OpenClaw 作者：CLI 才是 AI 连接世界的终极接口

先给你看一组数字：

• 2 天
• 10 万+ Star
• 700+ 技能插件
• 5 分钟部署

这是 OpenClaw 在 GitHub 上创造的成绩。

如果你还不知道 OpenClaw，它是一个本地化 AI 助手平台，前身是火遍全网的 Moltbot/Clawdbot。它可以在你的电脑上运行，支持 Telegram、飞书、WhatsApp 等多个平台，拥有 700+ 技能插件生态。

但最让人震惊的不是这些数字。

而是它的作者 Peter Steinberger 提出的一个极其”复古”的观点：

“忘掉 MCP，CLI 才是 AI 连接世界的终极接口。”

在 2025 年上半年，整个 AI 圈还在疯狂追逐 MCP（Model Context Protocol），试图为智能体定义标准化的 Schema 和 JSON-RPC 服务。

而 OpenClaw 用一种极其简单的方式给所有人上了一课：

要让 AI 获得一项新能力？写个 CLI 就行了。

这个观点为什么如此激进？又为什么如此有说服力？

让我们一探究竟。

Peter Steinberger 在开发 OpenClaw 时，发现了一个有趣的现象：

智能体拿到一个新工具时，会自发运行 。

然后，奇迹发生了——

仅仅通过阅读这份帮助文档，AI 就在那一秒钟内学会了如何操作这个工具。不需要复杂的配置，不需要手动编写 Schema，甚至连代码都不用看。

这让他意识到一件事：

CLI 对 AI 来说，比 GUI 对人类更友好。

为什么？

因为 CLI 的 输出，本质上就是一份零噪音、高密度、且包含示例的 Prompt。

• 每个参数的用途清晰明确
• 有完整的使用示例（Few-shot learning）
• 结构化的选项说明

这简直就是为 LLM 量身定制的”使用说明书”。

而在 GUI 进化了 40 年后，CLI 是否正在因为 AI 而迎来一场”文艺复兴”？

图 1：CLI vs GUI openclaw 对比 – 左侧是复杂的 GUI 界面，右侧是清晰的 CLI 终端，AI 能直接理解 CLI 的帮助文档。

人类觉得 CLI 难用，因为我们记不住参数。

但对 AI 来说，这不是问题。

当你给智能体一个新工具，它会：

1. 运行
2. 阅读输出的文档
3. 理解每个参数的作用
4. 立即学会使用

零配置，零预训练，零人工对齐。

在 AI 时代，写好 文档，比写好 UI 界面更重要。

Unix 哲学的核心是：只做一件事，并把它做好。

通过管道（Pipe）进行组合，这正好与智能体的思维链（Chain of Thought）逻辑高度契合。

来看一个真实场景：

用户指令： “分析最近一周的错误日志并推送到飞书。”

智能体决策：

图 2：Unix 管道组合 – 通过管道连接三个命令，实现复杂的数据处理流程。

智能体不需要你编写复杂的集成逻辑。

它只需要像玩积木一样，通过编排原子化的 CLI 工具，就能实现复杂的自动化目标。

这就是涌现能力的来源。

在 MCP 模式下，要给 AI 增加一个新能力，你需要：

1. 定义 JSON Schema
2. 实现 JSON-RPC 服务
3. 编写 Prompt 模板
4. 对接协议版本

而在 OpenClaw 的 CLI 模式下：

写一个命令行工具就行了。

• 想控制智能家居？写个 CLI。
• 想管理 WhatsApp 消息？写个 CLI。
• 想操作云服务器？写个 CLI。

奥卡姆剃刀原则的胜利：如无必要，勿增实体。

你可能会问：

“既然 CLI 这么强大，那 MCP 还有存在的价值吗？”

答案是：当然有。

它们不是替代关系，而是分工关系。

✅ 快速打通物理世界

比如你想让 AI 控制一个没有 API 的智能台灯或老旧软件。

✅ 本地极速自动化

只有你一个人用，追求极致的开发效率，不在乎严格的 Schema。

✅ 原则： “写个脚本就能搞定的事，别去写 Server。”

✅ 能力标准化

你的工具需要提供给整个团队、在不同的编辑器或平台间共享。

✅ 安全治理

必须严格限制 AI 的动作边界，需要通过中间件进行审计和拦截。

• CLI 的风险：赋予 AI Shell 权限意味着你把”核武器”交给了它
• MCP 的护城河：代理架构，精细权限控制

✅ 复杂资源抽象

MCP 引入了”资源（Resources）“概念：

• 不仅能执行动作
• 还能将数据库表、日志流、设备状态抽象为 URI
• 甚至提供”动态提示词模板”，告诉 AI “针对这组数据，你应该关注哪些风险点”

既然 CLI 这么重要，作为开发者，我们该如何为 AI 构建命令行工具？

答案是：AI-Native Design（AI 原生设计）。

以前写 Help 是给人看的，现在是给 AI 看的。

✅ 多写 Examples

AI 最擅长模仿。多给几个 Example，AI 出错率会直线下降。

✅ 清晰的描述

明确每个参数的意图，特别是那些有副作用的操作（如 、）。

除了给人看的文本输出，务必支持 参数。

让工具直接输出 JSON，方便 Agent 进行后续的解析和逻辑判断。

尽量支持非交互模式（Non-interactive）。

❌ 不好：

✅ 好：

不要让 CLI 弹出确认提示并傻等。提供 或 参数，让 Agent 能流畅执行。

OpenClaw 的成功，是“简单优先”的胜利。

它提醒我们：不要过度工程化。如果一个简单的 CLI 就能连接世界，就不要去折腾复杂的协议。

但 MCP 的价值，在于它为智能体建立了一套可治理的”契约”。

未来的终极形态可能是：

• CLI 作为智能体的”肌肉” 负责执行敏捷的本地动作
• MCP 作为智能体的”神经系统” 负责连接并治理复杂的分布式资源

2025 年上半年，整个行业都在追逐 MCP，试图为智能体定义标准化的协议。

而 OpenClaw 用一种极其”复古”的方式给所有人上了一课：

有时候，最简单的方案，就是最优雅的方案。

CLI 之所以强大，不是因为它是新技术，而是因为它：

1. 自描述： 就是完美的文档
2. 可组合：Unix 管道天然契合思维链
3. 低摩擦：写个脚本就能扩展能力

在 GUI 进化了 40 年后，CLI 是否正在因为 AI 而迎来一场”文艺复兴”？

答案或许已经不重要了。

重要的是：下次你想给 AI 增加一项新能力时，先尝试写一个支持 的 CLI。

如果它开始变得复杂、需要被多人复用，再考虑将其封装为标准的 MCP Server。

工具是肌肉，协议是神经。

简单，才是终极的复杂。

作者注： 本文基于 OpenClaw 作者 Peter Steinberger 的技术观点整理，结合 AI Agent 开发实践撰写。如果你对 OpenClaw 感兴趣，可以访问其 GitHub 仓库了解更多。