【Agent工坊】mcp2cli：Token 暴降 99%，MCP 秒变 CLI

连接一个 93 工具的 GitHub MCP 服务器，光工具 Schema 就要吃掉 55,000 Token——Agent 还没干活，72% 的上下文预算就没了。mcp2cli 用一条命令把 MCP 服务器、REST API、GraphQL 端点全变成标准 CLI，让 Agent 只用一个 exec 工具就能调用一切。

▲

一、MCP 的"隐形税"：为什么你的 Agent 越来越贵

如果你在日常工作中使用 Claude Code、Codex CLI、Cursor 或 Hermes Agent 连接过 MCP（Model Context Protocol）服务器，你一定发现了一个规律：Agent 用得越久，Token 消耗涨得越快，但实际产出并没有等比增长。

根因藏在 MCP 协议的架构里。每次 Agent 发起新对话或转入新的"轮次"（turn），MCP 客户端会调用 tools/list 拉取服务器上所有注册工具的完整 JSON Schema。这些 Schema 被注入到 LLM 的上下文窗口中，成为系统提示的固定组成部分。

以 GitHub 官方 MCP 服务器为例：93 个工具，从 search_repositories 到 create_issue 到 merge_pull_request。每个工具的 Schema 包含名称、自然语言描述、参数名、参数类型、是否必填、默认值、枚举约束、嵌套对象结构。全部 93 个工具定义注入后，大约占用 55,000 Token。

55,000 Token 是你打开 Agent 的第一秒就花掉的——Agent 还没有调用任何工具，还没有执行任何操作。连接两个 MCP 服务器（GitHub + Slack）就是 98,000 Token，连接三个（加 Sentry）就是 143,000 Token。对于 200K 上下文窗口的模型，这意味着 72% 的预算在"加载工具箱"阶段就没了。

更致命的是，这个 55,000 Token 的开销不是一次性的。MCP 协议 2026-07-28 版本之前，tools/list 的 TTL（缓存有效期）没有强制要求。许多 MCP 服务器实现不会设置 ttlMs 字段，导致客户端每轮对话都重新拉取完整工具列表。即使服务器设置了缓存，各种 Agent 框架的实现也未必正确利用——有些框架为保证"最新工具列表"会强制每次刷新。

以一个 25 轮的多步自动化任务为例，工具 Schema 的实际浪费触目惊心：前三轮 Agent 在理解需求、搜索相关代码，每轮注入一次完整 Schema 就消耗 165,000 Token；中间五轮执行操作再花 275,000 Token；后面十五轮写测试和响应 Review 又吃掉 550,000 Token。二十五轮下来，光工具 Schema 就烧了近百万 Token，实际用于完成任务的不到三成。七成的费用花在了"让 Agent 知道它能用什么工具"这件事上。

这就是 mcp2cli 要解决的问题。

二、mcp2cli：把一切变成 CLI

mcp2cli 是一个纯 Python CLI 工具，由 CyberCorsairs（创作者 knowsuchagency）开发，GitHub 2,300+ Star，MIT 开源协议。

核心思路极其简单：不要每次对话都向 LLM 注入 93 个工具的完整 JSON Schema。把 API 变成标准 Unix CLI，让 Agent 用 --help 按需发现工具，用子命令调用。

传统 MCP 方式下，Agent 的上下文窗口被 93 个工具的 Schema 撑满——每个工具从 700 Token 到 1,200 Token 不等，全部加起来就是 55,000 Token。而 mcp2cli 方式下，Agent 的上下文里只有一个 200 Token 的 exec_command 工具。Agent 需要时才通过 --search、--list、--help 按需发现，每次调用只需几十到几百 Token。类比一下就是：传统方式等于每次出门都把整个工具箱背在身上，而 mcp2cli 是把工具箱放在车库，需要什么拿什么。

