15年产品设计经验、服务过70余家银行的设计师，正在押注一个反直觉的技术路线——用命令行界面（CLI，Command Line Interface）替代模型上下文协议（MCP，Model Context Protocol）服务器，驱动AI智能体（AI Agent，自主执行任务的AI系统）。这背后不是怀旧，而是一套被4亿美元管理规模验证过的产品逻辑。

从金融后台到AI前线的路径切换

打开网易新闻 查看精彩图片

作者履历很有意思：VALK时期做传统金融机构的数字化，管理资产超40亿美元。这段经历让他对"复杂系统的简化"有肌肉记忆——银行客户不缺功能，缺的是不犯错的工作流。

2024年后转向AI工程，他发现一个断层：MCP服务器被炒成智能体的"标准接口"，但落地时全是摩擦。配置、调试、权限管理，每一步都在劝退非技术用户。

CLI的隐藏优势：把控制权还给用户

MCP的问题在于"黑箱化"。服务器封装了调用逻辑，用户只能祈祷它按预期工作。CLI反其道而行——每个命令可见、可改、可组合。

这对AI智能体至关重要。当智能体需要调用外部工具时，CLI提供的是"可审计的执行路径"，而非"信任但无法验证的API封装"。银行背景让他对"可审计"极度敏感。

开源工具背后的商业预判

作者正在构建的开源工具栈，瞄准的是同一批人：懂业务但不想被基础设施绑架的开发者。70家银行的经验告诉他，机构客户最终会为"可控性"付费，而不是为"协议合规性"买单。

这个判断与当前MCP的生态扩张形成微妙张力。协议标准化是平台层的战争，CLI工具化是应用层的渗透——后者往往更慢，但更 sticky（用户粘性高）。

4亿美元管理规模、15年设计直觉、70个金融机构样本——这组数据指向一个被低估的产品趋势：AI基础设施的下一波创新，可能不是更复杂的协议，而是更透明的交互界面。