说明：本文讨论的是亚马逊运营 Skill 在真实业务场景里的工具选择：什么时候用 MCP 探索，什么时候用 CLI + Python 数据管道交付。它不是在比较 MCP 和 CLI 的协议设计、通信机制或底层实现原理。 最近我翻了一下自己写过的亚马逊运营 Skill。 市场调研，用 Sorftime CLI。 竞品监控，用 Sorftime CLI。 VOC 报告，也还是用 Sorftime CL...

这篇算是上一篇《如何利用 MCP/CLI 与大模型实现全自动市场调研？》的实践版，上一篇我把结果拿出来讲了一遍，这篇把背后的搭建过程拆开讲清楚。 上一篇文章发出去之后，有不少读者问我：那个 HTML 市场调研报告看起来挺完整，但到底怎么让 AI 稳定输出？为什么自己用 ChatGPT 写调研报告，每次结果都不一样？ 这个问题挺关键。很多人第一次用大模型做调研报告，效果都还可以。第二次再跑，结构开始