Хантли: агенту хватит --help при хорошем CLI

Джеффри Хантли, известный разработчик и автор, высказался в споре о том, что эффективнее для интеграции агентов с инструментами — протокол MCP или обычный интерфейс командной строки (CLI). По его мнению, разницы между MCP-сервером и хорошо документированной CLI с флагом --help практически нет: если CLI спроектирована с учётом агентов, она решает те же задачи без дополнительных надстроек. Хантли отмечает, что дискуссия началась с твита Адама Уотана, но суть сводится к одному — не нужно изобретать новое там, где уже есть рабочий подход.

Автор делит компании, создающие инструменты для разработчиков, на два лагеря: S-тир (успешные) и F-тир (проигрышные). Ключевой критерий — присутствие в весах языковых моделей. Если инструмент уже «зашит» в обученную модель, агент умеет с ним работать без всяких скиллов и MCP-серверов. Пример — GitHub: несмотря на критику, модели уверенно взаимодействуют с ним через gh CLI, потому что эти навыки заложены в веса. Хантли предлагает простой тест: если промпт вроде «С помощью GH CLI создай репозиторий, закоммить изменения, запушь в origin, сделай репозиторий публичным и обнови описание» выполняется без дополнительных инструкций, компания находится в S-тире.

Для молодых компаний, которых пока нет в весах моделей, путь сложнее. Им приходится убеждать пользователей устанавливать пакеты скиллов или саму CLI, что создаёт лишнюю нагрузку. Хантли советует сначала сделать качественную CLI и тщательно проработать справку --help. Необходимо проверять, может ли модель достичь результата, просто читая --help по всем подкомандам, и оптимизировать формулировки так, чтобы агенту требовалось минимум вызовов инструментов. Этот процесс можно автоматизировать с помощью простого цикла или более сложного автоисследования.

После создания надёжной CLI следует опубликовать документацию в открытом доступе и заняться ASEO (Agentic Search Engine Optimization) — оптимизацией под агентский веб-поиск. Задача аналогична традиционному SEO: нужно добиться, чтобы агент находил всю необходимую информацию за один вызов web_search_tool. Если агенту приходится блуждать по документации, значит, есть что улучшать. Хантли подчёркивает, что это не разовая акция, а постоянный процесс настройки под поведение агентов.

Завершающий этап — коммерческие договорённости с лабораториями, разрабатывающими модели. Если у компании уже есть контракт на инференс, стоит добиваться включения документации CLI в следующий прогон обучения. Это позволит «зашить» инструмент в веса модели и перейти в S-тир. Главный выигрыш для пользователей — отсутствие необходимости скачивать пакеты скиллов, настраивать MCP-серверы и выполнять прочие подготовительные действия.

Хантли резюмирует: успех в интеграции с ИИ-агентами зависит не от выбора между MCP и CLI, а от того, насколько хорошо инструмент представлен в обучающих данных моделей. Компаниям, которые только начинают, придётся пройти путь от оптимизации --help до сделок с лабораториями. Те же, кто уже в весах, получают преимущество без дополнительных усилий. Этот подход меняет приоритеты в разработке инструментов, смещая фокус с протоколов на качество документации и присутствие в обучении.