【CLI】CLI vs MCP: A Simple Guide

CLI 和 MCP 经常一起出现，但它们根本不是同一个层面的东西。

可以理解成：

CLI 是“操作方式”

MCP 是“能力接口标准”

1. 一句话理解

假设你雇了一个 AI 程序员。

CLI相当于：

给 AI 一个键盘和终端

AI 可以执行：

lscdprojectgitstatus python train.py

Claude Code、Gemini CLI、OpenAI Codex CLI 都属于这种模式。

MCP（Model Context Protocol）相当于：

给 AI 发工作证，让它能进入各种系统

例如：

• GitHub
• Notion
• Jira
• Slack
• 数据库
• 浏览器

AI 不再只能敲命令。

还能直接调用：

GitHub.get_pull_request() Notion.search_page() Jira.create_ticket() Database.query()

2. 类比理解

把 AI 当员工。

没有 MCP，AI 只有一台电脑。

它只能：

gitclone...grep...cat...

像一个实习生。

有 MCP，AI 获得各种系统权限。

它可以：

读取 Jira 需求 查看 GitHub PR 查询数据库 读取 Notion 文档 发送 Slack 消息

像一个正式员工。

3. 架构区别

CLI

┌─────────┐ │ AI │ └────┬────┘ │ ▼ Terminal │ ▼ Linux命令

AI 通过 Shell 操作世界。

MCP

┌─────────┐ │ AI │ └────┬────┘ │ ▼ MCP Client │ ┌───┼─────────┐ ▼ ▼ ▼ GitHub Notion Database MCP MCP MCP Server Server Server

AI 通过 MCP 调用外部系统。

4. 为什么 MCP 火了

过去 Agent 经常这样：

defgithub_search():...

每家模型厂商：

• OpenAI 一套
• Anthropic 一套
• Google 一套

工具接口完全不同。

MCP 想解决：

一次开发 到处使用

类似：

• USB-C
• HTTP
• OpenAPI

统一工具调用协议。

MCP 最早由Anthropic提出，现在已经被大量 AI Agent 框架支持。

5. Claude Code 为什么大量使用 MCP

Claude Code 本质上：

CLI + MCP

结构如下：

Claude Code │ ├── Terminal │ ├── Git │ ├── Filesystem │ └── MCP Servers │ ├── GitHub ├── Notion ├── Slack └── Browser

