Der Autor beschreibt ein wiederkehrendes Muster beim Bau agentischer Systeme: Ein LLM – trainiert auf nahezu allen je geschriebenen Man-Pages, Shell-Skripten und Unix-Blogs – wird mit 47 eng gefassten MCP-Tools und einem 200-seitigen Integrationsleitfaden konfrontiert, anstatt einfach Zugang zur Kommandozeile zu bekommen. Die Kernthese lautet: LLMs sind bereits tief in Shell-Syntax fluent; die Abstraktion durch proprietäre Tool-Infrastrukturen ist deshalb ein Rückschritt. Stattdessen sollte jede SaaS-Plattform eine vollständige CLI als primäres Interface für nicht-menschliche Nutzer – also KI-Agenten – bereitstellen. Der Beitrag überträgt damit Richard Suttons „Bitter Lesson" aus dem Machine-Learning-Bereich (mehr Rechenleistung schlägt handcodierte Heuristiken) auf Interface-Design: Generische, mächtige Interfaces schlagen spezifische, handgestrickte Tool-Wrapper. Der Volltext ist nur für zahlende Abonnenten von TheSequence zugänglich; der veröffentlichte Auszug skizziert die Argumentationslinie, ohne konkrete Produktbeispiele oder empirische Belege zu nennen.