三大廠同周開源CLI：MCP-Skill-CLI三層棧成型，Agent落地最后一公里打通了

想搭一個能自動處理飛書審批、同步釘釘日程、還能在企微群里發(fā)報表的AI Agent？以前你得對接三套SDK、處理三種鑒權(quán)、寫三遍業(yè)務(wù)邏輯。

現(xiàn)在，三大廠同時開源CLI，意味著MCP-Skill-CLI三層商用棧首次完整成型。今天拆解這套架構(gòu)，給你一個可復(fù)制的"AI自動化賺錢"路徑。

一、先搞清楚這三層到底是什么

┌─────────────────────────────────────────────┐
│            你的 AI Agent / 大模型            │
│         （Claude、GPT、本地模型等）           │
└─────────────────┬───────────────────────────┘
                  │ MCP 協(xié)議（標準通信層）
                  ▼
┌─────────────────────────────────────────────┐
│              Skill 插件層                    │
│   飛書Skill / 釘釘Skill / 企微Skill         │
│   （封裝業(yè)務(wù)能力：審批、日程、消息、文檔）     │
└─────────────────┬───────────────────────────┘
                  │ CLI 執(zhí)行層
                  ▼
┌─────────────────────────────────────────────┐
│          CLI（命令行工具）                    │
│   lark-cli / ding-cli / wecom-cli            │
│   （本地執(zhí)行、鑒權(quán)、日志、錯誤處理）          │
└─────────────────────────────────────────────┘

MCP（Model Context Protocol） 是Anthropic提出的開放協(xié)議，定義了大模型和外部工具之間的通信標準。你可以理解為"AI世界的USB接口"——模型不需要知道工具怎么實現(xiàn)，只需要按協(xié)議調(diào)用。

Skill 是業(yè)務(wù)能力的封裝。一個飛書Skill可能包含create_approval、send_message、query_calendar等原子操作。它是MCP協(xié)議的具體實現(xiàn)載體。

CLI 是這次開源的核心。它是執(zhí)行層——Skill定義了"能做什么"，CLI負責"怎么做"。鑒權(quán)、重試、日志、本地緩存，全部在CLI層處理。

三層分工清晰：MCP管通信，Skill管能力，CLI管執(zhí)行。

二、為什么CLI是關(guān)鍵拼圖？

之前MCP生態(tài)有個尷尬問題：協(xié)議定了，Skill也寫了，但實際跑起來還是得自己處理token刷新、網(wǎng)絡(luò)重試、日志追蹤這些臟活。

CLI開源解決了三個核心痛點：

1. 鑒權(quán)標準化

# 以前：每個平臺自己寫OAuth流程
# 現(xiàn)在：一條命令搞定
lark-cli auth login --app-id cli_xxx --app-secret xxx
ding-cli auth login --app-key xxx --app-secret xxx
wecom-cli auth login --corp-id xxx --agent-id xxx

CLI內(nèi)置了完整的OAuth2流程，token自動刷新，開發(fā)者不用再處理access_token過期這種經(jīng)典bug。

2. 調(diào)試可視化

# 實時查看Skill調(diào)用鏈路
lark-cli skill call create_approval \
  --params '{"title":"報銷","amount":5000}' \
  --verbose --trace-id abc123

每個Skill調(diào)用都有trace-id，出了問題直接定位，不用翻日志猜。

3. 本地沙箱

CLI支持--dry-run模式，Skill調(diào)用不會真正執(zhí)行，方便開發(fā)階段測試。

三、實戰(zhàn)案例：跨平臺數(shù)據(jù)流自動化，月省40小時

場景：某電商運營團隊，每天需要從釘釘審批流中提取采購數(shù)據(jù)→同步到飛書多維表格→在企微群發(fā)送當日匯總。

以前的做法：人工導(dǎo)出Excel，手動粘貼，每天花1.5小時，還經(jīng)常出錯。

用MCP-Skill-CLI棧改造后：

# main.py - 跨平臺數(shù)據(jù)流編排
import subprocess
import json
from datetime import datetime

def get_ding_approvals():
    """從釘釘獲取今日審批數(shù)據(jù)"""
    result = subprocess.run(
        ["ding-cli", "skill", "call", "query_approvals",
         "--params", json.dumps({
             "process_code": "PROC-采購審批",
             "start_time": datetime.now().strftime("%Y-%m-%d"),
             "status": "approved"
         }), "--output", "json"],
        capture_output=True, text=True
    )
    return json.loads(result.stdout)


