标签 · Cloudflare — Glean

11 条 · 按时间

08-19

不做容器化，给 Agent 一台会休眠的电脑：Cloudflare 开源 @cloudflare/computer

Cloudflare 发布 @cloudflare/computer 早期预览：一个面向 agent 的开源运行库，直接反对“给每个 agent 一个容器”的主流做法。核心理念是给 agent 一台“电脑”，由平台决定代码跑在 isolate、容器沙箱还是浏览器里。包的核心是 workspace——由 SQLite 支撑的持久化虚拟文件系统，可声明式初始化并附加不同执行后端。内置两种后端：isolate 后端用 just-bash 把 shell 翻译成 JavaScript，在 worker 里执行，文件通过绑定直接访问；容器后端用 FUSE 挂载文件系统并回写更改。两者共享同一份文件，agent 通过统一的 exec(string, options) 接口按需选择快的 worker 还是完整 Linux 容器，示例代码展示如何把 workspace 挂进 Durable Object 上的 @cloudflare/think agent，完成 bug 分诊。适合在 Cloudflare 上构建 agent harness 或对执行沙箱抽象感兴趣的工程师；目前是预览版，缺少基准数字和失败案例。

blog.cloudflare.com · 12 min · Agent Infrastructure · Agents · AI Engineering

08-10

Cloudflare OS：让每个员工拥有带权限治理的 Agent 工作台，开源可自部署

Cloudflare 开源其内部 AI 工作平台 Cloudflare OS，目标是把 Agent 从程序员扩展给全体成员。核心不是又一个聊天工具，而是一个绑定公司上下文与系统的工作区：Agent 默认零权限，通过 typed binding 拿到受限资源；Gatekeeper 作为外部服务与 Agent 之间的代理，持有凭证、执行策略并记录每次读取。当 Agent 把敏感数据做成仪表盘再共享时，平台会依据观察日志复核查看者权限，防止旁路泄露。应用即 Worker，每个应用拥有自己的 SQLite 状态，Agent 也能调用用户构建的方法。所有模型调用经 AI Gateway 统一控管。适合关注 Agent 基础设施、权限治理与内部工具平台工程的人阅读。

blog.cloudflare.com · 16 min · Agent Infrastructure · AI Agents · Capability Security

08-10

企业级 AI 工作台：每个应用都是可让 AI 改代码的私有沙箱

Cloudflare OS 是 Cloudflare 内部自用、现已开源的企业级 AI 生产力环境，定位是“公司操作系统”兼“AI 工作负载操作系统”。它不是传统 OS，而是一套把办公套件、应用开发与安全管控统一起来的平台：每个文档或工具都是一个由 AI 生成、独立沙箱运行的“Gadget”应用，用户可随时让内置 agent 修改代码；外部服务访问由“Gatekeeper”按能力安全模型逐项授权并审计，还支持把需要人工确认的操作推迟到之后批量审批。整套系统运行在 Cloudflare Workers / workerd 之上，深度使用 Durable Objects、Dynamic Workers 和 Facets，并默认具备实时多人协同。适合关注 AI 智能体基础设施、边缘计算平台与 AI 编程工具的工程师阅读或二次开发。

github.com · 23 min · Agent Architecture · AI Agents · Cloudflare

08-08

Cloudflare 提出 ADLC：把 CI/CD 变成 Workflow，让 Agent 接管软件工厂

Cloudflare 认为 AI 让软件开发中最慢最贵的“实现”环节变得又快又便宜，瓶颈因此转移到 SDLC 的其余阶段：开源维护者被 PR 淹没，生产工程师疲于应对更快的交付节奏。他们的答案是让 Agent 接管更多环节，并发布了一组配套工具：@cloudflare/ci、本地开发环境的 OpenTelemetry traces、Agent Traces，以及借 Workflows 编排 CI/CD 的完整方案。文章用代码示例展示了如何在 Workflow 中并行执行 lint/test/typecheck/build，并指出 CI/CD pipeline 只是 Workflow 的一种特例——Workflow 还能派生容器、Agent 和浏览器，并持久化状态数小时到数周。针对软件工厂，文章提出平台必须满足的七项要求：程序化、可横向扩展、可复现、实时推送、原子、可升级权限、自改进。适合在 Cloudflare 上构建 Agent 基础设施或探索自主交付管线的工程师。

blog.cloudflare.com · 14 min · Agent Engineering · AI Agents · Cloudflare

08-08

按需拉起 Linux：Cloudflare Computer 把 Agent 沙箱月成本从 $36.83 降到 $7.53

常规做法为每个 AI agent 常驻完整容器，但 agent 大量时间只是读文件、搜代码或等模型响应。Cloudflare Computer 改变分工：项目状态存于 Workspace Durable Object 的 SQLite VFS，日常读、搜索、小编辑在 Worker isolate 中通过 workspace.fs 和 just-bash 完成，只有 npm install、构建等真正需要 Linux 的操作才按需拉起容器；执行后通过 post-command pull 把变更同步回持久层。文章给出成本模型：容器占空比从 100% 降到 10%，月成本约从 $36.83 降至 $7.53（降 79.6%），且强调成功条件是 exitCode 与 sync.status 双通过，node_modules 默认不持久化。适合构建 coding agent、沙箱与持久工作区的工程师。

