怎样用 REST API 和 Anthropic Skill 构建 CLI 工具
你已经有 REST API, 想让 LLM 帮内部团队跑日常工作。最便宜可行的方式不是 MCP server, 是 CLI + Anthropic Skill 组合。1 个工程师 1 周 ship。
§0. 30 秒 mental model
关键洞察: CLI 已经存在,LLM 已经在训练数据里见过 millions 次 — 你只需要补几百 token 的"本公司特殊用法"教学, LLM 就能 ship。
§1. Token economics — 为什么 CLI 完胜个人 dev 场景
→ 个人 dev 写代码, LLM 帮忙调 git/GitHub/AWS CLI, CLI 完胜。这是为什么 Anthropic 自己出了 Skills (本质是 "告诉 LLM 怎么用 CLI" 的 800-token markdown 文件)。
§2. 业界 mature SaaS 都走 "REST API + CLI" 三层
→ 未来 mature SaaS 路径:
§3. 实战 — 1 周写一个 CLI on top of REST API
假设你已经有 internal REST API (https://api.yourco.com/v1/...), 现在 1 周建一个 yourco CLI。
Step 1 — 选 CLI framework (按团队栈, 不存在"哪个更好")
→ 选你团队已有栈, 不要为 CLI 单独引一门语言。Go / Rust 在 CLI 领域占主导 (gh / kubectl / terraform 都是 Go), 但任何语言都能 ship CLI。
Step 2 — 写 CLI (1 天, 跨语言通用 pattern)
核心 5 个 pattern (任何语言都一样):
- 定义 N 个 command (e.g.
menu,sales,reviews,customer) — 用 framework 的 command 装饰器 / decorator / annotation - 每个 command 接受 args + 调内部 REST API (用上表的 HTTP client lib)
- 用 env var 装 auth token (e.g.
YOURCO_TOKEN), 不要 hardcode - 返回 JSON to stdout (方便 pipe to
jq解析 / LLM 读) - 错误时退出码 ≠ 0 + stderr 写错误信息
Pseudo-code (语言无关):
→ 具体 code 例子见对应 framework 官方 docs (Typer / oclif / Cobra / picocli / System.CommandLine 都有 1 页 quickstart)。1 周写完这种 5-command CLI 跟语言选择无关。
打包: 用上表"单 binary 打包"工具, 让用户 brew install yourco/tap/yourco 或下载就能用, 不需要装语言 runtime。
Step 3 — 写 Anthropic Skill (1 天, ~800 tokens)
~/.claude/skills/yourco/SKILL.md:
Step 4 — 团队 onboard (1 天)
- 把
yourcobinary 放进团队的brew tap yourco/tap - 把
~/.claude/skills/yourco/加进 Claude Code project skill folder - 写一封 "Hi team, this is how you use yourco CLI with Claude Desktop / Claude Code" 邮件
- 团队成员
brew install yourco/tap/yourco+ cp skill folder → ship
Step 5 — 用起来什么样?
PM 在 Claude Desktop 问:
"Location X 法拉盛店上周卖得最好的菜是什么? 看看 review 里有没有差评?"
Claude 自动执行:
Token 成本: SKILL.md 800 tokens load + 每次 CLI 调用返回 JSON (~500-2000 tokens) + LLM 思考 — total ~5K-10K tokens per task。
vs MCP server 同样的 task: ~50K-100K tokens (因为 MCP server schema 一次 load 几万 tokens)。
Reliability: CLI 是稳定接口 (你自己写的代码), 100%。MCP server 经常 protocol mismatch / connection drop, 实测 72%。
§4. 现成 CLI 工程团队可以今天就用 (0 backend 改动)
不需要等你内部 REST API + 自家 CLI ship, 工程团队今天就能用 Claude Code + 现成成熟 CLI:
写几个 Anthropic Skill 教 Claude 怎么用这些 CLI 在公司 specific scenario 下 (例: "怎么查 xpress-service 的 ECS task 日志") — 工程团队效率立刻 2-3x。成本: PM 1 周写完, 工程团队 0 backend 改动。
§5. 跟其他几个概念的关系
Token cost 排序: CLI < Skills < Function Calling < MCP。所以个人/小团队 default CLI, enterprise multi-tenant default MCP, 中间地带 Skills。
§6. 实战 checklist — 你 SaaS 从 0 到 1 上 CLI
Cost: 1 Backend dev × 1 周 ($5-10K all-in) + 0 ongoing license fee。
Compare: 自建 MCP server MVP $25K-50K (5-10 周), production multi-tenant $60K-150K (3-6 月)。
→ 结论: 你 SaaS 应该先有 CLI + Skills, 12 个月后客户开始问"能不能在 ChatGPT 接你 SaaS"才考虑 MCP server。
§7. Sources
- Anthropic Skills 官方 repo
- Anthropic Skills API docs
- Anthropic Skills + CLI 完整 guide
- Skills vs MCP Token Efficiency
- Simon Willison: Skills > MCP (referenced in Arize blog)
- Typer Python CLI framework
- Cobra Go CLI framework
- oclif Node CLI framework
- Related: mcp-vs-cli-vs-skills-2026.md — when to choose which