![配圖](http://m.lvxe.net.cn/usr/uploads/covers/cover_mcp_20260707_201857.jpg)

def sync_to_lark(approvals):
    """同步到飛書多維表格"""
    records = []
    for item in approvals:
        records.append({
            "fields": {
                "采購單號": item["business_id"],
                "金額": item["amount"],
                "申請人": item["applicant"],
                "審批時間": item["approve_time"]
            }
        })
    
    subprocess.run(
        ["lark-cli", "skill", "call", "batch_create_records",
         "--params", json.dumps({
             "app_token": "bascnXXX",
             "table_id": "tblXXX",
             "records": records
         })]
    )
    return len(records)

def notify_wecom(count, total_amount):
    """企微群發(fā)送匯總"""
    subprocess.run(
        ["wecom-cli", "skill", "call", "send_text_message",
         "--params", json.dumps({
             "chat_id": "wrXXXXXXXX",
             "content": f"?? 今日采購審批匯總\n"
                       f"? 已審批單數(shù)：{count}\n"
                       f"?? 總金額：￥{total_amount:,.2f}\n"
                       f"? 數(shù)據(jù)已同步至飛書表格"
         })]
    )

if __name__ == "__main__":
    approvals = get_ding_approvals()
    count = sync_to_lark(approvals)
    total = sum(item["amount"] for item in approvals)
    notify_wecom(count, total)
    print(f"? 完成：{count}條記錄，￥{total:,.2f}")

部署步驟：

# 1. 安裝三個CLI
npm install -g @dingtalk/cli @lark/cli @wecom/cli

# 2. 分別登錄授權(quán)
ding-cli auth login --app-key xxx --app-secret xxx
lark-cli auth login --app-id xxx --app-secret xxx
wecom-cli auth login --corp-id xxx --agent-id xxx

# 3. 設(shè)置定時任務(wù)（每天18:00執(zhí)行）
# crontab -e
0 18 * * * /usr/bin/python3 /opt/automation/main.py >> /var/log/auto-sync.log 2>&1

效果：

四、商業(yè)化思路：把自動化能力打包賣

這個案例只是起點。基于MCP-Skill-CLI棧，你可以做三件事賺錢：

1. 賣自動化模板（最快變現(xiàn)）

把上面的跨平臺數(shù)據(jù)流封裝成一鍵部署模板，在龍蝦市場上架。定價99-299元/套，目標客戶是中小企業(yè)運營團隊。

2. 做垂直行業(yè)Agent（中期價值）

比如針對電商行業(yè)的"采購-庫存-財務(wù)"全鏈路Agent，接入更多Skill（ERP、財務(wù)系統(tǒng)），打包成SaaS服務(wù)，按月收費。

3. 提供定制開發(fā)服務(wù)（高客單價）

幫企業(yè)基于這套棧定制內(nèi)部自動化流程，單個項目報價5000-20000元。

下一步行動

1. 今天：去GitHub搜三大廠CLI倉庫，star并本地安裝，跑通auth login
2. 本周：挑一個你團隊的重復(fù)性工作（審批同步、報表匯總、消息通知），用上面的代碼模板搭一個最小可行版本
3. 本月：把你的自動化方案封裝成Skill模板，上架到龍蝦平臺，驗證市場需求

三層棧已經(jīng)成型，工具鏈已經(jīng)就位。現(xiàn)在缺的不是技術(shù)，是你動手的那一下。