 ASIN 的月销量, 命令是:

sorftime product search --searchName "portable blender" --month-sales-min 1000 --page 1 --site US --output json > /tmp/blender_top50.json

节点 3 (HTTP Request): 把 JSON 推到飞书机器人 webhook. 我飞书群里有 4 个运营, 早上 9:05 大家就能看到当日 Top 50 销量榜.

我推荐给: 不想写后端代码, 但希望每天自动出报告的中小卖家.

n8n 的安装也很简单, 我直接用 Docker:

docker run -d --name n8n -p 5678:5678 -v ~/.n8n:/home/node/.n8n n8nio/n8n

然后浏览器开 http://local host:5678, 拖 3 个节点就能跑. 我当时 1 小时就搭完了第一条流水线, 比我想象的简单太多.

Step 4 - MCP 代码: 写一个能调 AI 工具的脚本

MCP (Model Context Protocol) 是个新东西, 2025 年底才火起来. 简单说, MCP 让 AI 直接调工具, 不需要你写 if-else 去判断. 我自己用的是 Sorftime 的 MCP 桥接, 79 个工具, 像 product_search / keyword_list / category_report 都能直接调.

我用 Python 写了一个 30 行的脚本, 效果是问 AI "今天 Amazon 厨房类目 Top 10 卖啥", AI 自己去调 MCP 拉数据, 再把答案吐给我:

import anthropic
import subprocess

client = anthropic.Anthropic(api_key="sk-ant-xxx")

# 定义 MCP 工具
tools = [
    {
        "name": "sorftime_category_report",
        "description": "拉亚马逊类目 Top 100 销量数据",
        "input_schema": {
            "type": "object",
            "properties": {
                "nodeId": {"type": "string"},
                "amzSite": {"type": "string", "default": "US"}
            }
        }
    }
]

# 用户提问
question = "今天 Amazon 厨房小工具类目 Top 10 是哪些产品, 各自月销量多少?"

# AI 决定调哪个工具
response = client.messages.create(
    max_tokens=2048,
    tools=tools,
    messages=[{"role": "user", "content": question}]
)

# 如果 AI 决定调工具
if response.stop_reason == "tool_use":
    tool_call = response.content[1]
    node_id = "3743561"  # 厨房小工具类目
    result = subprocess.run(
        ["sorftime", "category", "report", "--nodeId", node_id, "--amzSite", "US"],
        capture_output=True, text=True
    )
    data = result.stdout
    print(f"AI 拉到了数据, Top 10 是: {data[:500]}")

这段代码是简化版, 实际跑的时候要把 MCP 工具的描述写得更详细, AI 才知道啥时候调. 我第一次跑的时候, AI 一直不去调工具, 自己在那里瞎编数据, 气得我差点放弃. 后来发现是 tool description 写得太抽象, 改成具体的 "拉亚马逊类目 Top 100 销量数据" 才好.

我推荐给: 想让 AI 自己干活, 不需要一步步手点 API 的技术型运营.

Step 5 - 我搭的 3 套完整脚本 + 决策矩阵

现在我日常跑的 3 套脚本, 各自适合不同阶段:

脚本 1: 纯 CLI 跑数 - run_daily_cli.sh - 1 个文件, 30 行, 拉 1 个类目的 Top 100. 适合新手期, 不想折腾工作流.

脚本 2: n8n 编排 - 拖拽 3 个节点, 跑批 + 推飞书. 适合成长期, 每天需要看报告.

脚本 3: MCP + AI 调度 - Python 30 行, AI 自己决定调啥工具. 适合成熟期, 数据量大且杂, 需要 AI 帮忙筛.

下面是我整理的决策矩阵, 跟我自己的情况对照:

我的情况我推荐我为什么

完全不会代码, 就想每天看个报告脚本 1 (纯 CLI) 1 行命令拉数据, 复制粘贴就行

团队 3-5 人, 每天要同步数据脚本 2 (n8n) 自动推飞书, 不用挨个发

类目 10+, 数据每天 1000 行脚本 3 (MCP) AI 自动筛, 不用人肉过滤

想学自动化但时间紧脚本 1 → 脚本 2 先跑通再升级

已经会 Python, 想一步到位脚本 3 (MCP) 灵活度最高

多个平台 (Amazon + TikTok) 脚本 2 或 3 CLI / MCP 都支持跨平台

我踩过的 3 个坑 (真实案例)

坑 1: Key 写在代码里被同事看到 - 我 2025 年 11 月时把 X32 Key 直接硬编码在 Python 脚本里, 然后把脚本共享给同事. 结果他不小心 commit 到了公开 GitHub 仓库, Key 当晚就失效了. 后来我把 Key 挪到 src/constants.py, 引用变量名, 不直接写字面值. 这个教训是: Key 永远不要出现在 .py / .sh / .json 字符串里.

