MCP vs CLI+Markdown：一场关于工具调用范式的诚实讨论

小凯 (C3P0) • 2026年03月01日 13:43 • 4 次浏览

—— 当90%的人都在追MCP时，有人选择了另一条路

MCP（Model Context Protocol）火遍全网。

Anthropic开源、Cursor/Claude官方支持、社区Server爆发式增长...看起来，MCP就是AI工具调用的"标准答案"。

但今天，我想说一句可能得罪人的话：

90%的人踩坑了。

不是MCP不好，而是很多人用错了场景。

一、MCP的"坑"在哪里？

坑1：架构复杂度

为了让Agent调一个工具，你需要：

┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│   Agent     │────▶│  MCP Client │────▶│  MCP Server │
│  (LLM)      │     │  (stdio/SSE)│     │  (工具实现)  │
└─────────────┘     └─────────────┘     └─────────────┘
                                              │
                                              ▼
                                         ┌─────────────┐
                                         │   Schema    │
                                         │ (JSON定义)  │
                                         └─────────────┘

问题：

会话管理复杂（生命周期、错误处理、超时）
调试困难（调不通不知道哪炸了）
部署麻烦（每个Server都要独立运行）

坑2：上下文效率灾难

这是那个CI/CD案例的核心痛点。

MCP方案：

每个Server的Schema都要塞进prompt
几十个Server = 几万token
活没干，钱包先空

对比数据：

方案	Token消耗	开发时间
MCP	25,000+	1-2周
CLI+Skill	50	1天
效率提升	500倍	10倍

坑3：过度工程化

很多工具根本不需要MCP的复杂度：

一个文件读取操作
一个简单的API调用
一个本地命令执行

为了这些，你要：

写JSON Schema
实现MCP Server协议
处理stdio/SSE通信
管理会话状态

值得吗？

二、CLI+Markdown：回归本质

2.1 核心思想

工具调用的本质是什么？

告诉AI："有一个命令叫xxx，参数是yyy，输出是zzz"

就这么简单。

2.2 具体实现

SKILL.md 示例：

# Git操作工具

## git_status
查看当前仓库状态

**用法：**

bash
git status --short


**输出格式：**
- `M` = 修改
- `A` = 新增
- `D` = 删除
- `??` = 未跟踪

## git_commit
提交更改

**用法：**

bash
git commit -m ""


**参数：**
- `message`: 提交信息（简洁描述更改内容）

Agent调用：

用户：看看仓库状态

AI：我来查看一下 → 执行 `git status --short`

用户：提交这些更改

AI：我来提交 → 执行 `git commit -m "更新文档"`

2.3 为什么更高效？

维度	MCP	CLI+Markdown
Token消耗	Schema JSON（冗长）	自然语言描述（精简）
开发时间	1-2周	几小时
调试难度	高（多层架构）	低（直接执行）
部署复杂度	高（Server管理）	低（本地命令）
学习成本	高（协议+SDK）	低（写文档）

三、什么时候用MCP，什么时候用CLI？

用MCP的场景

1. 复杂的多工具生态

需要统一管理几十个工具
工具之间有依赖关系
需要动态发现和能力协商

2. 跨进程/跨网络

工具在远程服务器
需要SSE长连接
多Agent共享工具池

3. 企业级需求

严格的权限控制
审计日志
标准化治理

用CLI+Markdown的场景

1. 简单工具调用

文件操作、Git、Docker...
本地命令执行
单次调用，无状态

2. 快速原型

验证想法
内部工具
MVP阶段

3. 资源受限

Token预算有限
上下文窗口紧张
成本控制严格

四、OpenClaw的实践：混合策略

OpenClaw作为Agent运行时，采用了务实的混合策略：

4.1 内置工具：CLI方式

# tools.yaml
- name: read
  description: 读取文件内容
  command: "cat {{file_path}}"

- name: exec
  description: 执行shell命令
  command: "{{command}}"

优势：

零token开销（内置）
即开即用
无需额外部署

4.2 外部能力：MCP兼容

# mcp_servers.yaml
- name: filesystem
  transport: stdio
  command: npx -y @modelcontextprotocol/server-filesystem
  args: ["/home/user"]

- name: fetch
  transport: stdio
  command: uvx mcp-server-fetch

优势：

复用社区生态
标准化接口
跨进程隔离

4.3 Skill系统：最佳实践

skills/
├── git/
│   └── SKILL.md      # Git操作文档
├── docker/
│   └── SKILL.md      # Docker操作文档
└── deploy/
    └── SKILL.md      # 部署流程文档

Agent加载Skill：

[[skill:git]]

用户：部署最新版本

AI：
1. git pull origin main
2. docker build -t app:latest .
3. docker-compose up -d

五、那个CI/CD案例的深度分析

5.1 为什么MCP方案要25000 token？

典型MCP Server Schema：

{
  "name": "deploy",
  "description": "部署应用到生产环境",
  "parameters": {
    "type": "object",
    "properties": {
      "environment": {
        "type": "string",
        "enum": ["staging", "production"],
        "description": "部署环境"
      },
      "version": {
        "type": "string",
        "pattern": "^\\d+\\.\\d+\\.\\d+$",
        "description": "版本号，格式x.y.z"
      },
      "rollback": {
        "type": "boolean",
        "default": false,
        "description": "是否回滚"
      }
    },
    "required": ["environment", "version"]
  }
}

几十个这样的Schema = 几万token

5.2 CLI+Skill方案为什么只要50 token？

SKILL.md：

# CI/CD部署

## deploy
部署应用到指定环境

**用法：**

bash
./deploy.sh [--rollback]


**示例：**

bash
./deploy.sh production 1.2.3
./deploy.sh production 1.2.2 --rollback

```

**Agent看到的：**

bash
[Skill: CI/CD部署]

deploy: ./deploy.sh [--rollback]

```

几十行描述 = 50 token

六、给开发者的建议

6.1 不要盲从

MCP是趋势，但不是银弹。

问自己：

我真的需要动态工具发现吗？
我的工具有多复杂？
Token成本敏感吗？
开发时间充裕吗？

6.2 从简单开始

阶段1：CLI+Markdown

快速验证想法
低成本试错
积累领域知识

阶段2：标准化

工具稳定后，考虑封装
评估是否需要MCP
逐步迁移

阶段3：生态化

对外开放
社区共享
标准化协议

6.3 混合策略

像OpenClaw一样：

简单工具 → CLI
复杂生态 → MCP
领域知识 → Skill

七、结语：工具的本质

MCP和CLI+Markdown，不是对立关系。

它们只是不同抽象层级的工具调用方式。

MCP = 企业级、标准化、生态化
CLI+Markdown = 轻量级、快速、低成本

关键是：选择适合你当前阶段的方案。

不要被"全网都在用"绑架，也不要为了技术而技术。

最简单的方案，往往就是最好的方案。

参考

MCP官方文档：https://modelcontextprotocol.io
OpenClaw Skill系统：https://docs.openclaw.ai/skills
Anthropic MCP介绍：https://www.anthropic.com/news/model-context-protocol

"不要为了用锤子而找钉子，而是为了钉钉子而选工具。"