Cloudflare Everything stellt den Agenten-Stack auf den Prüfstand

Cloudflare beendete seine erste Agents Week mit mehr als 20 Ankündigungen, doch die Geschichte hinter Cloudflare Everything ist größer als ein weiterer überladener Produktrückblick. Das Unternehmen hat Compute, Memory, Identität, Suche, Browser, Netzwerk und Deployment-Tools zu einer agentenfokussierten Plattform zusammengeführt.

Diese Breite erzeugt den eigentlichen Konflikt. Cloudflare stellt die Annahme infrage, dass produktive Agenten in einem traditionellen Hyperscaler angesiedelt sein sollten, umgeben von separaten Services und regionaler Infrastruktur. Die Alternative beginnt mit weltweit verteilten Workers und ergänzt die Komponenten, die Agenten für einen langfristigen Betrieb benötigen.

AWS, Google Cloud und Microsoft bieten bereits ernstzunehmende Agentenplattformen. Sie verfügen zudem über tiefere Enterprise-Beziehungen und breitere Produktkataloge. Cloudflare muss daher beweisen, dass architektonische Geschlossenheit wichtiger ist als die Stellung etablierter Anbieter, vertraute Beschaffungsprozesse oder der Komfort, KI-Workloads neben bestehenden Daten zu halten.

Das Unternehmen bezeichnet sein Ziel als die agentische Cloud oder „Cloud 2.0“. Dieses Label ist weiterhin eine Unternehmensthese und keine etablierte Marktkategorie. Die Ankündigungen zeigen jedoch genau, wie Cloudflare sie auf die Probe stellen will.

Cloudflare Everything aus der Agents Week war ein einzelner Stack

Cloudflare hat kein einzelnes Flaggschiffprodukt für Agenten vorgestellt. Stattdessen schloss das Unternehmen Lücken entlang des gesamten Wegs von der Ausführung bis zum Internetzugang.

Der offizielle Rückblick zur Agents Week gliedert die Veröffentlichungen in Compute, Sicherheit, eine Agenten-Toolbox, Production Tooling und das agentische Web. Diese Struktur ist wichtig, weil Agenten selten daran scheitern, dass ihnen eine Chatbot-Oberfläche fehlt. Sie scheitern, wenn das umgebende System keinen Zustand bewahren, Zugangsdaten kontrollieren, Code ausführen oder Unterbrechungen überstehen kann.

Auf der Compute-Ebene hat Cloudflare Sandboxes allgemein verfügbar gemacht. Eine Sandbox ist eine isolierte Computerumgebung, in der ein Agent Befehle ausführen, Dateien bearbeiten und Hintergrundprozesse aufrechterhalten kann. Anders als eine kurzlebige Funktion kann sie die Arbeit mit dem zuvor erhaltenen Zustand fortsetzen.

Cloudflare positionierte Sandboxes für Coding-Agenten und andere Workloads, die eine Shell oder eine vollständige Softwareumgebung benötigen. Das Sandbox-Design des Unternehmens kombiniert persistente Sitzungen mit bedarfsgerechtem Start. Damit erhält ein Agent einen Ort, um Pakete zu installieren, Tests auszuführen, Repositories zu klonen oder eine Aufgabe fortzusetzen, nachdem er auf externe Eingaben gewartet hat.

Artifacts ergänzt Git-kompatiblen, versionierten Speicher für Code und Daten. Cloudflare zufolge können Entwickler zig Millionen Repositories erstellen und über Standard-Git-Clients darauf zugreifen. Zusammen schaffen Artifacts und Sandboxes einen grundlegenden Ablauf: Ein Agent erhält einen Workspace, verändert Dateien, speichert Versionen und kehrt später zurück.

Durable Object Facets erweitert dieses Modell auf KI-generierte Anwendungen. Durable Objects sind zustandsbehaftete Cloudflare-Services, die Daten und Berechnungen um ein persistentes Objekt herum koordinieren. Mit Facets können Plattformen isolierte Durable Objects erstellen, jeweils mit einer eigenen SQLite-Datenbank, für dynamisch generierte Anwendungen.

Cloudflare hat außerdem die Control Plane hinter Workflows überarbeitet, seiner langlebigen Engine für mehrstufige Jobs. Laut Unternehmen unterstützt Workflows nun 50.000 gleichzeitige Instanzen und eine Erstellungsrate von 300 Instanzen pro Sekunde. Dabei handelt es sich um vom Unternehmen angegebene Service-Limits, nicht um unabhängige Performance-Ergebnisse.

