api2cli：让 Claude 把任意 API 变成 CLI，再把用法说明书也一起写了

api2cli 是一个 Claude Code Skill，能把任意 API 变成可用的 CLI 工具，并进一步生成 SKILL.md——让未来的 Claude 会话无需阅读代码即可直接使用这个 CLI。套娃两层：Claude 把 API 变成 CLI，再把「怎么用这个 CLI」的说明书也写了。

使用方式极简：你只需告诉 Claude「给我把 Resend API 包装成 CLI」，Claude 会自动发现所有端点（支持文档页面、实时 URL 探测、peek-api 抓包三种方式），生成一个基于 Commander.js 的 CLI 工具，输出双模式——终端直接运行时人类可读，管道传输时自动切换为 JSON 格式，方便 AI Agent 使用。

核心价值在于「可复用性」：生成的 SKILL.md 会告诉未来的 Claude 所有可用命令和常见工作流，一次生成、永久可用，任何 Claude Code 会话都能直接拿来用，完全不需要重新读 API 文档。

核心概念

api2cli 解决的是一个「工具可发现性」的问题：你有一个 API，想让 Claude Agent 用它，但每次都要让 Claude 重新读文档太慢了。通过 api2cli，你可以一次性生成 CLI + Skill，之后所有会话都能直接调用。

生成的产物

1. Commander.js CLI

特点：

**双模式输出**：终端运行时人类可读，管道时自动切换 JSON
**自文档化**：不带参数运行时输出所有命令列表
**完整 API 客户端**：内置认证、分页、重试（指数退避）、速率限制、缓存
**Agent 友好错误**：错误信息包含修复建议（next_actions）

示例（Resend 邮件 API）：

# 终端直接运行（人类可读）
$ npx tsx scripts/resend.ts domains list
ID         Domain          Status
re_abc123  example.com     verified

# 管道传输（Agent 可读）
$ npx tsx scripts/resend.ts domains list | cat
{
"ok": true,
"result": { "domains": [...] },
"next_actions": [
{ "command": "resend domains get re_abc123" }
]
}

2. SKILL.md

生成的 SKILL.md 会放在 `.claude/skills/{service}/` 目录，内容包括：

所有可用命令（带参数说明）
常见多步骤工作流
正确的触发短语（让 Claude 自动激活）
认证配置方法

端点发现方式

| 方式 | 适用场景 |

|------|----------|

| 文档页面解析 | 公开 API 文档 |

| 实时 URL 探测 | 有 Base URL + 凭证的 API |

| peek-api 抓包 | 需要抓取网络流量来发现内部端点 |

安装使用

# 克隆仓库
git clone https://github.com/alexknowshtml/api2cli.git

# 将 skill 复制到你的项目
cp -r api2cli/skill/ /path/to/your/project/.claude/skills/api2cli/

然后在 Claude Code 中说：

给我把 Resend API 包装成 CLI
把这个文档页面的 API 生成 CLI：https://docs.example.com/api

适用场景

**自动化工具链**：把各种 SaaS API 变成 Claude 可以调用的工具
**团队共享**：生成一次 Skill，团队所有人的 Claude Code 都能用
**内部 API**：用 peek-api 抓包发现公司内部 API 的端点，然后生成 CLI
**测试和调试**：双模式输出让手动测试和 Agent 调用都很方便

局限性

需要 Claude Code 才能运行（不是独立工具）
生成质量依赖 API 文档的完整度
复杂认证流程（OAuth 2.0 等）可能需要手动补充

深度分析与行业展望

从更宏观的视角来看，这一发展体现了AI技术从实验室走向产业化应用的加速趋势。行业分析师普遍认为，2026年将是AI商业化的关键转折年。在技术层面，大模型的推理效率持续提升，部署成本不断下降，使得更多中小企业能够接入先进的AI能力。在市场层面，企业对AI投资的回报预期正在从长期战略转向短期可量化收益。

然而，AI的快速普及也带来了新的挑战：数据隐私保护的复杂化、AI决策透明度的需求增加、以及跨境AI治理协调的困难。多国监管机构正在密切关注相关动态，试图在促进创新与防范风险之间寻找平衡。对于投资者而言，识别真正具有可持续竞争优势的AI企业变得越来越重要。

从产业链角度分析，上游基础设施层正在经历整合与重构，头部企业通过垂直整合不断扩大竞争壁垒。中游平台层的开源生态日益繁荣，降低了AI应用的开发门槛。下游应用层则呈现百花齐放的态势，金融、医疗、教育、制造等传统行业的AI渗透率正在加速提升。