Speakeasy 近期發布了 CLI 生成工具的 Beta 版本，旨在解決 API 團隊普遍缺乏 CLI 介面，導致 AI Agent 無法高效調用 API 的技術缺口。該工具能將任何 API 轉換為具備「人類互動」與「機器可讀」雙重模式的 Go 語言 CLI，為開發者與 AI Agent 提供統一的存取路徑。

核心觀點與市場定位
作者指出，儘管「MCP (Model Context Protocol) 伺服器」在連接 AI 與 API 方面取得突破，但它主要服務於非技術使用者及無 Shell 環境。對於 Claude Code、Cursor、Codex 與 Windsurf 等「程式開發 Agent」而言，終端機（Terminal）才是其原生環境，CLI 才是最自然的介面。Speakeasy 的目標是透過單一生成流程，同時滿足人類使用者與 AI Agent 的需求。

Agent 友善的技術設計
為了提升 Agent 的執行效能，該工具內建了多項針對 AI 優化的機制：

• 漸進式揭露 (Progressive disclosure)：透過子指令與 --help 結構，讓 Agent 能逐步探索功能，無需一次載入龐大的工具定義。
• LLM 熟悉度：利用模型對 Shell 腳本的訓練基礎，讓 Agent 能直接理解 CLI 慣例。
• 可組合性 (Composability)：支援 Unix 管線（pipes）與 jq 過濾，讓 Agent 能在資料進入 Context 前過濾無關資訊，節省 token 並聚焦推理。
• 自動化 Agent 模式：CLI 能自動偵測是否運行於 Agent 環境，並切換至「Agent 模式」，提供結構化的 TOON 輸出格式、關閉互動提示，並回傳結構化錯誤代碼，確保機器解析的可靠性。

開箱即用的生產級功能
生成的 CLI 專案具備多項標準化功能，確保開發者能快速部署：

• 互動式 TUI：提供 explore 指令供人類瀏覽文件與執行操作，並在參數缺失時自動觸發互動提示。
• 彈性輸入與輸出：支援多種輸入方式（flags、JSON body、stdin）及五種輸出格式（pretty、json、yaml、table、toon），並內建 --jq 支援。
• 安全性與穩定性：原生支援 OAuth 2.0、API keys 等驗證，並將密鑰儲存於作業系統的 Keychain 中；內建自動分頁（pagination）與指數退避（exponential backoff）重試機制。
• 除錯與預覽：提供 --dry-run 預覽請求及 --debug 輸出診斷資訊，確保 stdout 的乾淨度。

開發流程與擴展性
Speakeasy 透過分析 OpenAPI 規格，在幾分鐘內即可生成完整的 Go 專案，並確保 CLI 與 API 的同步。

• 自動化維護：當 API 變更時，只需重新生成即可同步指令、參數與文件，避免兩者脫節。
• 客製化空間：透過 gen.yaml 配置檔可調整執行檔名稱與主題；同時支援「自定義程式碼區域」，允許團隊在生成的基礎上添加業務邏輯，且這些手寫程式碼在重新生成時不會被覆蓋。

作者強調，CLI 與 MCP 並非對立關係，而是互補。最佳的 API 平台應同時提供這兩種介面，以覆蓋不同的使用者群體與執行環境。