CLI-Anything：一条命令让任意软件成为 AI Agent 的工具

AI Agent 能写代码、能分析数据，但让它打开 Photoshop 帮你修个图？抱歉，做不到。

这就是当前 Agent 落地的尴尬——大脑很强，手脚不行。

香港大学数据智能实验室（HKUDS）开源的 CLI-Anything 项目，用一个简单粗暴的思路解决了这个问题：既然 AI 最擅长敲命令，那就把所有软件都变成命令行工具。

一、为什么 Agent 操控软件这么难

目前让 AI 操作软件主要有两条路，但都走不通：

截图 + 模拟点击：让 Agent 看屏幕截图，然后模拟鼠标操作。

问题是界面稍微变一下，脚本就崩了。

而且效率极低，操作一个按钮可能要花几秒。

调用 API：前提是软件得有 API。

Photoshop、Blender 这些专业软件要么没 API，要么 API 能力有限，很多功能压根调不了。

所以现状是：Agent 能把任务规划得明明白白，但执行环节直接卡死。

二、CLI-Anything 的解决思路

CLI-Anything 的核心逻辑很简单：给没有命令行的软件自动生成一套 CLI 接口。

为什么选命令行？因为 CLI 天然适合 AI：

• 结构化：文本命令完美匹配大模型的输入输出格式
• 自描述：一个 --help 就能告诉 AI 有哪些功能可用
• 可组合：多个命令串起来就是完整的工作流
• 稳定：不像 GUI 那样一更新界面就失效

实际上，AI 写命令的能力远比操作界面靠谱。

让 Claude 写一行 ffmpeg 命令没问题，让它精准点击一个像素位置？难。

三、怎么把软件变成 CLI

整个过程是全自动的 7 阶段流水线：

1. 扫描源码：分析软件的架构、数据模型、内部 API
2. 设计接口：规划命令分组和参数结构
3. 生成代码：基于 Python Click 框架实现 CLI，自带 REPL 模式
4. 生成测试：自动创建测试套件
5. 运行测试：验证功能正确性
6. 写文档：生成使用说明
7. 打包安装：放进系统 PATH，随时可用

一条命令触发，几分钟后就能得到一个可用的 CLI 工具。以前人工做这事可能要几天。

四、实际能干什么

项目已经在 11 款软件上验证过，通过了 1508 项测试，覆盖率 100%。支持的软件包括：

举个例子，用 LibreOffice 生成一份报告：

## 创建文档
cli-anything-libreoffice document new -o report.json --type writer

## 添加标题
cli-anything-libreoffice --project report.json writer add-heading -t "Q1 Report" --level 1

## 插入表格
cli-anything-libreoffice --project report.json writer add-table --rows 4 --cols 3

## 导出 PDF
cli-anything-libreoffice --project report.json export render output.pdf -p pdf

这不是模拟操作，是真的在调用 LibreOffice 的能力，生成的文件和手动操作一模一样。

五、CLI-Anything vs MCP：两条路线之争

去年 MCP（Model Context Protocol）很火，它的思路是制定一个标准协议，让软件厂商主动适配。

有点像当年的 HTTP，一旦普及，生态爆发力很强。

CLI-Anything 走的是另一条路：不等厂商，自己动手生成接口。

社区有句话说得挺有意思：「MCP is the new SOAP，CLI is the new REST」——前者追求规范，后者追求实用。

两者其实可以互补。

CLI-Anything 生成的接口，完全可以包一层 MCP 协议对外暴露。

解决的是不同层面的问题：MCP 解决「怎么调用」，CLI-Anything 解决「调用什么」。

六、上手体验

前置条件：Python 3.10+，目标软件已安装，有 Claude Code 或 OpenCode 环境。

以 GIMP 为例：

## 安装插件
/plugin marketplace add HKUDS/CLI-Anything

## 生成 CLI
/cli-anything:cli-anything ./gimp

## 安装使用
cd gimp/agent-harness && pip install -e .
cli-anything-gimp --help

如果一次生成不完整，可以用 /cli-anything:refine 命令针对特定功能补充。

七、目前的局限

说实话，这个项目还不是开箱即用的完美方案：

1. 只能处理开源软件：需要源码分析，Adobe 全家桶之类的闭源软件没戏（你不会天真的以为像微信、QQ、抖音这种也能操作吧？）
2. 依赖强模型：生成过程需要 Claude Sonnet 4 级别的模型，弱模型容易出问题
3. 复杂软件可能不全：像 Blender 这种巨型项目，一次生成可能覆盖不了所有功能
4. Agent 集成还要额外工作：生成了 CLI，还得告诉 Agent 怎么用

但方向是对的。

现在开源软件相比闭源多了一个新优势：AI 可调用性。

未来软件的竞争，可能不只是功能比拼，还要看能不能被 Agent 接管。

常见问题

Q1. CLI-Anything 和传统自动化脚本有什么区别？

传统脚本是针对特定任务硬编码的，换个需求就要重写。

CLI-Anything 生成的是通用接口，AI 可以根据不同任务自由组合命令。

而且传统脚本模拟 GUI 操作，稳定性差；CLI 是直接调用软件内部能力，更可靠。

Q2. 支持 Windows 吗？

支持，但部分涉及图形渲染的功能可能在不同系统上表现不一致。

建议先在测试环境验证。

Q3. 闭源软件真的没办法吗？

理论上可以反编译后分析，但质量会大打折扣，而且可能涉及法律风险。

目前不建议在闭源软件上使用。

Q4. 生成的 CLI 可以商用吗？

CLI-Anything 本身是 MIT 协议开源。

但生成的 CLI 会继承原软件的许可证，比如 GIMP 是 GPL，那生成的 CLI 也要遵守 GPL。

写在最后

CLI-Anything 代表了一种务实的思路：与其等生态成熟，不如先动手解决眼前的问题。

它把「AI Agent 能做什么」的边界又往外推了一步。

当 Agent 能像人一样操作 Blender 建模、用 LibreOffice 写文档、拿 Audacity 剪音频，很多工作流的想象空间就打开了。

项目地址：https://github.com/HKUDS/CLI-Anything

如果你在用 Claude Code 或者 OpenCode，可以试试把自己常用的开源软件 CLI 化，说不定能解锁一些新玩法。

有什么问题或者有趣的用法，欢迎在评论区聊聊。