Die Sicherheitsveröffentlichungen befassen sich damit, was passiert, wenn diese Agenten über ihre eigenen Workspaces hinausgreifen. Cloudflare Mesh verbindet Nutzer, Maschinen, Workers und autonome Agenten über private Netzwerke hinweg. Workers VPC kann einem Agenten anschließend begrenzten Zugriff auf private Datenbanken oder interne APIs geben.

Managed OAuth für Cloudflare Access ermöglicht Agenten, sich im Namen eines Nutzers bei geschützten Anwendungen zu authentifizieren. OAuth ist ein Standard für delegierte Autorisierung, der begrenzten Zugriff gewährt, ohne dem Agenten das Passwort eines Nutzers auszuhändigen. Cloudflare verknüpfte seine Implementierung mit RFC 9728, der Metadaten für geschützte Ressourcen standardisiert.

Cloudflare führte außerdem scanbare API-Tokens ein, erweiterte die OAuth-Transparenz und machte ressourcenspezifische Berechtigungen allgemein verfügbar. Outbound Workers für Sandboxes fungieren als programmierbare Egress-Proxys und fügen Zugangsdaten nur ein, wenn genehmigter Datenverkehr die Sandbox verlässt.

Dieses Design soll verhindern, dass rohe Secrets in Code gelangen, den ein Agent erzeugt oder heruntergeladen hat. Zudem erhalten Administratoren einen Policy-Kontrollpunkt zwischen einem autonomen Prozess und den Systemen, die er erreichen möchte.

Die Agenten-Toolbox lieferte weitere fehlende Bausteine. Agent Memory bietet persistente Erinnerung, AI Search übernimmt Retrieval, Browser Run steuert Websitzungen und Email Service gibt Agenten einen Posteingangskanal. Workers AI und AI Gateway decken Inferenz über Cloudflare-Modelle und externe Anbieter ab.

Das Ergebnis ist nicht ein einzelnes Produkt mit einer einzelnen Adoptionsentscheidung. Es ist der Versuch, Cloudflare zu dem Ort zu machen, an dem sich das gesamte operative Leben eines Agenten abspielt.

Die Agenten-Toolbox reicht nun über Inferenz hinaus

Die wichtigsten Veröffentlichungen geben Agenten Kontinuität und Werkzeuge, nicht lediglich einen weiteren Weg, ein Sprachmodell aufzurufen.

Modellzugang ist auf Cloud-Plattformen leichter verfügbar geworden. Verlässliche Ausführung bleibt schwieriger, weil ein nützlicher Agent Kontext, dauerhaften Zustand, kontrollierte Werkzeuge und ein Protokoll früherer Aktionen benötigt. Eine zustandslose Modellanfrage liefert keines dieser Elemente für sich allein.

Agent Memory befasst sich mit langfristigem Kontext. Cloudflare beschreibt den Service als verwalteten Speicher, der Agenten hilft, nützliche Informationen zu behalten und nicht mehr relevante Inhalte zu verwerfen. Entscheidend ist die Unterscheidung zwischen einem Gesprächstranskript und operativem Gedächtnis.

Ein Transkript dokumentiert, was geschehen ist. Operatives Gedächtnis muss relevante Fakten identifizieren, sie zum richtigen Zeitpunkt abrufen und die Informationen eines Nutzers von denen eines anderen getrennt halten. Bei Anwendungen mit sensiblen Daten braucht es zudem Lösch- und Aufbewahrungskontrollen.

Cloudflare hat bislang nicht genügend öffentliche Belege aus dem Produktiveinsatz vorgelegt, um zu zeigen, wie gut Agent Memory diese Anforderungen im großen Maßstab erfüllt. Die Retrieval-Qualität hängt von Extraktionsregeln, Ranking, Datenaktualität und dem Modell ab, das die Ergebnisse interpretiert. Ein verwaltetes Label beseitigt diese Designentscheidungen nicht.

Dennoch verkürzt die Platzierung von Memory neben Workers, Durable Objects und AI Gateway den Integrationsweg. Entwickler können Anwendungszustand, Agentenzustand und Modellrouting innerhalb einer einzigen Kontrolloberfläche halten. Das ist der Mechanismus hinter Cloudflares umfassenderem Versprechen.

AI Search wendet dieselbe Logik auf Dokumente und andere hochgeladene Materialien an. Entwickler können Suchinstanzen dynamisch erstellen, Dateien hinzufügen und sie über hybrides Retrieval abfragen. Hybrides Retrieval kombiniert semantisches Matching mit traditionellen Keyword-Signalen, um relevanten Kontext zu finden.

Diese Funktion macht Retrieval zu einem programmierbaren Grundbaustein statt zu einem separaten Suchprojekt. Ein Enterprise-Agent könnte für einen Kundenfall einen isolierten Index erstellen, unterstützende Dokumente abrufen und die Instanz nach Abschluss der Arbeit löschen.

