当你发现一个 AI 工具有 CLI，脑子里应该亮一下。因为它不再只是你手边的桌面软件，而变成了一个可被别的程序调用的能力。再往前一步，如果它有 HTTP 接口，它甚至不必和你在同一台机器上。
接口，就是一个系统把能力交给外部使用时约定的入口。按钮是一种接口，命令行是一种接口，HTTP API 也是一种接口。接口不同，能组合的方式就不同。
大白话说：接口像插座。能力本身是电，插座长什么样，决定了谁能接上来、怎么接。
从人调用工具，到工具调用工具
过去我们习惯了“人坐在屏幕前，打开工具，点击按钮”。这是人调用工具。AI Agent 出现以后，多了一种结构：一个 Agent 可以根据任务，去调用另一个工具，甚至另一个 Agent。
Agent，这里指能观察任务、做计划、调用工具、根据结果继续行动的 AI 工作单元。它不只是一次回答，而是一个小循环：看见、判断、行动、检查。
比如一个主 Agent 负责读需求，发现需要改代码，就调用编程工具的 CLI；编程工具改完后，主 Agent 再调用测试命令；测试失败，它把错误交回编程工具继续修。整个过程里，人不需要每一步都点按钮，只需要设置目标、边界和验收标准。
这不是玄学自动化，它仍然建立在很朴素的东西上：命令能不能跑，参数能不能传，输出能不能读懂，错误能不能恢复。所谓 Agent 协作，落到底就是接口协作。
为什么懂接口的人更会创新
不懂接口的人，看到的是产品形态。这个工具是 IDE 插件，那个工具是网页应用，另一个工具是手机 App。懂接口的人，看到的是能力形态：谁能读文件，谁能生成补丁，谁能查数据，谁能发通知，谁能验证结果。
一旦从能力形态看问题，组合空间就打开了。你可以让一个工具负责搜索，让另一个工具负责修改，让第三个工具负责审查；你可以把昂贵模型用在判断点，把便宜模型用在批量整理；你可以把本地执行和远程推理拆开，让任务在更合适的位置完成。
这里的关键不是“套娃式地让 AI 调 AI”，而是把复杂任务拆成清楚的能力节点。每个节点输入是什么，输出是什么，失败怎么表示，是否会改变外部状态。只要这些边界清楚，Agent 之间就能像软件模块一样组合。
组合不是越多越好
接口越多，系统也越容易混乱。一个 Agent 调另一个 Agent，如果没有清楚边界，可能互相等待、重复工作、把错误越传越远。真正好的组合，通常很克制：把判断、执行、验证分开，把危险操作加上权限，把不可逆动作留给人确认。
这又回到了基础。计算机科学里那些老概念：模块、协议、状态、幂等、日志、回滚，在 AI 时代没有过时。它们只是从后台工程原则，变成了智能系统能否可靠运转的前台条件。AI 越会做事，越需要这些条件给它铺路。