官方 Benchmark 数据展示了差距到底有多悬殊（以 120 工具 MCP 平台、25 轮对话为测试场景）：MCP 原生注入全部工具的 Schema 每轮约 15,000 Token，25 轮总计 375,000 Token；即使使用 Anthropic 推荐的 Tool Search 策略做搜索过滤，每轮也要 2,200 Token，25 轮 55,000 Token；而 mcp2cli 的 CLI 模式每轮仅需约 925 Token，25 轮总计只有 23,000 Token。相比原生 MCP 注入，mcp2cli 节省了 93.8% 的 Token，25 轮累计省下超过 35 万 Token。

这 35 万 Token 折算成钱，按 Claude Sonnet 的 API 定价（$3/百万输入 Token），一个 25 轮的任务就能省下约 $1.05。一天跑 10 个任务就是 $10，一个月就是 $300。如果用的是 GPT-5.6 Pro（定价更高），节省的金额还要翻倍。

mcp2cli 支持四类后端，覆盖了 AI Agent 需要调用的几乎所有 API 形式：MCP HTTP/SSE 协议服务器、本地 stdio 启动的 MCP 进程、有 OpenAPI/Swagger 规范的 REST API、以及支持 introspection 的 GraphQL 端点。一行命令，四种协议全搞定。

三、安装与准备

mcp2cli 发布在 PyPI，推荐用 uv 零安装运行（uv 是 Astral 开发的 Python 包管理器，类似 npx 但更快）：

# 方式一：直接运行（不安装）

uvx mcp2cli --help

# 方式二：全局安装

uv tool install mcp2cli

# 方式三：传统 pip（不推荐，依赖可能冲突）

pip install mcp2cli

验证安装是否成功：

$ mcp2cli --version

mcp2cli 0.5.1

为 AI Coding Agent 安装 Skill

mcp2cli 自带一个 installable skill 文件，可以让 Claude Code、Cursor、Codex 等 Agent 自动学会使用它：

npx skills add knowsuchagency/mcp2cli --skill mcp2cli

安装后直接对 Agent 说"帮我把 GitHub 的 open issue 列表拉出来"，Agent 就会自动执行 mcp2cli --mcp URL_mcp.github.com/sse list-issues --state open。这个过程 Agent 不需要加载 GitHub MCP 的 93 个工具 Schema——它只需要知道 mcp2cli 这一个命令的存在。

四、实战一：连接 MCP HTTP 服务器

假设你的团队部署了一个内部文件系统 MCP 服务器，跑在 URL_mcp.internal.company.com/sse。它暴露了读、写、搜索、移动文件等 8 个工具。

第一步：列出可用工具

$ mcp2cli --mcp `URL_mcp.internal.company.com/sse` --list

Available commands:

  read-file Read contents of a file

  write-file Write content to a file

  list-directory List files in a directory

  search-files Search for files by pattern

  create-directory Create a new directory

  delete-file Delete a file

  move-file Move or rename a file

  get-file-info Get file metadata (size, modified, permissions)

第二步：查看具体工具的参数

$ mcp2cli --mcp `URL_mcp.internal.company.com/sse` read-file --help

Usage: mcp2cli --mcp URL read-file [OPTIONS]

  Read contents of a file

Options:

  --path TEXT Path to the file (required)

  --encoding TEXT File encoding: utf-8, latin-1, gbk (default: utf-8)

  --offset INTEGER Start reading from line N

  --limit INTEGER Max lines to return (default: 500, max: 2000)

第三步：执行实际操作

# 读取生产环境配置文件

$ mcp2cli --mcp `URL_mcp.internal.company.com/sse` read-file \

    --path /etc/app/config.yaml

server:

  port: 8080

  host: 0.0.0.0

database:

  url: postgresql://localhost:5432/production

  pool_size: 20

  max_connections: 100

# 搜索最近两天的应用日志

$ mcp2cli --mcp `URL_mcp.internal.company.com/sse` search-files \

    --pattern "*.log" --path /var/log/app/

app-2026-08-01.log (15.3 MB, modified: 2026-08-01 23:59)

app-2026-08-02.log (12.7 MB, modified: 2026-08-02 23:59)

error-2026-08-01.log (2.1 MB, modified: 2026-08-01 18:30)

