為什麼是 CLI 而不是 MCP？

學完你能做什麼

本課幫你理解：

• ✅ 了解 MCP 和技能系統的定位差異
• ✅ 理解為什麼 CLI 更適合技能載入
• ✅ 掌握 OpenSkills 的設計哲學
• ✅ 理解技能系統的技術原理

你現在的困境

你可能會想：

• "為什麼不用更先進的 MCP 協定？"
• "CLI 方式是不是太老舊了？"
• "MCP 不是更符合 AI 時代的設計嗎？"

本課幫你理解這些設計決策背後的技術考量。

---

核心問題：技能是什麼？

在討論 CLI vs MCP 之前，先理解「技能」的本質。

技能的本質

技能的定義

技能是靜態指令 + 資源的組合，包括：

• SKILL.md：詳細的操作指南和提示詞
• references/：參考文件
• scripts/：可執行腳本
• assets/：圖片、範本等資源

技能不是動態服務、即時 API 或需要伺服器運行的工具。

Anthropic 的官方設計

Anthropic 的技能系統本身就是基於檔案系統設計的：

• 技能以 SKILL.md 檔案形式存在
• 透過 <available_skills> XML 區塊描述可用技能
• AI 代理按需求取檔案內容到上下文

這決定了技能系統的技術選型必須與檔案系統相容。

---

MCP vs OpenSkills：定位對比

對比維度	MCP（Model Context Protocol）	OpenSkills（CLI）
適用場景	動態工具、即時 API 呼叫	靜態指令、文件、腳本
運行要求	需要 MCP 伺服器	無需伺服器（純檔案）
代理支援	僅支援 MCP 的代理	所有能讀 AGENTS.md 的代理
複雜度	需要伺服器部署和維護	零配置，開箱即用
資料來源	即時從伺服器取得	從本地檔案系統讀取
網路依賴	需要	不需要
技能載入	透過協定呼叫	透過檔案讀取

---

為什麼 CLI 更適合技能系統？

1. 技能就是檔案

MCP 需要伺服器：需要部署 MCP 伺服器，處理請求、回應、協定握手...

CLI 只需檔案：

# 技能儲存在檔案系統中
.claude/skills/pdf/
├── SKILL.md              # 主指令檔案
├── references/           # 參考文件
│   └── pdf-format-spec.md
├── scripts/             # 可執行腳本
│   └── extract-pdf.py
└── assets/              # 資源檔案
    └── pdf-icon.png

優勢：

• ✅ 零配置，無需伺服器
• ✅ 技能可以被版本控制
• ✅ 離線可用
• ✅ 部署簡單

2. 通用性：所有代理都能用

MCP 的限制：

只有支援 MCP 協定的代理才能使用。如果 Cursor、Windsurf、Aider 等代理各自實作 MCP，會帶來：

• 重複開發工作
• 協定相容性問題
• 版本同步困難

CLI 的優勢：

任何能執行 shell 指令的代理都能用：

# Claude Code 呼叫
npx openskills read pdf

# Cursor 呼叫
npx openskills read pdf

# Windsurf 呼叫
npx openskills read pdf

零整合成本：只需要代理能執行 shell 指令即可。

3. 符合官方設計

Anthropic 的技能系統本身就是檔案系統設計，不是 MCP 設計：

<!-- AGENTS.md 中的技能描述 -->
<available_skills>
<skill>
<name>pdf</name>
<description>Comprehensive PDF manipulation toolkit...</description>
<location>project</location>
</skill>
</available_skills>

呼叫方式：

# 官方設計的呼叫方式
npx openskills read pdf

OpenSkills 完全遵循 Anthropic 的官方設計，保持了相容性。

4. 漸進式載入（Progressive Disclosure）

技能系統的核心優勢：按需載入，保持上下文精簡。

CLI 的實作：

# 只在需要時才載入技能內容
npx openskills read pdf
# 輸出：SKILL.md 的完整內容到標準輸出

MCP 的挑戰：

如果用 MCP 實作，需要：

• 伺服器管理技能列表
• 實作按需載入邏輯
• 處理上下文管理

而 CLI 方式天然支援漸進式載入。

---

MCP 的適用場景

MCP 解決的問題與技能系統不同：

MCP 解決的問題	範例
即時 API 呼叫	呼叫 OpenAI API、資料庫查詢
動態工具	計算器、資料轉換服務
遠端服務整合	Git 操作、CI/CD 系統
狀態管理	需要維護伺服器狀態的工具

