Hop til hovedindhold

CLI er alt, du behøver

CLI er alt, du behøver — Hvorfor Deep Code overgår andre AI-kodningsværktøjer

Folk spørger mig ofte: "Claude Code er tydeligvis bedre end andre AI-kodningsværktøjer, men jeg kan ikke helt forklare hvorfor." Følgende blogindlæg af Marco Franzon forklarer årsagen glimrende. Både Claude Code og den nyligt populære OpenClaw deler ét grundlæggende træk: de forbinder begge store sprogmodellers kapacitet direkte med systemets terminalkommandolinje. Det er netop derfor, AI kan gøre mere end bare "give dig et forslag" — den kan faktisk gå ind i din projektmappe og gå i gang med at arbejde: søge, ændre, køre, teste, commite og debugge, hvilket danner en tæt automatiseret udviklingscyklus. Mange mennesker tænker på terminalen som en "gammeldags inputmetode," men i virkeligheden er det modsatte tilfældet. Verdens mest kritiske informationssystemer kører alle på kommandolinjen: banktransaktionsbehandling, flybooking og planlægning, logistiksortering og sporing, og kerneforretningsprocesser i offentlige institutioner. Kommandolinjen har forblevet den "universelle grænseflade" så længe, fordi den er stabil nok, generel nok, sammensætbar nok og nem nok at automatisere. LLM'er er trænet på enorme mængder kommandolinjedata og kan betjene kommandolinjen med bemærkelsesværdig præcision. Så når kraftfulde LLM'er møder kommandolinjens fleksibilitet, er resultatet en kombination, menneskeheden aldrig har set før.

MCP-hypen er forbi.​

MCP (Model Context Protocol), der bredt blev set som fremtiden for AI-agentværktøjer de sidste to år, har vist sig at være for besværligt i praksis. I 2026 vender udviklere, der værdsætter hastighed og effektivitet, tilbage til kommandolinjeterminalen. De giver AI-LLM'er direkte adgang til Shell, så agenter kan kalde værktøjer, der har været kampafprøvet i årtier — værktøjer som git, rg, grep, npm, docker, curl, jq og tail. Udviklere behøver ikke længere brugerdefinerede servere eller oppustede skemabeskrivelser, der fylder deres kontekstvinduer. Alt, du behøver, er en kraftfuld AI-model sammen med Bash eller Zsh, og AI-assisterede kodningsværktøjer som Deep Code leverer bemærkelsesværdige resultater.

Hvorfor MCP tabte sin appel i daglig udvikling​

Til typiske udviklingsarbejdsgange tilføjer MCP ofte friktion frem for at reducere den, af flere årsager:

  • Token-overhead: Lange værktøjskataloger og skemabeskrivelser forbruger værdifuld kontekstplads.
  • Genopfindelse af hjulet: Brugerdefinerede MCP-servere duplikerer ofte funktionalitet, som standard-CLI-værktøjer allerede håndterer pålideligt.
  • Dårlig sammensættelighed: Udviklere mister piping, kædning og on-the-fly modifikationsmuligheder, som Unix-systemer perfektionerede for årtier siden.
  • Modelkompatibilitet: Førende LLM'er er grundigt trænet i Shell-brug. Disse modeller forstår parametre, pipes, fejlmeddelelser og dokumentation med imponerende nøjagtighed.

Bedste praksis er simpel: Åbn din projektmappe i Deep Code, giv Shell-kørselstilladelse inden for sikkerhedsrammerne, og giv den derefter kommandoer, der beskriver, hvad du vil opnå. Deep Code vil automatisk planlægge, køre kommandoer, redigere filer, udføre teste, commite kode og debugge.

MCP har stadig værdi i regulerede virksomhedsmiljøer og SaaS API-integrationer, der kræver streng typesikkerhed. Men for 80 til 90 procent af det daglige arbejde er det bare støj.

Scenarier hvor kommandolinjen overgår MCP​

I min daglige udvikling støder jeg ofte på situationer, der gør MCP's begrænsninger smerteligt tydelige.

Projektdækkende koderefactoring​

Deep Code starter med en kommando som: rg "oldDeprecatedFunction". Den kortlægger ændringsomfanget. Den laver målrettede redigeringer på tværs af flere filer. Den gennemgår med git diff. Den kører npm test eller cargo test. Så committer den: refactor: remove deprecated API calls

I scenarier som dette er der ingen brug for en GitHub MCP-server — bare rg og git.

Fullstack-fejlfinding af produktionsfejl​

Jeg giver Deep Code denne instruktion: Reproducer brugerautentificeringsfejlen i staging-miljøet. Deep Code henter koden, starter staging-miljøet og overvåger logfejl. Den udforsker API'er med curl, starter databaser med docker-compose og kører specifikke testcases.

Ingen Docker MCP nødvendig. Ingen lognings-MCP nødvendig. Bare en kompetent shell.

Scaffold et nyt microservice​

Jeg giver Deep Code denne instruktion: Byg et Rust brugerprofil-API med Axum + sqlx. Brug Postgres som database. Deep Code bruger den toolchain, der allerede er installeret på maskinen (såsom Rusts cargo) til at oprette projektet, tilføje afhængigheder og starte servicen.

Den eksisterende toolchain er tilstrækkelig — ingen database-MCP nødvendig.

Fejlretning af ustabile CI/CD-fejl​

Deep Code kloner repoet. Den kører workflowet lokalt med act. Den identificerer fejlen. Den ændrer .github/workflows/ci.yml eller Dockerfilen. Den verificerer med docker build. Den skubber en branch. Den åbner et PR med gh.

Alt sammen standard-CLI-værktøjer. Ingen brugerdefineret CI-integrationslag nødvendig.

Mønstre i udviklerfeedback​

Teams, der bruger Deep Code's indbyggede kommandolinjetilgang, har rapporteret følgende fordele:

  • Markant hurtigere levering.
  • Mere forudsigeligt token-forbrug.
  • Større gennemsigtighed i AI-assisteret værktøjsadfærd.
  • Lettere tilsyn og fejlfinding af AI-operationer.

Opsummerende er den spirende konsensus klar: Stop med at bygge integrationer. Byg CLI-værktøjer i stedet. Fordi Bash er den ultimative MCP.

Terminalen har altid været det universelle udviklingsmiljø​

I 2026 er terminalen også den mest kraftfulde grænseflade til AI-kodningsagenter. Medmindre du arbejder med specialiserede virksomhedsværktøjer, kan du springe den tunge MCP-stack helt over.

Bare åbn din projektmappe i Deep Code, giv den Shell-adgang, beskriv din opgave, og se den arbejde.