# 只读错误日志的最近 50 行

$ mcp2cli --mcp `URL_mcp.internal.company.com/sse` read-file \

    --path /var/log/app/error-2026-08-01.log --offset -50

Agent 在执行这些操作时，每次只需约 200 Token（命令本身加输出），而不是 55,000 Token 的工具 Schema。一个最简单的读文件操作，Token 消耗从五位数降到了三位数。

第四步：在大型工具集中快速搜索

当 MCP 服务器有上百个工具时，--list 全部输出本身就很浪费。用 --search 按名称或描述子串匹配：

$ mcp2cli --mcp `URL_mcp.example.com/sse` --search "file"

Found 5 matching tools:

  read-file Read contents of a file

  write-file Write content to a file

  delete-file Delete a file

  move-file Move or rename a file

  get-file-info Get file metadata

--search 本身就隐含了 --list，你不需要先全量列出再手动筛选。这个特性在连接 GitHub（93 工具）或 GitLab（78 工具）这样的大型 MCP 服务器时特别有价值。

五、实战二：零代码把 REST API 变成 CLI

这是 mcp2cli 最让人兴奋的功能：你有一个 OpenAPI 规范的 REST API，不需要写 SDK、不需要生成代码，一行命令就能作为 CLI 使用。

以经典的 Petstore API 为例（Swagger 社区提供的公开 OpenAPI 示例）：

# 列出所有可用端点——OpenAPI 的 operationId 自动变成子命令

$ mcp2cli --spec `URL_petstore3.swagger.io/api/v3/openapi.json` --list

Available commands:

  list-pets List all pets (GET /pet)

  create-pet Create a new pet (POST /pet)

  get-pet-by-id Find pet by ID (GET /pet/{petId})

  update-pet Update an existing pet (PUT /pet)

  delete-pet Delete a pet (DELETE /pet/{petId})

看到了吗？OpenAPI 规范里的 operationId（如 listPets → list-pets）自动变成了 CLI 子命令。路径参数、查询参数、请求体全部映射为命令行选项。这个过程不需要写任何胶水代码。

# 查询状态为 available 的宠物

$ mcp2cli --spec `URL_petstore3.swagger.io/api/v3/openapi.json` \

    list-pets --status available

[

  {"id": 1, "name": "Doggie", "status": "available"},

  {"id": 2, "name": "Kitty", "status": "available"}

]

# 创建新宠物——JSON body 从 stdin 传入

$ echo '{"name": "Fido", "photoUrls": [], "status": "available"}' | \

    mcp2cli --spec `URL_petstore3.swagger.io/api/v3/openapi.json` \

    create-pet --stdin

{"id": 3, "name": "Fido", "status": "available"}

# 本地 YAML 格式的 OpenAPI 文件也可以直接使用

$ mcp2cli --spec ./api.yaml --base-url URL_localhost:8000 --list

# 只暴露安全的 GET 方法（写操作对 Agent 不可见）

$ mcp2cli --spec ./api.json --base-url `URL_api.example.com` \

    --methods GET --list

带认证的 API 怎么处理

mcp2cli 对认证的处理非常优雅，提供了三层安全等级：

# 第一层：直接传值（仅适合开发/测试环境）

$ mcp2cli --spec ./api.json \

    --auth-header "Authorization:Bearer sk-abc123xyz" \

    --base-url `URL_api.example.com` \

    list-users --limit 20

# 第二层：从环境变量读取（推荐生产环境使用）

$ mcp2cli --spec ./api.json \

    --auth-header "Authorization:***" \

    --base-url `URL_api.example.com` \

    list-orders

# 第三层：从 Docker secrets 文件读取

$ mcp2cli --spec ./api.json \

    --auth-header "Authorization:Bearer file:/run/secrets/api_token" \

    --base-url `URL_api.example.com` \

    list-products

env: 和 file: 前缀是 mcp2cli 的安全设计亮点：它们从环境变量或文件读取敏感值，而不是让你在命令行上直接写密钥。这在多用户服务器上尤其重要——命令行参数对所有 ps aux 用户完全可见。

