mas-cli 2.0.0 发布:全面适配 macOS 15.4+ 的重大更新
mas-cli 是一个 macOS 上的命令行工具,用于管理 Mac App Store(MAS)应用程序。它允许用户通过命令行搜索、安装、更新和卸载 App Store 应用,为喜欢终端操作或需要自动化管理应用的用户提供了极大便利。
重大变更:最低系统要求提升至 macOS 10.15
mas-cli 2.0.0 版本最显著的变化是将最低系统要求从 macOS 10.13(High Sierra)提升到了 macOS 10.15(Catalina)。这一变更主要出于以下技术考量:
-
Swift 并发模型迁移:项目从第三方 PromiseKit 迁移到了原生的 Swift Concurrency(Swift 并发),这需要 macOS 10.15 及以上版本的支持。Swift Concurrency 是苹果在 Swift 5.5 中引入的现代并发编程模型,相比 PromiseKit 提供了更好的性能和更简洁的代码结构。
-
应用列表获取方式重构:新版本放弃了原先依赖的 Apple 私有框架 CommerceKit,转而使用公开的 Spotlight 元数据接口来获取已安装的 MAS 应用列表。这一变更不仅解决了在 macOS 15.4 及以上版本中应用列表为空的问题,还提高了工具的长期稳定性,因为 Spotlight 作为公开接口不太可能突然失效。
关键修复:macOS 15.4+ 兼容性问题
在 macOS 15.4 中,原先使用的 CKSoftwareMap.shared().allProducts() 方法开始返回空数组,导致 list、outdated 和 update 命令失效。2.0.0 版本通过以下方式解决了这个问题:
-
Spotlight 元数据替代方案:现在通过查询 Spotlight 的
kMDItemAppStoreHasReceipt属性来识别 MAS 安装的应用。这种方法虽然可靠,但目前存在一个小限制:应用名称是从应用文件夹名称派生而来(去除.app后缀),可能与实际应用名称略有差异。 -
应用排序优化:新版本对已安装应用列表进行了不区分大小写的按名称排序,提升了用户体验。
其他改进
-
版本检测优化:移除了从 MAS 网页抓取应用版本信息的逻辑,简化了版本检测流程。
-
开发工具链升级:包括测试框架 Quick 和 Nimble 的版本更新,以及 SwiftLint 配置的调整,提高了开发效率和代码质量。
-
构建系统改进:解决了多架构可执行文件构建的问题,并优化了版本命名策略。
技术影响与用户建议
对于开发者而言,这次更新展示了如何将项目从依赖私有 API 迁移到公开接口的最佳实践,同时也体现了采用现代 Swift 特性的优势。对于终端用户,建议所有使用 macOS 10.15 及以上系统的用户升级到此版本,特别是那些已经升级到 macOS 15.4 的用户,以确保所有功能正常工作。
需要注意的是,由于系统要求提高,仍在使用 macOS 10.13 或 10.14 的用户将无法使用此版本。这些用户可以考虑继续使用 1.x 版本,或者升级操作系统以获得更好的兼容性和安全性。
mas-cli 2.0.0 的发布标志着该项目向着更稳定、更可持续的方向迈出了重要一步,为未来的功能扩展奠定了坚实基础。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00