Die praktische Herausforderung ist die Evaluierung. Plausibel wirkende Suchergebnisse können dennoch ein entscheidendes Dokument auslassen oder veraltete Anweisungen hervorheben. Produktionsteams benötigen Testsets, Quellenangaben, Aktualitätsregeln und Zugriffsfilter, bevor Retrieval vertrauenswürdig wird.

Browser Run gibt Agenten eine weitere essenzielle Fähigkeit. Es ergänzt Live View, menschliche Eingriffe, Zugriff über das Chrome DevTools Protocol und Sitzungsaufzeichnungen. Cloudflare kündigte während der Agents Week außerdem viermal höhere Concurrency-Limits an.

Browserautomatisierung ist wichtig, wenn eine Aufgabe keine geeignete API hat. Ein Agent könnte ein Lieferantenportal navigieren, ein Verwaltungsformular ausfüllen oder ein für Menschen entworfenes Dashboard prüfen. Diese Aufgaben setzen Agenten zugleich wechselnden Seitenlayouts, Authentifizierungsaufforderungen und schädlichen Seiteninhalten aus.

Human in the Loop ermöglicht einer Person, bei sensiblen oder blockierten Schritten die Kontrolle zu übernehmen. Sitzungsaufzeichnungen liefern einen Audit-Trail, wenn etwas fehlschlägt. Beide Funktionen erkennen an, dass Web-Agenten weiterhin unzuverlässig genug sind, um Beobachtung und Wiederherstellung zu benötigen.

Cloudflare baute Browser Run später auf Containers neu auf. Das zeigt, dass die ursprüngliche Ankündigung Teil eines sich entwickelnden Services und kein fertiger Endpunkt war. Diese Iteration ist ermutigend, unterstreicht aber auch, wie schnell sich das zugrunde liegende Verhalten ändern kann.

Die Voice-Pipeline ist experimenteller. Cloudflare zufolge können Entwickler mit etwa 30 Zeilen serverseitigem Code fortlaufende Speech-to-Text- und Text-to-Speech-Interaktionen hinzufügen. Der geringe Codeumfang klingt attraktiv, doch Latenz und Unterbrechungsbehandlung werden über die tatsächliche Nutzbarkeit entscheiden.

Email Service ging als weiterer Kanal für autonome Arbeit in die öffentliche Beta. Agenten können E-Mails senden, empfangen und verarbeiten, ohne auf einen separaten Kommunikationsanbieter angewiesen zu sein. Das ermöglicht nützliche Workflows, wirft aber auch bekannte Risiken rund um Identitätsvortäuschung, falsche Empfänger und irreversible Aktionen auf.

Project Think gibt einen Ausblick auf das nächste Agents SDK mit stärker integrierter Unterstützung für Agenten, die schlussfolgern, handeln und persistieren. Die Formulierung „batteries included“ beschreibt Cloudflares Richtung treffend. Entwickler sollten nicht jeden Ausführungsbaustein zusammensetzen müssen, bevor sie einen nützlichen Workflow testen können.

Workers AI und AI Gateway vervollständigen die Toolbox mit Modellzugang. Cloudflare zufolge kann seine Inferenzschicht Modelle von mehr als 14 Anbietern aufrufen. Ein Workers Binding ermöglicht Anwendungen zudem, Drittanbieter-Modelle über plattformnativen Code aufzurufen.

Diese Breite bei den Anbietern verringert die Bedeutung einer Wette auf eine einzelne Modellfamilie. Sie beseitigt jedoch weder modellspezifisches Verhalten, Datenrichtlinien, Rate Limits noch regionale Verfügbarkeit. Teams benötigen weiterhin Evaluierungen, bevor sie einen Workflow zwischen Anbietern verschieben.

Cloudflare kündigte außerdem Unweight an, ein Kompressionssystem zur Inferenzzeit. Das Unternehmen erklärt, es habe den Speicherbedarf eines Sprachmodells um bis zu 22 Prozent gesenkt, ohne die Qualität zu beeinträchtigen. Das bleibt ein Cloudflare-Ergebnis, das an die getesteten Modelle und den Evaluierungsprozess des Unternehmens gebunden ist.

Zusammengenommen unterstützt die Toolbox einen schlüssigen Agentenablauf. Ein Agent kann nach Kontext suchen, sich an frühere Arbeit erinnern, ein Modell aufrufen, einen Browser öffnen, E-Mails senden und seinen Zustand bewahren. Die verbleibende Frage lautet, ob eine Plattform diesen Ablauf sicherer machen kann als eine modulare Alternative.