六、实战三：OAuth 2.0 API 自动搞定

很多 SaaS API（如 Google API、GitHub API、Salesforce API）需要 OAuth 认证。mcp2cli 内置了完整的 OAuth 2.0 支持，包括 PKCE 授权码流程和客户端凭证流程。Token 自动缓存、自动刷新——Agent 完全不用关心 OAuth 的细节。

# 交互式 OAuth：打开浏览器完成登录（适合开发环境第一次授权）

$ mcp2cli --mcp `URL_mcp.example.com/sse` --oauth --list

Opening browser for authorization...

✓ Authorization complete. Token cached to ~/.cache/mcp2cli/oauth/

# 之后的所有调用自动使用缓存的 Token

$ mcp2cli --spec `URL_api.example.com/openapi.json` --oauth --list

# 无浏览器环境：客户端凭证流程（适合 CI/CD 和服务器）

$ mcp2cli --spec `URL_api.example.com/openapi.json` \

    --oauth-client-id "service-account-123" \

    --oauth-client-secret "file:/run/secrets/oauth_secret" \

    list-resources

# 指定 OAuth scope 精确控制权限范围

$ mcp2cli --graphql `URL_api.example.com/graphql` \

    --oauth --oauth-scope "read write" \

    users --limit 10

Token 自动持久化在 ~/.cache/mcp2cli/oauth/ 目录。下次调用同一个数据源时，mcp2cli 会先检查缓存的 Token：未过期直接使用，已过期自动用 refresh token 续期。整个过程对使用 mcp2cli 的 Agent 完全透明——Agent 不需要理解 OAuth 协议，不需要处理 token 过期重试，不需要管理 refresh token。

▲

七、实战四：在 Hermes Agent 中集成 mcp2cli

这是本文最核心、最实战的场景。假设你用 Hermes Agent 做自动化业务运营——定时抓取数据、更新定价、同步库存。你的后端暴露了一个 OpenAPI 规范的定价 API，有 40 多个端点。

传统 MCP 方式 vs mcp2cli 方式

传统方式需要先写一个 MCP 服务器包装定价 API 的 40 个端点，然后在 Hermes 的 config.yaml 里注册这个 MCP 服务器，之后每次 Hermes 启动对话，40 个工具 Schema 全部注入上下文。每个工具 Schema 约 800-1,200 Token，总计约 35,000 Token 注入到每一轮对话。

mcp2cli 方式三步搞定：

第一步：bake（固化）连接配置

不用每次敲 --spec、--auth-header、--base-url，全部固化到一个短名字里：

$ mcp2cli bake create pricing \

    --spec `URL_api.company.com/v3/openapi.json` \

    --auth-header "Authorization:***" \

    --base-url `URL_api.company.com` \

    --exclude "delete-*,admin-*,bulk-delete-*" \

    --cache-ttl 7200

✓ Baked tool 'pricing' created (14 commands available)

关键参数说明：

  • --exclude "delete-*,admin-*,bulk-delete-*"：安全白名单，Agent 看不到（也调不了）删除和管理员端点。这是生产环境使用 mcp2cli 的第一准则。
  • --cache-ttl 7200：OpenAPI 规范缓存 2 小时，减少对上游 API 的请求压力。
  • env:PRICING_API_KEY：密钥从环境变量读取，不写死在 bake 配置里。

第二步：Agent 按需使用

# Agent 列出可用工具（只消耗约 50 Token）

$ mcp2cli @pricing --list --compact

list-prices, get-price, update-price, bulk-import, export-csv, search-products, get-product-stats, list-discounts

# Agent 查询某产品定价

$ mcp2cli @pricing list-prices --product-id "SKU-12345"

[

  {"tier": "basic", "price": 9.99, "currency": "USD"},

  {"tier": "pro", "price": 29.99, "currency": "USD"},

  {"tier": "enterprise", "price": 99.99, "currency": "USD"}

]

