如何用 mcp2cli 把任意 API 变成 CLI 命令，告别 MCP Token 浪费
如果你用过 MCP（Model Context Protocol），一定遇到过这个问题：每次 Agent 调用工具时，都要把完整的方法签名、参数 schema 塞进上下文，一次对话轻松吃掉几万 token。Anthropic 官方也承认这是 MCP 的痛点之一。
mcp2cli 的解法非常巧妙：把 MCP server 或任意 API 包装成 CLI 命令，Agent 只需要执行一条 shell 命令，而非复杂的工具调用。根据作者的实测，这样可以节省 96-99% 的 Tool Call Token。
快速安装
mcp2cli 基于 Python，但不需要安装复杂依赖：
# 直接运行（推荐） uvx mcp2cli --help # 或全局安装 uv tool install mcp2cli
前提：需要安装
uv（Python 包管理器），比 pip 快 10-100 倍。安装方式：curl -LsSf https://astral.sh/uv/install.sh | sh
核心功能：三种 API 模式
mcp2cli 支持三种数据源，覆盖了绝大多数开发场景。
1. MCP 模式（HTTP/SSE）
连接远程 MCP Server，列出可用工具并调用：
# 列出 MCP Server 上的所有工具 mcp2cli --mcp https://mcp.example.com/sse --list # 搜索特定工具 mcp2cli --mcp https://mcp.example.com/sse --search "search" # 调用工具 mcp2cli --mcp https://mcp.example.com/sse search --query "AI agent"
支持自动 OAuth 认证和 token 持久化缓存：
mcp2cli --mcp https://api.example.com/sse --oauth --list
2. OpenAPI 模式
直接解析 OpenAPI/Swagger 规范文件，不需要 MCP 层：
# 列出所有端点
mcp2cli --spec https://petstore3.swagger.io/api/v3/openapi.json --list
# 调用 API
mcp2cli --spec ./openapi.json --base-url https://api.example.com list-pets
# POST 数据从 stdin 传入
echo '{"name": "Fido"}' | mcp2cli --spec ./spec.json create-pet --stdin
3. GraphQL 模式
自动内省 GraphQL 端点，生成查询和变更命令：
# 列出所有 query 和 mutation mcp2cli --graphql https://api.example.com/graphql --list # 执行查询 mcp2cli --graphql https://api.example.com/graphql users --limit 10 # 自定义返回字段 mcp2cli --graphql https://api.example.com/graphql users --fields "id name email"
进阶技巧
Bake 模式：持久化配置
每次都输入 --mcp 和认证参数很烦人。用 bake 保存为命名配置：
# 保存配置 mcp2cli bake create petstore --spec https://api.example.com/spec.json # 用 @ 前缀调用 mcp2cli @petstore list-pets # 安装为独立的系统命令 mcp2cli bake install petstore # 之后可以直接：petstore list-pets
这对 AI Agent 尤其有用——安装后的 bake 命令直接出现在 PATH 中，Agent 无需任何额外配置就能使用。
与 AI Coding Agent 集成
mcp2cli 提供了名为 skill 的安装包，安装后 Claude Code、Cursor、Codex 等 Agent 自动知道如何使用它：
npx skills add knowsuchagency/mcp2cli --skill mcp2cli
之后你的 Agent 就能通过以下 prompt 来调用任意 API：
mcp2cli create a skill for https://api.example.com/openapi.json
Stdio 模式：本地 MCP Server
运行本地的 MCP Server（stdin/stdout 模式）：
# 连接本地文件系统 MCP mcp2cli --mcp-stdio "npx @modelcontextprotocol/server-filesystem /tmp" --list # 传递环境变量 mcp2cli --mcp-stdio "node server.js" --env API_KEY=xxx search --query "test"
魔法般的 Secret 管理
敏感信息不会暴露在进程列表中：
# 从环境变量读取密钥 mcp2cli --mcp https://api.example.com/sse \ --auth-header "Authorization:env:MY_API_TOKEN" --list # 从文件读取（适合 Docker Secrets） mcp2cli --mcp https://api.example.com/sse \ --oauth-client-secret "file:/run/secrets/client_secret" --list
为什么它能省 Token？
对比两种模式：
传统 MCP 调用：Agent 每次调用工具时，都需要在上下文中包含完整的工具定义、参数 schema、描述文本——单个工具轻松吃掉 2000+ token。
mcp2cli 方式：Agent 只需要执行 mcp2cli --mcp ... tool_name --param value 这条命令。工具定义完全在命令行这一侧，不占用 LLM 上下文窗口。
对于复杂的 MCP Server（比如有 20+ 工具的 GitHub MCP），每次交互节省的 token 量相当可观。如果一天调用 50 次，那就是 10 万 token 的差距——换算成 API 费用，差距明显。
注意事项
- 不是所有工具都适合 CLI 化：需要实时流式响应的工具（如 SSE streaming）用 CLI 包装会有延迟
- Bake 命令需定期维护：如果 API 版本更新，bake 配置可能需要重新生成
- READme 和 HN 帖子的文案略显 AI 化：工具本身好用，但文档质量被社区吐槽「AI 生成感过重」，建议直接上手试
总结
mcp2cli 解决了一个实际痛点——在 AI Agent 频繁调用外部工具的场景下，token 消耗是实实在在的成本。它不做代码生成，不引入新的协议层，只是把「调用 API 这件事」从 MCP Tool Call 变成了 Shell Command。简单、直接、有效。
如果你是重度使用 Cursor、Claude Code 或 Codex 的开发者，mcp2cli 值得放进你的工具箱。