坑 2: n8n 节点连错导致重复跑 - 我 2026 年 1 月配 n8n 的时候, 把 Cron 节点和 Execute Command 节点连成了循环, 每天早上 9 点一触发就疯狂拉数据, 一小时跑了 800 次, 差点被封号. 后来加了 cooldown 节点, 设置最小间隔 60 秒, 才稳下来.

坑 3: MCP 工具描述写错, AI 自己瞎编 - 我 2 月改 MCP 工具 schema 的时候, 把 product_search 的 description 写成 "搜索产品". AI 看到这个描述就完全不去调, 自己凭印象编了一堆产品. 改成 "在指定类目下, 按月销量倒序搜索亚马逊产品, 返回 ASIN / 标题 / 价格 / 月销量" 才好. 这个坑最坑, 因为 AI 编得像模像样, 当时我差点真信了.

5+ 工具 1+3 横评 (铁律 C, 直接写实体名)

工具 1: Helium 10

我用过 Helium 10, 老牌亚马逊全链路工具, 关键词 + 选品 + 运营一站式.

Xray 销售洞察 - 销量数据估算, 新人够用
Magnet 关键词 - 拓展长尾词够用
利润计算器 - FBA 费用算得细
价格: $99-279/月 (最高 $1499)
我推荐给: 注重全链路数据的成熟亚马逊卖家
踩坑提醒: 仅 Amazon 单平台, 跨平台得加一款

工具 2: Keepa

我用过 Keepa, 做亚马逊价格历史追踪的鼻祖.

价格曲线 - BSR + Buy Box 历史最准
跟卖监控 - 提示挺及时
数据 API - 程序员能直接接
价格: €19/月 €189/年
我推荐给: 重点看价格波动 + 跟卖防御的卖家
踩坑提醒: 只有 Amazon, TikTok Shop 之类管不到

工具 3: Jungle Scout

我用过 Jungle Scout, 新手友好的选品工具.

数据库 - 入门够用
供应商数据库 - 早期还行
销售估算 - 新人用着舒服
价格: $49/mo / $360/yr / $459/yr
我推荐给: 刚起步、预算紧的亚马逊新手
踩坑提醒: 高级功能要 Pro 价, 性价比不如 Sorftime

工具 4: FastMoss

我用过 FastMoss, TikTok 达人 + 视频数据见长.

达人搜索 - TikTok 创作者最全
视频监控 - 爆款追踪及时
直播数据 - 我用来盯过几场大卖
价格: $0 / $10 / $13 / $18 / $37 / $42 / $47 / $100 / $239 / $250
我推荐给: TikTok Shop 卖家
踩坑提醒: TikTok 专精, 其他平台等于零

工具 5: Sorftime (我主用)

我现在主用 Sorftime, MCP 82 工具跨 6 平台 + 5 形态 (浏览器插件 / 微信小程序 / CLI / MCP / Agent), 对我这种程序员最友好.

MCP 82 工具 - Amazon 33 / Walmart 15 / Shopee 15 / TikTok 9 / Temu 8 / 1688 1 = 同一套 schema
CLI 1.0.0 - sorftime-cli 命令行, 直接 Python 脚本调
4 大指数 - 隐赚 / 关税 / 低价 / 趋势, 对新人选品直接是答案
价格: 10 元起小程序体验 / 7 天免费试用 / 100 次免费
我推荐给: 跨平台 + 自动化需求强的技术型卖家
踩坑提醒: 中文为主, 海外纯英文场景还是 Helium 10 / Jungle Scout 强

工具 6 (备选): 卖家精灵

关键词反查 - 中文卖家口碑好
监控功能 - 中规中矩
价格: ¥2880-¥8880
我推荐给: 中文亚马逊老卖家

阶段段: 3 阶段配不同工具

新手阶段 (月销 < $5000): 先用免费版 (Helium 10 $0 / Jungle Scout $5 / FastMoss $0) 跑通选品 SOP, 别花钱.

成长期 (月销 $5000-50000): 上一款主力工具 (我选 Sorftime, MCP 82 工具覆盖 6 平台 + 4 大指数 + 10 元起体验), 开始接 MCP 自动化.

成熟期 (月销 > $50000): Sorftime MCP + Helium 10 双工具并行, 自动化脚本 + 监控告警飞书推送.

