CLI с хорошим --help заменяет MCP-сервер: как попасть в обучающие данные для AI-агентов

Разработчик Адам Уотан и ряд практиков в июне 2025 года возобновили дискуссию о том, нужен ли MCP-сервер вообще, если CLI (command-line interface, интерфейс командной строки) с грамотно написанным флагом --help справляется с агентными сценариями не хуже.

Суть позиции: компании-разработчики инструментов делятся на два «тира». S-тир означает, что модель уже знает ваш продукт, потому что он попал в обучающие данные (training data, датасеты, на которых учат модель). F-тир означает, что модель про вас не слышала и пользователю придётся вручную устанавливать пакеты, настраивать MCP-сервер и объяснять агенту, как с вами работать.

Почему CLI конкурирует с MCP-сервером?

• ИИ-агент и так умеет читать --help. Если документация CLI написана чётко, агент (ИИ-агент, программа, которая сама выполняет цепочку действий от вашего имени) разбирается в подкомандах без дополнительных протоколов.
• Пример S-тира: GitHub CLI. Промпт (промпт, текстовая инструкция для модели) вида «создай репозиторий, закоммить, запушь, сделай публичным» отрабатывает без скиллов и MCP, потому что GH CLI уже «зашита» в веса модели.
• F-тир требует лишних шагов. Молодой инструмент вынуждает пользователя скачивать пакет скиллов, поднимать MCP-сервер и вручную объяснять агенту контекст.
• ASEO как новый термин. Agentic Search Engine Optimization (оптимизация под поиск ИИ-агентов) означает, что документацию нужно строить так, чтобы агент находил нужное за один вызов веб-поиска, а не блуждал по страницам.

Как попасть в S-тир: четыре шага

1. Сделайте CLI с образцовым --help. Проверьте: может ли модель дойти до результата, просто читая справку по всем подкомандам. Меняйте формулировки, пока агент не начнёт решать задачу за минимум вызовов.
2. Автоматизируйте тестирование. Запустите цикл: агент читает --help, пробует выполнить задачу, вы смотрите, где он спотыкается, и правите текст справки. Автор предлагает как простой цикл, так и цикл «автоисследования», когда агент сам ищет слабые места.
3. Выложите документацию в открытый доступ и займитесь ASEO. Отслеживайте путь агента при веб-поиске. Если ему приходится делать несколько запросов, документация ещё сырая.
4. Договоритесь с лабораториями об включении документации в обучающие данные. Если у вас уже есть контракт на инференс (инференс, сам процесс, когда модель обрабатывает ваш запрос и выдаёт ответ), используйте его как рычаг: попросите включить документацию CLI в следующий цикл обучения модели.

Есть ли аналоги этого подхода в России?

В российской экосистеме YandexGPT и GigaChat пока не предлагают публичного механизма, аналогичного MCP-серверам или агентному поиску по CLI-документации. Однако сам принцип «пиши справку так, чтобы модель понимала её без посредников» работает с любой моделью, включая локальные открытые модели (open-source), которые доступны без ограничений.

Для русскоязычных разработчиков инструментов вывод прямой: если вы пишете CLI для своего сервиса, качество --help на русском и английском определяет, смогут ли ИИ-агенты с ним работать. Протокол MCP при этом не обязателен.

Частые вопросы

Что такое MCP и зачем его сравнивают с CLI?

MCP (Model Context Protocol) это протокол, через который ИИ-агент подключается к внешним инструментам. CLI это интерфейс командной строки с набором подкоманд. Автор утверждает, что хорошо документированная CLI закрывает те же задачи, что и MCP-сервер, и при этом не требует от пользователя дополнительной настройки.

Как понять, «знает» ли модель мой инструмент?

Дайте модели промпт с конкретной задачей, например: «С помощью CLI моего сервиса сделай то-то и то-то». Если модель справляется без дополнительных файлов и инструкций, ваш инструмент уже в обучающих данных. Если нет, начинайте с оптимизации --help и документации.

Подходит ли эта стратегия, если я не программист?

Сам подход к ASEO полезен любому, кто публикует инструкции для ИИ. Принцип тот же: пишите документацию так, чтобы агент находил ответ за одно обращение. Это касается и авторов Дзена, которые создают справочный контент, и маркетологов, которые описывают продукт на сайте.