Por que sua CLI precisa ser repensada para agentes de IA

CLIs tradicionais são feitas para olhos humanos: usam cores, spinners, prompts interativos e saídas informais, tudo o que atrapalha um agente de IA. Quando Claude Code ou Cursor acessam o shell, não há quem digite --yes ou interprete um spinner girando. O que funciona é um binário previsível, sem estado, que aceita entradas estruturadas (como JSON) e devolve saída estruturada com contrato explícito, não um texto livre que exige parsing frágil. Isso não é só conveniência: uma CLI mal projetada pode gerar alucinações funcionais, como apagar um repositório por causa de um parâmetro mal interpretado.

O JSON Schema virou peça central nisso. Provedores como OpenAI e Anthropic já impõem saídas em JSON nativamente, mas mesmo modelos mais antigos podem ser forçados a obedecer com bibliotecas como a 'Structured JSON Agent' (lançada em janeiro de 2026), que usa autocorreção em loop. A diferença prática é clara: conformidade de saída salta de ~35% (só com prompt) para 100% com esquema válido. E isso se traduz diretamente em menos erros, menos retrabalho e menos tokens gastos em tentativas falhas.

Um comando CLI bem desenhado para agentes reduz custo operacional e risco funcional. Trocar um servidor MCP por uma CLI para uma tarefa simples, como converter um arquivo, corta até 40% do consumo de tokens. Binários CLI são sempre disponíveis, sem latência de inicialização nem falhas de conexão. Já o MCP carrega definições de ferramentas na janela de contexto a cada chamada, consumindo tokens mesmo quando ocioso. Para equipes de engenharia que operam agentes em produção, essa disciplina não é opcional: sistemas monitoram uso de contexto em tempo real e acionam rotação de sessão a 80% de ocupação. Ignorar isso significa pagar mais, esperar mais e correr riscos maiores, especialmente em pipelines de CI/CD ou infraestrutura como código.