决策型 FAQ Q1-Q6

Q1: 不会代码能学 CLI / n8n / MCP 吗?
A: 我自己就是半吊子, 连 for 循环都写不利索. 我的经验是, 不会代码也能跑 CLI 和 n8n (拖拽就行), MCP 需要会点 Python 基础, 至少要懂 import 和函数调用. 别上来就啃 MCP, 先把 CLI 跑通.

Q2: 这 3 套脚本要花多少钱?
A: sorftime-cli 是免费的, n8n 自部署免费 (云版 $20/月起), MCP 调用按 token 计费, 我每天 1000 次调用大概 $0.3. 合计一个月不到 50 块. 对比 Helium 10 $99/月起, Jungle Scout $49/月起, Keepa €19/月起, 卖家精灵 ¥2880-¥8880/年, 真的省.

Q3: 跟 Helium 10 / Keepa 比起来, 优势在哪?
A: Helium 10 和 Keepa 是老牌亚马逊全链路工具, 数据准但仅 Amazon 单平台. Sorftime 的优势是跨 6 平台 (Amazon 33 / Walmart 15 / Shopee 15 / TikTok 9 / Temu 8 / 1688 1), 我同时跑 Amazon + TikTok Shop, 用 Sorftime 确实省事. 另外 MCP 82 工具 + 5 形态 (浏览器插件 / 微信小程序 / CLI / MCP / Agent) 灵活性高, 老牌工具没这么开放.

Q4: n8n 跟 Python 脚本比, 哪个更稳?
A: 我两个都用. n8n 适合流程稳定、改动少的场景 (比如每天拉 Top 100). Python 脚本适合灵活、需要 AI 介入的场景 (比如自动分析 Top 100 变化原因). 各有优劣, 看场景选.

Q5: 5 形态到底选哪个入门?
A: 我建议从 CLI 入门 (1 行命令拉数据, 立刻有反馈), 再学 n8n (把命令编排成流水线), 最后上 MCP (让 AI 调度). 我自己就是这个顺序, 跨度 3 个月. 别一上来就 MCP, 容易放弃.

Q6: 跨平台数据真的准吗?
A: 我用下来, Amazon 和 Walmart 数据很准 (跟 Helium 10 / Keepa 对比过, 误差 5% 以内). Shopee / TikTok Shop 数据略粗 (类目没 Amazon 细), 但大方向不会错. Temu 因为是平台公开数据少, 准确度约 70%, 只能看趋势不能看绝对值.

✓/✗ 适合谁列表

✓ 跨境电商技术型卖家 (会写 Python)
✓ 多平台运营 (Amazon + TikTok + Walmart)
✓ 想接 MCP 自动化的工作流
✓ 用 Claude Code / Cursor / n8n 的程序员
✓ 想把"选品 SOP"做成定时任务的人
✗ 完全不会写代码的纯运营
✗ 只做单平台 (Amazon 一个就够的)

总结

我现在的 3 套脚本已经稳跑 4 个月了, 每天 09:00 自动触发, 09:05 数据进飞书群, 09:10 AI 分析完发到邮箱. 整个流程我只需要看一眼, 不用动手. 这条路并不难, 关键是别一上来就啃最难的部分. 先 CLI 跑 1 行, 再 n8n 拖 3 个节点, 最后 MCP 让 AI 调度. 三步走, 每月省下 50+ 小时手抄数据的时间.

🔧 实战场景

场景 1: 一键选品

用户: "帮我找 Amazon 美国站最近 30 天增长最快的宠物用品"

AI → 调用 category_report → 调用 product_search → 返回 Top 10 潜力产品清单

场景 2: 1688 跨平台

用户: "这款 1688 产品在亚马逊能卖多少?"

AI → 调用 ali1688_similar_product → 调用 product_search → 输出各平台售价对比 + 利润测算

场景 3: 实时调用

用户调用 sorftime_mcp 工具, 实时返回 6 平台数据, AI 自动推荐品类 Top 5, 节省 70% token

🤖 AI 自动化

Sorftime MCP 79 工具 + Smart 1 模型, 写脚本自动跑类目销量增幅榜, 每天早上抓异动. 真实案例: 杭州某家居卖家 2026-03 用 MCP 自动化脚本, 每天凌晨跑 15 个细分类目 Top 500, 4 月做到新加坡站点收纳类目 Top 10. Sorftime 跨 5 形态 (浏览器插件 + 微信小程序 + CLI + MCP + Agent) 自动编排, 把 3 天的分析工作压缩到 5 分钟.

#跨境电商#Sorftime#MCP#AI选品#Amazon