CLI Is All You Need

Le persone mi chiedono spesso: "Claude Code è chiaramente migliore degli altri strumenti di coding con AI, ma non riesco a spiegare bene il perché." Questo post sul blog di Marco Franzon fa un ottimo lavoro nello spiegarne il motivo. Sia Claude Code sia il recente e popolare OpenClaw condividono una caratteristica fondamentale: entrambi collegano le capacità dei modelli linguistici di grandi dimensioni direttamente alla riga di comando del terminale di sistema. È proprio per questo motivo che l'AI può fare molto più che semplicemente "darti un suggerimento" -- può effettivamente entrare nella directory del tuo progetto e mettersi al lavoro: cercare, modificare, eseguire, testare, fare commit e fare debug, formando un ciclo di sviluppo automatizzato e ben integrato. Molti pensano al terminale come a un "metodo di input all'antica", ma in realtà è vero l'opposto. I sistemi informativi più critici al mondo girano tutti sulla riga di comando: l'elaborazione delle transazioni bancarie, le prenotazioni e la pianificazione delle compagnie aeree, lo smistamento e il tracciamento logistico, e i processi operativi fondamentali di enti pubblici e governativi. La riga di comando è rimasta l'"interfaccia universale" per così tanto tempo perché è sufficientemente stabile, sufficientemente general-purpose, sufficientemente componibile e sufficientemente facile da automatizzare. I LLM sono stati addestrati su enormi volumi di dati da riga di comando e riescono a operare sul terminale con una precisione notevole. Quindi, quando LLM potenti incontrano la flessibilità della riga di comando, il risultato è una combinazione che l'umanità non aveva mai visto prima.

L'hype su MCP è finita.

MCP (Model Context Protocol), che negli ultimi due anni era considerato ampiamente il futuro degli strumenti per agenti AI, si è rivelato troppo macchinoso nella pratica. Nel 2026, gli sviluppatori che danno valore a velocità ed efficienza stanno tornando al terminale a riga di comando. Danno agli LLM l'accesso diretto alla Shell, permettendo agli agenti di richiamare strumenti testati sul campo da decenni -- strumenti come git, rg, grep, npm, docker, curl, jq e tail. Gli sviluppatori non hanno più bisogno di server personalizzati o di descrizioni di schema gonfie che riempiono le finestre di contesto. Ti serve solo un modello AI potente abbinato a Bash o Zsh, e strumenti di coding assistito da AI come Deep Code offrono risultati notevoli.

Perché MCP ha perso fascino nello sviluppo quotidiano

Per i flussi di lavoro di sviluppo tipici, MCP spesso aggiunge attrito invece di ridurlo, per diversi motivi:

• Spreco di token: I lunghi cataloghi di strumenti e le descrizioni degli schema consumano spazio di contesto prezioso.
• Reinventare la ruota: I server MCP personalizzati duplicano spesso funzionalità che gli strumenti CLI standard gestiscono già in modo affidabile.
• Scarsa componibilità: Gli sviluppatori perdono le capacità di piping, chaining e modifica al volo che i sistemi Unix hanno perfezionato da decenni.
• Compatibilità dei modelli: I principali LLM sono stati addestrati estensivamente sull'uso della Shell. Questi modelli comprendono parametri, pipe, messaggi di errore e documentazione con una precisione impressionante.

La best practice è semplice: Apri la directory del tuo progetto in Deep Code, concedi i permessi di esecuzione della Shell entro limiti di sicurezza, poi dagli i comandi che descrivono cosa vuoi ottenere. Deep Code pianificherà automaticamente, eseguirà comandi, modificherà file, eseguirà test, farà commit del codice e farà debug.

MCP mantiene ancora valore negli ambienti enterprise regolamentati e nelle integrazioni di API SaaS che richiedono una type safety rigorosa. Ma per l'80-90% del lavoro quotidiano, è solo rumore di fondo.

Scenari in cui la riga di comando supera nettamente MCP

Nel mio sviluppo quotidiano, incontro spesso situazioni che rendono evidenti e dolorosi i limiti di MCP.

Refactoring del codice su tutto il progetto

Deep Code parte con un comando tipo: rg "oldDeprecatedFunction" . Mappa l'ambito delle modifiche. Fa modifiche mirate su più file. Verifica con git diff. Esegue npm test o cargo test. Poi fa il commit: refactor: remove deprecated API calls

In scenari come questo, non serve un server GitHub MCP -- bastano rg e git.

Debug full-stack di bug in produzione

Do a Deep Code questa istruzione: Riproduci il fallimento dell'autenticazione utente nell'ambiente di staging. Deep Code scarica il codice, avvia l'ambiente di staging e monitora gli errori nei log. Verifica le API con curl, avvia i database con docker-compose ed esegue casi di test specifici.

Non serve un Docker MCP. Non serve un MCP per il logging. Basta una shell competente.

Scaffolding di un nuovo microservizio

Do a Deep Code questa istruzione: Costruisci un'API per il profilo utente in Rust con Axum + sqlx. Usa Postgres come database. Deep Code usa la toolchain già installata sulla macchina (come cargo di Rust) per creare il progetto, aggiungere le dipendenze e avviare il servizio.

La toolchain esistente è sufficiente -- non serve alcun database MCP.

Risolvere i fallimenti intermittenti di CI/CD

Deep Code clona il repo. Esegue il workflow in locale con act. Individua il fallimento. Modifica .github/workflows/ci.yml o il Dockerfile. Verifica con docker build. Fa push di un branch. Apri una PR con gh.

Tutti strumenti CLI standard. Nessun layer di integrazione CI personalizzato richiesto.

Pattern nei feedback degli sviluppatori

I team che usano l'approccio nativo a riga di comando di Deep Code hanno riportato i seguenti vantaggi:

• Delivery significativamente più veloce.
• Consumo di token più prevedibile.
• Maggiore trasparenza nel comportamento degli strumenti assistiti da AI.
• Supervisione e debug più semplici delle operazioni AI.

In sintesi, il consenso emergente è chiaro: Smetti di costruire integrazioni. Costruisci strumenti CLI. Perché Bash è il MCP definitivo.

Il terminale è sempre stato l'ambiente di sviluppo universale

Nel 2026, il terminale è anche l'interfaccia più potente per gli agenti di coding AI. A meno che tu non stia lavorando con strumenti enterprise specializzati, puoi tranquillamente saltare l'intero stack MCP pesante.

Ti basta aprire la directory del tuo progetto in Deep Code, concedergli l'accesso alla Shell, descrivere il tuo task e guardarlo lavorare.