Feishu、DingTalk、WeComがこの三日のうちに相次いで各自のCLI（コマンドラインインターフェース）ツールを投入し、GitHub Star数はいずれも千を突破しました。これは偶然ではありません -- CLIがAI Agentによるソフトウェア操作の標準インターフェースになりつつあるのです。本記事では、これらのツールの正体、重要な理由、そしてAI Agentをより効率的にするための使い方を解説します。

なぜAgentにCLIが必要なのか

Karpathyの言い方はとても直接的です。CLIの「レトロ」さこそが、AI時代に新たな命を吹き込まれる理由なのです。核心にあるロジックは三点あります。

プレーンテキストはLLMの母語です。 画面上の「エクスポート」ボタンをAgentに認識させるのは遅く、ミスも起きやすいもの。しかしAgentに wecom-cli contact get_userlist を実行させれば、正確かつ確実です。

CLIはAPI接入の溝を越えます。 CLIがなければ、Agentはまず何百ページにも及ぶAPIドキュメントを読み、認証、トークンのリフレッシュ、ネットワークリクエストの処理までこなす必要があります。公式CLIはこうした面倒な作業をすべて引き受けてくれるので、Agentは用意されたコマンドを呼び出すだけで済みます。

CLIはパイプラインによる組み合わせを生まれつきサポートします。 個々のCLIツールは積み木のようにシームレスに連結でき、複雑なワークフローを構築できます。

三大エンタープライズCLIツール

Feishu CLI

• リポジトリURL: https://github.com/larksuite/cli
• コア機能: Feishuのドキュメント、スプレッドシート、連絡先、メッセージなどエンタープライズ級機能の操作
• 想定シーン: AgentにFeishuワークスペースを自動管理させる

DingTalk CLI

• リポジトリURL: https://github.com/DingTalk-Real-AI/dingtalk-workspace-cli
• コア機能: DingTalkワークスペース管理、承認フロー、連絡先照会
• 想定シーン: AgentにDingTalkのオフィス業務フローを自動化させる

WeCom CLI

• リポジトリURL: https://github.com/WecomTeam/wecom-cli
• コア機能: 連絡先管理、メッセージ送信、部署操作
• 想定シーン: AgentにWeComのバックエンドデータを操作させる

CLIとGUIの操作比較：GUIでは何度もクリックが必要ですが、CLIならコマンドひとつで直接結果にたどり着けます。

Agentに使いやすいCLIの設計方法

自分のCLIツールを開発してAgentに使わせるなら、開発者Eric Zakariassonがまとめた実戦検証済みの設計原則があります。人間向けのCLIとは違い、Agent向けのCLIにはまったく異なる設計ロジックが必要なのです。

原則一：完全に非対話であること

Agentは実行の途中で方向キーを押したり「y」を入力したりできません。すべての入力はフラグ（flag）として渡せるようにすべきです。

# 这样写会让 Agent 卡住
$ mycli deploy
? Which environment? (use arrow keys)

# 这样写 Agent 才能正常工作
$ mycli deploy --env staging

原則二：--helpを本当に機能させる

すべてのサブコマンドに --help を用意し、必ず使用例を含めます。Agentは説明文を読むよりも、サンプルパターンとの照合のほうがはるかに速いのです。

$ mycli deploy --help
Options:
  --env     Target environment (staging, production)
  --tag     Image tag (default: latest)
  --force   Skip confirmation

Examples:
  mycli deploy --env staging
  mycli deploy --env production --tag v1.2.3
  mycli deploy --env staging --force

原則三：素早く失敗し、対処可能なエラーメッセージを返す

必須フラグが不足したら即座にエラーを返し、ハングアップして待ち続けないこと。正しい呼び出し方を示しましょう。

Error: No image tag specified.
  mycli deploy --env staging --tag <tag>
  Available tags: mycli build list --output tags

原則四：コマンドは冪等にする

Agentは繰り返しリトライします。同じ操作を重ねて実行した場合は重複アイテムを作らず、「完了」と返すべきです。

原則五：--dry-runオプションを提供する

Agentは破壊的な操作を実行する前に、その効果をプレビューできるべきです。

$ mycli deploy --env production --tag v1.2.3 --dry-run
Would deploy v1.2.3 to production
  - Stop 3 running instances
  - Pull image registry.io/app:v1.2.3
  - Start 3 new instances
No changes made.

原則六：成功後に構造化データを返す

デプロイIDやURLなどの重要な情報を返せば、Agentがその後の操作に進みやすくなります。

deployed v1.2.3 to staging
url: https://staging.myapp.com
deploy_id: dep_abc123
duration: 34s

CLIとMCPの関係

CLIとMCP（Model Context Protocol）は競合関係ではなく、補完関係にあります。MCPはAgentにさまざまなデータソースへの統一的な読み取りを提供し、CLIは標準的なアクションを実行します。両者を組み合わせれば、完全な作業ループを閉じることができます。

現在、主流のAgent CLIツールには以下のものもあります。

• Claude Code: Anthropicが提供するAgentコーディングツールで、推論能力が強力
• Gemini CLI: Googleが提供。マルチモーダル処理に対応し、無料枠でも利用可能
• Codex CLI: OpenAIが提供。GPTモデルとネイティブ統合されています

実践アドバイス

1. まずインストールして試す：三大エンタープライズCLIはすべてオープンソースです。git clone してREADMEどおりにインストールすればOK
2. シンプルなコマンドから始める：たとえばWeCom CLIで連絡先を照会し、Agentが正しく呼び出せるかを検証する
3. 組み合わせて使う：CLIコマンドをAgentのツール定義に書き込み、Agentがタスクに合ったコマンドを自動選択して実行できるようにする
4. 権限に注意：初回利用時にはAPI Keyとエンタープライズアプリの権限設定が必要です。各リポジトリのドキュメントを参照してください

CLIの復権はノスタルジーではなく、AI Agent時代の必然の選択です。自分のツールがAgentにとってネイティブに、そして楽に使えないものであれば、未来のAIワークフローで淘汰されるかもしれません。