MCP 泡沫破裂：为什么 2026 年的顶尖开发者重返 CLI？
Marco Franzon约 6 分钟高可用架构导读：今天文章来自 Marco Franzon，他主张为 AI agent 构建 CLI 工具，而非复杂的 MCP 集成，因为 agent 擅长 Unix 管道操作，能实现简单高效的工具链。文章强调 2026 年 AI 开发趋势：CLI 的通用性和轻量级（如stdout管道）优于过度工程化的协议，社区中开发者也大量认同此观点以避免复杂性。
Marco Franzon (@mfranz_on) 来自 eXact-lab，专注于计算机视觉（Computer Vision）、边缘设备 AI（Physical AI / Edge AI）和高性能计算。他同时担任 Dualistic 的联合创始人兼 CTO，这是一家 2023 年成立的初创公司；还是 Docker Captain 社区成员。他热衷 ESP32 项目、AI 代理工具链与 Unix 哲学，经常在 X 上分享对 AI 编码代理、边缘计算和简洁工程实践的深度见解，是 AI 与嵌入式开发者社区中活跃的技术分享者。
MCP 的热潮已经退去
曾经被视为 Agent 工具化未来、旨在为 AI Agent 提供标准化且结构化工具服务器的 MCP（Model Context Protocol），事实证明对于大多数实际编程工作来说过于繁重了。
到了 2026 年，那些交付速度最快、代码最干净的开发者们又回到了原点：终端 (Terminal)。
他们给予 Agent 直接的 Shell 访问权限，并让它们使用已经存在了数十年的工具：bash, git, rg, grep, npm, docker, curl, jq, tail。
没有自定义服务器，没有浪费上下文窗口的大规模 Schema 描述。只有强大的推理模型 + bash/zsh。突然间，“Agent 编程”真正变得像魔法一样神奇。
为什么 MCP 在日常开发中失去了光泽
对于典型的开发工作流，MCP 往往增加的是阻力而非助力：
- Token 开销： 冗长的工具目录和 Schema 消耗了宝贵的上下文资源。
- 重复造轮子： 自定义 MCP 服务器经常只是在重复官方 CLI 已经做得更好、更可靠的功能。
- 组合性差： 你失去了 Unix 数十年前就已完善的自然管道（Piping）、链式调用和即兴处理能力。
- 模型对齐： 前沿模型（Claude、GPT 变体、Gemini）都针对 Shell 使用进行了大量训练。它们对参数（Flags）、管道、错误信息和 Man 手册风格的文档理解得异常透彻。
最理想的状态其实很简单：将 Agent 放入你的项目目录，授予 Shell 执行权限（带安全防护），并描述任务。Agent 计划、运行命令、编辑文件、执行测试、提交代码、调试，并在紧密循环中不断迭代。
MCP 在高度结构化的企业级集成中仍有价值——例如受监管环境中的类型安全 SaaS API。但对于 80–90% 的日常工作流来说，它只是干扰。
领先的 CLI 原生编程 Agent
- Claude Code (Anthropic)在大型或复杂代码库的深度推理方面仍处于领先地位。非常适合架构讨论、细致的重构以及带有详尽解释的多文件更改。原生终端工作流，支持文件编辑、Shell 访问和 Git 集成。按使用量计费，但在解决难题时物有所值。
- Codex CLI (OpenAI)轻量、快速，可直接访问强大的 OpenAI 模型。擅长生成、测试和快速迭代。开源根基使其易于微调或在本地运行。
- Gemini CLI (Google)拥有免费层级和强大的多模态能力。在快速原型设计、UI 任务和大型项目方面表现出色。终端优先，具有简洁的 ReAct 风格循环。开源且对隐私友好。
- OpenCode具备多模型灵活性（支持 75+ 供应商）、LSP 集成，并高度关注隐私。许多开发者称其为目前生产力最高的终端 Agent。社区增长迅速。
CLI 碾压 MCP 配置的典型场景
1. Monorepo 全局重构
Agent 从以下命令开始：
rg "oldDeprecatedFunction" .