所以它既能：

gitdiff

又能：

读取 GitHub Issue

这两种能力同时存在。

6. 二者关系

很多人误以为：

CLI vs MCP

其实不是竞争关系。

而是：

CLI = 操作入口 MCP = 扩展能力

关系更像：

浏览器 vs 插件

或者：

手机 vs APP

手机不是 APP。

APP 也不是手机。

但二者一起才能发挥价值。

7. Agent 时代的典型架构

当前最流行的 Agent 架构基本都是：

LLM │ ┌────────┴────────┐ ▼ ▼ CLI MCP │ │ ▼ ▼ Linux命令 外部系统

• CLI 负责本地操作

  • 写代码
  • 编译
  • 运行
  • Git

• MCP 负责外部连接

  • GitHub
  • Jira
  • Notion
  • Slack
  • 数据库

所以很多人会说：

CLI 是 Agent 的手脚，MCP 是 Agent 的神经网络接口。

前者让 AI 能干活，后者让 AI 能接入整个数字世界。

8. 通俗的理解

可以把 AI 想象成一个机器人同学。

（1）场景一：只有 CLI

老师说：

帮我整理教室。

机器人同学只能自己动手。

它会：

打开抽屉 整理书本 擦黑板 扫地

这就像 CLI。

CLI（命令行）就是：

AI 自己动手操作电脑。

例如：

lsmkdircppython train.py

相当于机器人：

开门 搬桌子 拿书 扫地

都是自己干。

（2）场景二：有了 MCP

老师又说：

顺便看看图书馆有没有《西游记》，再问问校长明天放不放假。

机器人傻眼了。

因为：

• 图书馆不在教室
• 校长办公室也不在教室

它进不去。

这时候给机器人发了几张通行证：

图书馆通行证 校长办公室通行证 广播室通行证

有了这些证件：

查询图书馆 联系校长 发送广播

都可以了。

这就是 MCP。

（3）再举个游戏例子

假设 AI 在玩《我的世界》。

CLI 相当于：

挖矿 砍树 造房子

自己动手。

MCP 相当于：

打开仓库 查看地图 联系队友 访问服务器

连接外部系统。

9. Claude Code 的真实情况

Claude Code 就像一个机器人程序员。

它有 CLI 能自己敲命令：

gitstatus python train.pyvimmain.py

相当于：

写作业 整理书包 做实验

MCP 还能访问外部工具：

GitHub Notion Jira Slack

相当于：

图书馆 老师办公室 学校广播站

一个完整故事

假设老师说：

修复第 35 个 Bug，然后告诉开发组。

没有 MCP

AI：

我不知道 Bug 35 是什么。

因为 Bug 在 Jira 里面。

只有 MCP

AI：

我看到了 Bug。

但不会改代码。

CLI + MCP

AI：

第一步

通过 MCP：

读取 Jira

发现：

Bug #35 登录页面崩溃

第二步

通过 CLI：

greploginvimlogin.py

修改代码。

第三步

通过 CLI：

pytestgitcommit

测试并提交。

第四步

通过 MCP：

更新 Jira 状态 发送 Slack 消息

告诉大家：

Bug 已修复

10. 最终记忆口诀

记住这一句就够了：

CLI = 自己动手干活 MCP = 连接外部世界

再简单一点：

CLI 是手和脚 MCP 是各种通行证

AI 只有手脚（CLI），只能在自己房间里干活。

AI 有了通行证（MCP），才能去图书馆、办公室、仓库、数据库等各种地方拿信息。

所以现在最强的 Agent 基本都是：

大模型 + CLI + MCP

也就是：

聪明的大脑 + 手脚 + 通行证

这才像一个真正能工作的 AI 程序员。

疑问：CLI 能 git，MCP 也能 GitHub，那到底区别在哪？

这是很多人刚接触 MCP 时最困惑的地方：

CLI 能 git，MCP 也能 GitHub，那到底区别在哪？

其实它们操作的根本对象不一样。

CLI 操作 Git 仓库

MCP 操作 GitHub 服务

Git 的例子最明显

（1）假设你想看一个 PR

CLI 方式

AI 需要：

gitfetchgitcheckout pr-123gitdiffgitlog

一步步操作。

像这样：

去仓库 拿文件 打开文件 比较差异

MCP 方式

直接：

github.get_pull_request(123)

立刻得到：

标题 作者 评论 Review状态 修改内容

（2）再看一个 Issue

假设：

Issue #35 登录页面崩溃

CLI

gitgreplogingrep"#35".

到代码里找。

MCP

github.get_issue(35)

直接返回：

Issue内容 讨论记录 负责人 标签

（3）一个现实例子

你在公司。

领导说：

帮我看看这个 PR 为什么没过。

CLI

AI：

gitclone...gitcheckout...gitdiff...

自己分析代码。

它能看到：

代码变了什么

但看不到：

Review意见 审批状态 讨论记录

MCP

AI：

GitHub.get_pull_request()

直接看到：

Alice: 这里有空指针风险 Bob: 单元测试没过 Charlie: 请补文档

（4）更准确地说

CLI 操作的是：

本地仓库

.git 代码文件 日志

MCP 操作的是：

GitHub 服务

PR Issue Review Comment Workflow Organization

（5）一个特别经典的区别

假设：

PR #456

CLI 能看到：

- a = b + a = c

知道代码改了啥。

MCP 能看到：

Alice: 这个改动导致线上事故 Bob: 不要合并

知道人为什么这么改。

（6）用现实世界理解

CLI 像什么？

像拿到一本书。

自己看 自己翻 自己找

MCP 像什么？

像能直接问作者。

这段为什么这么写？ 作者： 因为第三章埋了伏笔。

（7）Claude Code 实际上怎么干

很多时候是两者一起用。

例如：

第一步（MCP）

读取 GitHub Issue

得到：

用户反馈登录崩溃

第二步（CLI）

greplogin.

找到代码。

第三步（CLI）

pytest

验证修复。

第四步（MCP）

更新 Issue 状态

通知团队。

所以更准确的说法是：

CLI 看代码 MCP 看平台

或者：

CLI 操作 Git 仓库 MCP 操作 GitHub 服务

虽然都跟 Git 有关，但关注层级完全不同：

CLI -> Repository（仓库） MCP -> Collaboration（协作平台）

这也是为什么现在很多 Agent 架构里会同时保留：

Git CLI + GitHub MCP

因为它们不是重复，而是互补。一个负责“改代码”，一个负责“理解团队正在干什么”。