# Agent 执行价格调整（只对有权限的端点）

$ mcp2cli @pricing update-price \

    --product-id "SKU-12345" \

    --tier "pro" \

    --new-price 24.99

{"status": "updated", "product": "SKU-12345", "tier": "pro", "new_price": 24.99}

第三步：安装为独立可执行文件，放进任何脚本

$ mcp2cli bake install pricing

✓ Installed to ~/.local/bin/pricing

# 现在可以直接当普通命令用——可以放进 shell 脚本或 cron job

$ pricing list-prices --product-id "SKU-12345" | jq '.[] | .price'

9.99

29.99

99.99

$ pricing export-csv --from 2026-07-01 --to 2026-07-31 > july-prices.csv

为什么 Hermes Agent 特别受益

Hermes Agent 有一个核心工具叫 terminal（或称 execute_command）。Agent 通过它在你的机器上执行任意 shell 命令。如果所有外部 API 都通过 mcp2cli 变成标准 CLI，Agent 就只需要 terminal 这一个工具访问无限多个后端服务。

对比传统 MCP 注册方式，mcp2cli 的优势非常明显：配置方面，传统方式每个服务都要在 config.yaml 里写几十行注册配置，mcp2cli 只需一行 bake create；Token 开销方面，传统方式每轮注入 50-150K 工具 Schema，mcp2cli 每轮只需约 200 Token；新增服务时，传统方式需要编辑配置并重启 Hermes，mcp2cli 即时生效无需重启；安全方面，mcp2cli 的 --exclude 和 --include 参数提供了精确的工具级白名单控制，比大多数 MCP 服务器实现的安全边界更清晰；调试方面，mcp2cli 用大家熟悉的 --help 和 --json 直接验证，比抓 MCP 协议包直观得多。

八、实战五：GraphQL 端点秒变 CLI

如果你用的是 GraphQL（不是 REST），mcp2cli 同样原生支持——它会自动自省端点，发现所有 Query 和 Mutation，生成带变量声明的参数化调用。

# 列出所有查询和变更

$ mcp2cli --graphql `URL_api.example.com/graphql` --list

Queries:

  users Get paginated user list

  user-by-id Get a single user by ID

  posts Get paginated post list (with author info)

  search Full-text search across users and posts

Mutations:

  create-user Create a new user account

  update-user Update user profile

  delete-user Permanently delete user and all data

# 调用查询——mcp2cli 自动生成 selection set

$ mcp2cli --graphql `URL_api.example.com/graphql` users --limit 5

# 自定义返回字段（覆盖默认 selection set）

$ mcp2cli --graphql `URL_api.example.com/graphql` users \

    --fields "id name email avatarUrl createdAt"

# 带认证的变更操作

$ mcp2cli --graphql `URL_api.example.com/graphql` \

    --auth-header "Authorization:***" \

    create-user --name "张三" --email "zhangsan@example.com"

# JSON 输出模式（Agent 友好解析）

$ mcp2cli --graphql `URL_api.example.com/graphql` --json users --limit 3

{"data": {"users": [{"id": "1", "name": "Alice"}, {"id": "2", "name": "Bob"}]}}

mcp2cli 在背后自动完成了五件事：对 GraphQL 端点发起 introspection 查询、解析类型系统（对象类型、输入类型、枚举和联合类型）、为每个对象类型生成默认 selection set、构造带变量声明的完整参数化查询、注入认证头到 HTTP 请求。Agent 不需要理解 GraphQL 语法、不需要知道 fragment 是什么、不需要手动拼 selection set——记住子命令名和参数即可。这对让 AI Agent 动态调用 GraphQL API 是一个巨大的突破。

九、进阶技巧速览

JSON 输出模式

--json 强制所有输出为标准 JSON，Agent 可以可靠地解析：

$ mcp2cli @pricing list-prices --json

{

  "content": [{"type": "text", "text": "[{\"tier\":\"basic\",\"price\":9.99}]"}],

  "structuredContent": {"prices": [{"tier": "basic", "price": 9.99}]},

  "isError": false

}

对于 MCP 调用，返回的是完整 CallToolResult 信封，其中 structuredContent 包含结构化数据，Agent 可以直接提取使用而不需要正则匹配自由文本。

