這篇文章怎麼來的？
yuanlin 和漸強實驗室的 Jin Hsueh 以及黑嘉嘉圍棋的彧熏葉，在 Appier 東京辦公室樓下的燒肉店聊到這些技術名詞——發現即使是創業者前輩，如果不是天天在用，其實都需要花時間理解。於是他在去成田機場的 Skyliner 上，把腦中的想法 dump 出來寫成了這篇筆記。
這篇文章適合誰？
開始接觸 AI 工具，常看到「支援 API / CLI / MCP / Skills」卻不知道差別的人；有軟體產品想讓 n8n、Claude Code、OpenClaw 等工具高效使用的人；正在做自動化、Agent、內部工具，想搞懂不同整合方式各自適合什麼場景的人。
⚡
API
Application Programming Interface
讓程式直接呼叫另一個程式的接口。最快的方式，但需要有人寫程式碼來呼叫。
Uber 舉例：寫一行 Python 就能叫車，不用打開 App。搶票系統不開放 API，就是故意不讓你用程式化方式搶票。
極快 ~3s
給程式用
🖥️
GUI
Graphical User Interface
包在 API 外面的好看畫面。人類點點按按就能用，但程式不好操控。
本質：GUI 背後其實也是呼叫 API。所謂「不提供 API」其實是用手段讓你不容易用，且不公開文件。
慢 ~3min
給人用
🤖
Browser Use
AI 自己操作瀏覽器
沒有 API？讓 AI 直接操作 GUI。萬能但很慢很貴。十年前叫「爬蟲」，現在是 Agent 的基本能力。
真實成本：打開網站 5s → 驗證 10s → 登入 30s → 切換頁面 5s → 輸入 15s → 按下按鈕 3s = 共 ~75s，與 API 的毫秒級差了一個數量級。
很慢 ~75s
給 AI 用
⌨️
CLI
Command Line Interface
用指令操作，是 GUI 和 API 的中間值。比 GUI 快、比寫程式簡單，指令都是國小英文。
AI 時代三大優勢：比 GUI 穩定（指令不會因改版壞掉）、比 Browser Use 快、比 API 更適合 LLM 使用且省 token。
快 ~5s
給人用
AI 也行
🔌
MCP
Model Context Protocol
統一的工具接口標準，讓 AI 從工具清單選一個就能用。但三大問題制約了它的發展。
三大問題：要等官方或社群開發 Server、很多 AI 工具沒完全支援協議（如 OAuth）、所有工具 schema 載入 system prompt 吃光 context window。
快 ~5s
給 AI 用
要等生態
🧠
Skills
AI 學會的技能
教 AI 一次，它自己記住怎麼做。不用等官方、不吃 context、完全客製化。
運作方式：讓 AI 花 20 分鐘研究某個 API/CLI，成功後記錄成 Skill（markdown 檔），下次直接用，只把名字放進 context，用到才展開細節。
快 ~5s
給 AI 用
自給自足