它计划跨文件的针对性编辑，应用更改，通过 git diff 进行审查，运行 npm test 或 cargo test，然后提交：refactor: remove deprecated API calls无需 GitHub MCP 服务器，没有臃肿的上下文。只有 rg、git 和测试运行器。
2. 生产环境 Bug 的全栈调试
指令： “在预发布环境中复现认证失败问题。” Agent 运行：
git pull
npm install
npm run dev
tail -f logs/server.log | grep error
curl -v api/auth/check
docker-compose up -d db redis
npm test -- --grep auth
它通过编辑文件、重新运行测试和探测端点进行迭代。无需 Docker MCP，无需日志 MCP。只需精通 Shell。
3. 构建新微服务的脚手架
指令： "使用 Axum + sqlx 为用户资料构建一个带有 Postgres 的 Rust API。"（@FrancescoCiull4 this is for you XD） Agent 执行：
cargo new --bin user-service
cargo add axum sqlx --features postgres
cargo watch -x run
curl localhost:3000/health
沿途自动提交。无需 Rust MCP，无需数据库 MCP。现有的工具链已经足够。
4. 修复不稳定的 CI/CD
Agent 克隆仓库，使用 act 在本地运行工作流，发现失败点，编辑 .github/workflows/ci.yml 或 Dockerfile，使用 docker build 进行验证，推送分支，并使用 gh 开启 PR。全是标准的 CLI 工具。无需定制的 CI 集成层。
开发者不断反馈的模式
倾向于 CLI 原生 Agent 的团队一致报告了：
- 更高的交付速度
- 更少的 Token 异常消耗
- 更透明的 Agent 行为
- 更容易调试 Agent 的操作
最近流传的观点：
“别再搞集成了。去写 CLI。”
“Bash 才是终极 MCP。”
“Agent 是在 Unix 管道上训练出来的——它们对此极其擅长。”
“CLI 就是你所需的一切。其他都是繁文缛节。”
终端始终是通用的开发环境
在 2026 年，它也是 AI 编程 Agent 最强大的接口。 除非你深陷于封闭的企业级专有工具，否则请跳过沉重的 MCP 栈。
cd进入你的项目。- 启动你最喜欢的 CLI Agent。
- 给予它 Shell 访问权限。
- 描述任务。
- 然后看它大显身手。
💡 高可用架构解读：技术直觉的胜利
这篇文章的核心逻辑在于：与其为 AI 建造精致的“笼子”（MCP），不如给它一套通用的“杠杆”（CLI）。
- 从“翻译官”到“原生民”： MCP 本质上是在 AI 和操作系统之间加了一层翻译，试图把万物转换成结构化的 JSON。但 AI 本身就是通过阅读大量的代码和 Unix 文档长大的。对于它来说，Shell 脚本不是冰冷的命令，而是它最擅长的“母语”。
- Unix 哲学的回归： “组合优于集成”。CLI 生态的精髓在于
管道 (|)。当 Agent 能够自由组合grep、awk和git时，它的解决问题空间是无限的；而当它受限于 MCP 时，它的能力上限取决于开发者写了多少个 Schema。 - 效率与成本的博弈： 在 2026 年，Context Window（上下文窗口）虽然更大了，但依然昂贵。减少无意义的协议冗余，将 Token 留给真正的推理，是追求生产力的必然选择。
📌 核心总结
| 维度 | MCP 模式 (重型集成) | CLI 原生模式 (简约直连) |
|---|---|---|
| 交互逻辑 | 预定义的 API 调用 | 自由的 Shell 指令组合 |
| 性能开销 | 高 (冗长的 Schema 消耗 Token) | 低 (简洁的命令与流式输出) |
| 灵活度 | 受限于服务器定义的功能 | 继承 Unix 几十年的工具链 |
| 适用场景 | 强监管、高标准的闭源企业环境 | 快速迭代、全栈开发、复杂调试 |
🚀 结语
正如文中所述，“Bash 才是终极的 MCP”。我们曾经担心 AI 无法掌控直接操作系统的权限，于是制造了大量的中间件；但现在我们发现，只要有合适的安全护栏（Safeguards），“把键盘交给 AI” 才是解锁生产力魔盒的真正咒语。
2026 年的编程不再是关于如何构建更复杂的工具协议，而是关于如何让 Agent 重新发现那台已经存在了半个世纪的、最强大的“打字机”。
原文：https://x.com/mfranz_on/status/2021364017147818434