Usage-Aware 排序

mcp2cli 在本地记录每个工具的调用次数，--list 默认按最常用排序：

$ mcp2cli @pricing --list --top 5

list-prices (used 47 times)

search-products (used 31 times)

get-price (used 18 times)

update-price (used 12 times)

export-csv (used 5 times)

配合 --compact（仅工具名）和 --top N，--list 输出可以压缩到 ~20 Token。Agent 用得越多，排序越精准。

TOON 格式：专为 LLM 优化的紧凑输出

$ mcp2cli --mcp `URL_mcp.example.com/sse` --toon list-tags

@tags

id|name|color|count

1|urgent|#ff0000|12

2|bug|#ff9900|47

3|feature|#00ff00|23

管道分隔的表格格式对 LLM 解析效率极高，比相同内容的 JSON 省 40-60% Token。

▲

十、踩坑清单（5 个真实陷阱，建议先读完再动手）

坑 1：本地 OpenAPI 文件缺少 `--base-url`

本地文件没有服务器地址信息，mcp2cli 不知道把 HTTP 请求发到哪里。

# ❌ 错误：本地 spec 没有 base URL，会直接报错

$ mcp2cli --spec ./openapi.json list-pets

Error: No base URL available

# ✅ 正确：用 --base-url 明确指定 API 服务器地址

$ mcp2cli --spec ./openapi.json --base-url `URL_api.example.com` list-pets

坑 2：bake 配置中硬编码了密钥

bake 配置文件存储在 ~/.config/mcp2cli/baked.json，是明文 JSON。虽然 bake show 命令会掩码敏感值，但文件本身未加密，任何能访问你 home 目录的人都能读到。

# ❌ 危险：密钥写死在 bake 配置的 JSON 文件里

$ mcp2cli bake create myapi --spec URL --auth-header "Authorization:***"

# ✅ 安全：bake 里存的是 env: 引用，实际密钥由运行时环境变量提供

$ mcp2cli bake create myapi --spec URL --auth-header "Authorization:***"

坑 3：MCP stdio 模式的子进程环境变量

用 --mcp-stdio 启动子进程时，子进程可能继承不到你期望的环境变量。

# ❌ 子进程可能拿不到 API_KEY

$ mcp2cli --mcp-stdio "node server.js" search --query "test"

# ✅ 用 --env 显式传递，确保子进程收到的环境变量完整

$ mcp2cli --mcp-stdio "node server.js" \

    --env API_KEY=*** \

    --env NODE_ENV=production \

    search --query "test"

坑 4：GraphQL introspection 被禁用

不是所有 GraphQL 服务端都开启了 introspection。如果你的端点返回 "Introspection is disabled"，mcp2cli 无法自动发现查询和变更。此时需要联系后端团队开启（仅开发/内部环境），或者手动提供 SDL schema 文件给 mcp2cli。

坑 5：不给 Agent 设安全边界就给生产权限

这是最危险的坑。Agent 可能被 prompt injection 攻击诱导调用删除类端点。

# ⚠️ 危险：Agent 可以看到并调用所有端点，包括 deleteUser、dropTable

$ mcp2cli bake create myapi --spec `URL_api.example.com/spec.json`

# ✅ 安全：只暴露读操作和安全的写操作，删除和管理端点完全不可见

$ mcp2cli bake create myapi \

    --spec `URL_api.example.com/spec.json` \

    --exclude "delete-*,admin-*,drop-*,truncate-*,purge-*" \

    --methods GET,POST

原则：给 Agent 的 API 权限必须遵循最小权限原则。Agent 不需要（也不应该）能删除生产数据库或修改用户权限。这是用 mcp2cli 连接生产系统的第一准则，没有之一。