x.com · 10 min · Agent Infrastructure · Cloudflare · Cost Optimization

08-07

Cloudflare Agents 上线：先解决 Agent 可观测性

Cloudflare 宣布推出 Cloudflare Agents，将 Agent 的部署与运维收拢到一个控制台。首项能力是 Agent tracing：记录每次模型调用、工具执行、token 消耗、审批事件与子 Agent 调用，让开发者看清 Agent 行为与成本。默认支持 Think、Flue、AI SDK 等 OpenTelemetry 兼容框架，也可导出到任意 OTLP 目的地。会话回放可重现每轮的完整上下文，帮助定位错误工具参数、陈旧上下文和重试循环。配置只需在 wrangler.jsonc 开启 observability.traces，beta 期免费，2026 年 10 月后并入 Workers Observability 计费。适合在 Cloudflare 上运行 Agent 并需要更细粒度观测的工程团队。

blog.cloudflare.com · 9 min · Agent Engineering · AI Agents · Cloudflare

06-29

Cloudflare 为 AI Agent 推出临时账户，部署不再需要注册

Cloudflare 推出临时账户功能，允许 AI 代理通过 `wrangler deploy --temporary` 直接部署 Workers，无需人工参与注册或认证。临时账户有效期为 60 分钟，期间代理可多次迭代部署，开发者也可随时认领为永久账户。文章解释了后台 AI 会话因缺乏浏览器交互而难以完成 OAuth 等认证步骤，该功能通过 CLI 自动提示 `--temporary` 标志，使代理自主发现并完成部署，实现快速试错和验证。文中给出了从编写 TypeScript hello world 到修改重部署的完整示例，并提及与 Stripe、WorkOS 的合作以进一步消除代理部署摩擦。适合构建 AI 代理平台或使用编码代理的开发人员。

x.com · 1 min · Agent Infrastructure · Agents · CLI

06-17

面向 AI 时代的全栈记忆引擎：自动提取、持续更新、智能遗忘

Supermemory 是一套为 AI 应用和 Agent 设计的记忆与上下文引擎，提供 API、MCP 服务、浏览器插件和 Web 应用。它解决了大模型对话间记忆丢失的问题，能自动从对话中提取事实、构建用户画像、处理知识更新和矛盾，并支持智能遗忘过期信息。项目集成了混合搜索（RAG+记忆）、文件解析和多款 SaaS 连接器，让开发者用单一接口即可为应用注入持久化、个性化的上下文能力。适合正在构建 AI Agent、需要完整记忆层的工程师，也适合希望个人 AI 工具具备跨会话记忆的用户。

github.com · 14 min · Agent-Memory · Ai-Memory · Cloudflare

06-08

Maple：基于 OpenTelemetry + ClickHouse 的开源可观测性平台

Maple 是一个开源可观测性平台，提供 traces、logs、metrics 的采集、存储与可视化能力。它采用 OpenTelemetry 标准与 ClickHouse 存储，采用 Effect 驱动的后端 API 和 TanStack SPA 前端。项目以 monorepo 形式组织，包含 OTLP 数据摄取网关、告警引擎、仪表板持久化等组件，支持 Clerk 或自托管认证，适合希望自建可观测性栈且偏好 TypeScript 工程体系的团队。

github.com · 9 min · ClickHouse · Cloudflare · Monorepo

06-06

为什么你的AI代理被工具淹没（以及代码模式如何拯救它）

文章指出AI代理通过MCP集成大量工具时，容易陷入上下文膨胀和工具幻觉。50+工具可能占据5-7%的上下文窗口，导致多工具混淆。传统方案包括代理端过滤和MCP端精简，但各有局限。代码模式通过让LLM编写代码来搜索和执行工具，大幅减少令牌消耗，支持复杂控制流，同时引入调试和基础设施成本。以Cloudflare及Anthropic的实现为例，强调核心在于回归用例，维护合理工具集，而非追求魔数。

engineering.leanix.net · 7 min · Agents · Cloudflare · LLM

06-01

Cloudflare 多智能体代码审查实战：7 个专项 Agent 并行，30 天跑完 13 万次 review

Cloudflare 内部构建了一套基于 OpenCode 的 AI 代码审查系统，用专门的协调器管理最多 7 个领域 Agent（安全、性能、文档等），在 GitLab CI 中全自动运行。上线 30 天处理了超 13 万次审查，中位耗时 3 分 39 秒，平均成本 $1.19。文章深入剖析了插件架构、风险分级、断路器恢复、增量重审、提示注入防护等工程细节，并坦诚列出了架构感知、并发 bug 等当前局限。适合对 AI 辅助开发与 CI/CD 集成有实战需求的工程师阅读。

blog.cloudflare.com · 51 min · AI · Cloudflare · LLM