這些場景需要伺服器和協定，MCP 是正確的選擇。

---

技能系統 vs MCP：不是競爭關係

核心觀點：MCP 和技能系統解決不同問題，不是非此即彼。

技能系統的定位

[靜態指令] → [SKILL.md] → [檔案系統] → [CLI 載入]

適用場景：

• 操作指南和最佳實踐
• 文件和參考資料
• 靜態腳本和範本
• 需要版本控制的配置

MCP 的定位

[動態工具] → [MCP 伺服器] → [協定呼叫] → [即時回應]

適用場景：

• 即時 API 呼叫
• 資料庫查詢
• 需要狀態的遠端服務
• 複雜的計算和轉換

互補關係

OpenSkills 不排斥 MCP，而是專注於技能載入：

AI 代理
  ├─ 技能系統（OpenSkills CLI）→ 載入靜態指令
  └─ MCP 工具 → 呼叫動態服務

它們是互補的，不是替代的。

---

實際案例：什麼時候用哪個？

案例 1：呼叫 Git 操作

❌ 不適合技能系統：

• Git 操作是動態的，需要即時互動
• 依賴 Git 伺服器狀態

✅ 適合 MCP：

# 透過 MCP 工具呼叫
git:checkout(branch="main")

案例 2：PDF 處理指南

❌ 不適合 MCP：

• 操作指南是靜態的
• 不需要伺服器運行

✅ 適合技能系統：

# 透過 CLI 載入
npx openskills read pdf
# 輸出：詳細的 PDF 處理步驟和最佳實踐

案例 3：資料庫查詢

❌ 不適合技能系統：

• 需要連接資料庫
• 結果是動態的

✅ 適合 MCP：

# 透過 MCP 工具呼叫
database:query(sql="SELECT * FROM users")

案例 4：程式碼審查規範

❌ 不適合 MCP：

• 審查規範是靜態文件
• 需要版本控制

✅ 適合技能系統：

# 透過 CLI 載入
npx openskills read code-review
# 輸出：詳細的程式碼審查清單和範例

---

未來：MCP 和技能系統的融合

可能的演進方向

MCP + 技能系統：

# 技能中引用 MCP 工具
npx openskills read pdf-tool

# SKILL.md 內容
本技能需要使用 MCP 工具：

1. 使用 mcp:pdf-extract 提取文字
2. 使用 mcp:pdf-parse 解析結構
3. 使用本技能提供的腳本處理結果

優勢：

• 技能提供高級指令和最佳實踐
• MCP 提供底層動態工具
• 两者結合，功能更強大

當前階段

OpenSkills 選擇 CLI 是因為：

1. 技能系統已經是成熟的檔案系統設計
2. CLI 方式實作簡單、通用性強
3. 無需等待各個代理實作 MCP 支援

---

本課小結

OpenSkills 選擇 CLI 而非 MCP 的核心理由：

核心原因

• ✅ 技能是靜態檔案：無需伺服器，檔案系統儲存
• ✅ 通用性更強：所有代理都能用，不依賴 MCP 協定
• ✅ 符合官方設計：Anthropic 技能系統本身就是檔案系統設計
• ✅ 零配置部署：無需伺服器，開箱即用

MCP vs 技能系統

MCP	技能系統（CLI）
動態工具	靜態指令
需要伺服器	純檔案系統
即時 API	文件和腳本
需要協定支援	零整合成本

不是競爭，是互補

• MCP 解決動態工具問題
• 技能系統解決靜態指令問題
• 兩者可以結合使用

---

相關閱讀

• 什麼是 OpenSkills？
• 指令詳解
• 建立自訂技能

---

附錄：原始碼參考

點擊展開查看原始碼位置

更新時間：2026-01-24

功能	檔案路徑	行號
CLI 入口	src/cli.ts	39-80
讀取指令	src/commands/read.ts	1-50
AGENTS.md 生成	src/utils/agents-md.ts	23-93

關鍵設計決策：

• CLI 方式：透過 npx openskills read <name> 載入技能
• 檔案系統儲存：技能儲存在 .claude/skills/ 或 .agent/skills/
• 通用相容性：輸出與 Claude Code 完全一致的 XML 格式