[情報] Airbyte 做了 MCP 也做了 CLI：給 agent 用的工具要怎麼設計

一、Airbyte 在做什麼

Airbyte 原本是開源的資料搬運工具，把 Zendesk、Stripe、GitHub 這些 SaaS 的資料接進公司的分析管線。現在他們想當 AI agent 取用資料、執行動作的那一層。

核心產品叫 Context Store：把各家工具的資料整理成一份方便搜尋的索引，agent 查起來比較省力，也能把不同工具裡的客戶、紀錄串在一起看。

要用 Context Store 有好幾個入口：自己寫 agent 用 SDK，網頁上有 UI。這場講的是另外兩個：MCP server 和 CLI，讓 ChatGPT、Claude 這類現成的 agent 也能直接用。

這兩個入口都要做到三件事：管理組織、workspace、connector 這些資源；安全地串接第三方服務，而且不讓 agent 碰到帳密；還有搜尋、讀寫各系統的資料。

架構上，MCP 和 CLI 都只是薄薄一層。收到指令、呼叫平台、把結果排版，就這樣。他們平台一天部署超過 10 次，所以介面直接用 OpenAPI 規格產生，才跟得上。

二、MCP server：給不寫程式的人用

MCP 是讓 AI 助手接上外部工具的標準協定。Pedro 說它最適合不寫程式的人：包裝好、裝起來很簡單。Airbyte 已經上架 ChatGPT 的 app 商店，Anthropic 那邊還在等審核。沒上架也沒關係，貼一個 MCP 網址就能接。

示範時他在 ChatGPT 裡問「有哪些 connector」，再問「列出五個有 Zendesk 客服單的付費客戶」。它會去 Context Store 查，把 Zendesk 和 Stripe 的資料對起來，回出五個人。

三、做 MCP 學到的四件事

工具數量要少。他們連的服務很多，每個服務又有一堆資料類型和動作，大可每種都開一個 MCP 工具。試過之後，他們只留兩個：describe_connector 查某個服務的資料結構怎麼查，execute 負責讀、寫、刪。其他能力讓 agent 需要時再一步步問出來，工具說明也盡量寫短，效果反而比較好。

登入就用 OAuth。規格上可以用別的方式，但規格本身很偏 OAuth，主流客戶端也都往那邊走。像 Claude 的自訂 connector 根本沒地方填 bearer token，只能走 OAuth。

使用者期待一直保持登入。網頁 app 偶爾要重新登入大家還能接受，但 MCP 被當成手機 app 在用，最好永遠不必想到登入這件事。所以 MCP 的 session 要做成長效、離線可用，而且跟網頁版分開管理生命週期。

Elicitation 還不能靠。串接 HubSpot 這類服務時，他們會產一個連結讓使用者點開去授權。MCP 規格裡其實有 elicitation，也就是向使用者要資料的機制，以前只有表單模式，不適合傳帳密，後來多了網址模式，跟他們的做法很像。問題是各客戶端支援不一，Claude Desktop 直接回說不支援，他們只好繼續用自己的做法。

四、CLI：要為 agent 設計，不是為人

CLI 是比較偏技術的那一側，某些地方也更強。同一個例子改用 CLI 跑：agent 先載入介紹這支 CLI 的 skill，再用指令去查 Context Store，一樣找出那五個客戶。

Pedro 的提醒是：對人很貼心的 CLI 設計，有些對 agent 是障礙。他們定了四條原則。

JSON 進、JSON 出。人喜歡一堆 flag，但查詢一複雜，agent 組 JSON 比猜 flag 準得多。輸出也是 JSON，回應很長時可以接管線，用 jq 挑需要的欄位。

格式要一致。指令一律是名詞加動詞，例如 connectors list、connectors create，workspace list 也照同一個規矩。agent 不必讀一堆文件就能猜對。

如果 agent 一直犯同一個錯、一直打錯同一個指令，就把那個寫法變成正式介面。一直被猜錯，代表原本的設計不夠直覺。

Skill 要跟著工具一起發。skill 是寫給 agent 看的使用說明。沒有它，agent 根本不知道電腦裡裝了這支 CLI。他們的 skill 描述寫成只要問到 connector 就會被叫出來。內容不要全塞在主檔，細節拆成參考檔，主檔只放指引，需要時再讀，省 context。

不能停下來等人輸入。很多給人用的 CLI 會跳出提示等你打字，agent 會卡在那裡。所有輸入都要能用 flag 給，帳密這類用環境變數或設定檔事先設好。

五、MCP 還是 CLI？

MCP 的毛病是規格在各家客戶端的實作不一致，平台還會自己加限制。他舉例 Claude 對 server 和工具描述有 2KB 上限，工具執行也有時間限制，長時間的工作不好做。

CLI 的毛病是版本要自己管，不像託管的 MCP server 永遠是最新版。沒有任何限制也有風險，agent 可能一直繞圈出不來。

他的選法：不寫程式的人要快速做原型、拉一次性報表，或想跟其他 MCP 串在一起，用 MCP。比較技術的使用者、跑比較久的任務、輸出很長要導到檔案再用 tail、head 看，用 CLI。

※ 來源：AI Engineer〈Designing CLIs for Agents, Not Humans — Pedro Lopez, Airbyte〉（YouTube，2026-10-09 上架）
※ 延伸：Airbyte Context Store、Airbyte agent MCP 文件
※ 逐字稿以 Whisper（medium.en）轉寫影片原音，並對照 YouTube 原音自動字幕（en-orig）與影片說明校正。內文投影片截圖取自原影片。本文為非官方整理，以原影片為準。