十一、什么时候不该用 mcp2cli

mcp2cli 非常强大，但不是万能药。在做技术选型时，需要诚实地评估它是否适合你的场景。以下四种情况不建议使用 mcp2cli：

  1. MCP 工具只有 3-5 个：工具 Schema 开销很小（<5K Token），额外引入一个中间层反而增加复杂度。直接走原生 MCP 注册更简单也更可靠。这种情况下，mcp2cli 的 token 节省优势完全体现不出来，反而多了一个需要维护的依赖。
  2. 需要流式输出：mcp2cli 基于子进程调用，必须等命令执行完成才能拿到完整输出。如果你的 MCP 工具依赖流式推送（如实时日志监控、WebSocket 事件流、长时间进度追踪），原生 MCP SSE 协议的流式能力才是正确选择。用 mcp2cli 硬套流式场景反而会让 Agent 陷入长时间的等待。
  3. 有状态的长时间会话：mcp2cli 每次调用都是独立的子进程生命周期，调用结束后进程退出，状态全部丢失。如果你的工作流需要在多次 API 调用之间维持会话状态（如数据库事务、文件锁、分页游标），原生 MCP 的长连接模式可以保持状态，mcp2cli 则需要你在应用层自己管理状态。
  4. 需要 MRTR 交互式确认：如果工具在运行过程中需要用户确认（如"确定要删除这 3 个文件吗？请回复 yes/no"），mcp2cli 的纯 CLI 模式无法处理这种暂停-等待-继续的多轮交互。此时原生 MCP 协议的 MRTR（Multi-Round Tool Response）机制是更合适的选择。

十二、总结

mcp2cli 用一个简洁的 Unix 哲学解决了 AI Agent 生态中一个系统性问题：MCP 工具 Schema 膨胀导致的 Token 浪费。这个问题的本质不是 MCP 协议设计得不好，而是当前 Agent 框架在工具发现和注入机制上过于简单粗暴——每次对话都重新注入完整 Schema 是最简单的实现，但也是最昂贵的。

把 API 变成 CLI 不是技术炫技——它是真金白银的节省。一个 120 工具的 MCP 平台运行 25 轮任务，mcp2cli 比原生 MCP 注入省下 35.2 万 Token。按 Claude Sonnet 定价 $3/百万输入 Token 计算，一个任务省 $1.05。一天 10 个任务 $10，一个月 $300，一年 $3,600——这还只是一个 Agent 的费用。如果你的团队有 5 个工程师每人每天用 Agent 跑 10 个任务，一年就能省下 $18,000 的 API 费用。

对 AI 创业者来说，三个最直接的收益：

  1. 直接省钱：每次对话 90%+ Token 节省，API 账单直线下降
  2. 零代码集成：有 OpenAPI 规范的 REST API 瞬间 CLI 化，开发效率提升数倍
  3. 安全可控：--exclude/--include 精确白名单，Agent 调不了你不让它调的

如果你用 AI Agent 连接过 MCP 服务器，花 15 分钟试试 mcp2cli。你会立刻注意到的第一个变化：上下文窗口突然变大了——不是因为模型升级了，是因为垃圾数据少了。而垃圾数据少了之后，Agent 的推理质量也会提升——它可以"记住"更长的对话历史，做出更连贯的决策。

部署清单：

  • [x] uv tool install mcp2cli 安装
  • [x] mcp2cli bake create 固化常用 API 配置
  • [x] --exclude 设置安全白名单
  • [x] 密钥用 env: 前缀，不写死在 bake 配置
  • [x] --cache-ttl 控制上游请求频率
  • [x] Agent 的 system prompt 中加入 mcp2cli 使用指引
  • mcp2cli GitHub 官方仓库 — 完整文档、源码和安装指南
  • OnlyCLI MCP Token 成本独立 Benchmark — 展示了 MCP vs CLI 在多服务场景下的真实 Token 差异
  • ScaleKit MCP vs CLI 架构分析 — MCP Gateway 和 CLI 方案的架构级对比

#AI创业 #AI Agent #MCP #Token优化 #一人公司 #Agent工坊

本文由AI辅助创作，经人工审核编辑发布

更多一人公司案例与工具，微信搜索「AI创业内参」关注我们