夜雨聆风2024年底，Anthropic推出模型上下文协议（MCP）时，整个开发者社区都为之沸腾。但在 OpenClaw 的最新演进中，"CLI + Skills"的组合正在慢慢代替 MCP，成为项目的核心战斗力。
什么是 MCP？
MCP（模型上下文协议）是一个开放的标准协议，它规定了 AI 模型与外部数据源和工具的连接标准。
它就像 AI 世界的"USB-C 接口"——通过标准化的客户端-服务器架构，让 AI 模型能够以统一方式发现、调用外部工具和数据资源，彻底解决了 AI 智能体与外部系统交互时的碎片化集成难题。
Agent 与 MCP 的关系
MCP 的核心价值：一次适配，全网通用——AI 无需为每个外部工具单独开发接口。
MCP 的致命短板：上下文通胀问题
MCP 的工作模式，是将所有工具的名称、参数定义、功能描述等元数据，一股脑地塞进大模型的上下文窗口中。
MCP的几个问题：
回归 CLI
从 OpenClaw 这类主流 Agent 框架的最新迭代能看出，MCP 的核心地位已经在弱化，很多工作流已经转向 “Skills + CLI” 组合。
为什么 CLI 更适合 AI Agent？
1. AI 已天然掌握 CLI
在不断学习训练中，AI 大模型已经掌握了对 grep、curl、sed、git 等经典命令行工具的理解。给 AI 一个带有 --help 文档的 CLI 工具，它就能像一位经验丰富的工程师，迅速掌握其用法。
2. 零预加载，按需调用
CLI 工具无需预加载任何元数据到上下文窗口，完全按需调用，极大地节省了 Token 消耗，提升了执行效率。
Agent 与 CLI 的关系
MCP vs CLI 对比
OpenClaw 与 MCP 的"新关系"
从 OpenClaw 等主流智能体框架的最新演进可见，MCP 的核心地位已显著弱化，大量实际工作流已全面转向 “Skills + CLI” 组合。
AI Agent 演进路径
两者的最终定位
结语
MCP 解决了工具连接的标准化问题，而 CLI + Skills 则攻克了执行效率的难题。
OpenClaw 的这次转向，印证了一个道理：在 AI 领域，效率为王。
AI Agent 的发展正从"如何连接工具"迈向"如何高效使用工具"的新阶段——而那条"更难"的路，往往才是更对的路。