Sicherheit ist der Kernmechanismus, kein Zusatz

Cloudflares stärkstes Argument lautet, dass Agentenidentität und Netzwerk-Policies direkt neben der Ausführung liegen sollten.

Autonome Software verändert das Sicherheitsmodell, weil sie umfassende Anweisungen mit unvorhersehbaren Zwischenschritten kombiniert. Ein Mensch könnte einen Agenten bitten, Rechnungen abzugleichen. Der Agent wählt dann Dateien, Websites, Zugangsdaten, Befehle und Nachrichten aus, während er dieses Ziel verfolgt.

Traditionelle Anwendungssicherheit geht davon aus, dass Entwickler wissen, welcher Codepfad jede Ressource anfordern wird. Agentenverhalten ist weniger deterministisch. Die Plattform benötigt daher Kontrollen, die Identität und Absicht über sich verändernde Aktionen hinweg verfolgen.

Outbound Workers für Sandboxes bieten einen solchen Kontrollpunkt. Der Agent kann einen externen Service anfordern, ohne die zugrunde liegenden Zugangsdaten zu erhalten. Der Proxy bewertet die Policy, fügt das Secret in genehmigten Datenverkehr ein und blockiert Anfragen außerhalb der erlaubten Bedingungen.

Dieses Muster begrenzt das Abfließen von Zugangsdaten aus nicht vertrauenswürdigem Code. Es unterstützt außerdem dynamische Entscheidungen anhand von Ziel, Agentenidentität, Nutzeridentität oder Aufgabenkontext. Der Schutz hängt von korrekten Policies und einer vollständigen Weiterleitung über den kontrollierten Egress-Pfad ab.

Cloudflare Mesh und Workers VPC bringen ähnliche Kontrollen für private Ressourcen. Ein Administrator kann eine Datenbank oder interne API für einen Agenten zugänglich machen, ohne sie im öffentlichen Internet bereitzustellen. Granulare Zugriffsrechte können einschränken, welchen Dienst der Agent erreicht.

Managed OAuth adressiert Arbeiten im Auftrag von Nutzern. Dienstkonten erhalten häufig weitreichende, langfristige Berechtigungen, weil sie sich bequem automatisieren lassen. Ein Agent, der für eine Person handelt, sollte stattdessen eingeschränkte Befugnisse übernehmen, die an diese Person und die aktuelle Aufgabe gebunden sind.

Cloudflares Einsatz geschützter Ressourcenmetadaten hilft einem Agenten dabei, zu erkennen, wie die Authentifizierung für eine interne Anwendung funktioniert. Das verringert den manuellen Konfigurationsaufwand und erhält zugleich eine Autorisierungsgrenze. Es garantiert nicht, dass der Agent versteht, welche Aktionen der Nutzer beabsichtigt hat.

Die Enterprise-MCP-Architektur des Unternehmens zielt auf dieselbe Lücke. Das Model Context Protocol, kurz MCP, standardisiert, wie Modelle externe Tools entdecken und aufrufen. Standardisierter Zugriff macht Integrationen portabel, kann aber auch die Anbindung nicht genehmigter Tools erleichtern.

Cloudflare empfiehlt den Einsatz von Access, AI Gateway und MCP-Serverportalen, um diese Verbindungen zu steuern. Zudem schlug das Unternehmen Gateway-Erkennungen für Shadow MCP vor, also Tool-Server, die ohne formelle Genehmigung oder Sichtbarkeit eingesetzt werden.

Code Mode bietet eine andere Optimierung. Statt lange Tool-Definitionen und wiederholte Aufrufe über den Modellkontext zu senden, kann ein Agent abgeschotteten TypeScript-Code erzeugen, der mehrere Vorgänge koordiniert. Cloudflare zufolge kann dies den Tokenverbrauch senken, wobei die tatsächlichen Einsparungen vom jeweiligen Workflow abhängen.

Die Ausführung generierten Codes bringt eigene Risiken mit sich. Die Sandbox muss Netzwerkzugriff, Ausführungszeit, Datenbewegungen und Zugangsdaten beschränken. Die Beobachtbarkeit muss zudem zeigen, was der Code getan hat, nachdem die Überlegungen des Modells nicht mehr sichtbar sind.

AWS ist mit Bedrock AgentCore zu einer ähnlichen Schlussfolgerung gelangt. Seine AgentCore-Plattform umfasst Runtime, Memory, Gateway, Browser, Code Interpreter, Identity, Policy, Observability und Evaluations. Diese Überschneidung bestätigt, dass produktive Agenten eine vollständige operative Ebene benötigen.

AWS erklärt, dass AgentCore-Sitzungen in isolierten Umgebungen laufen und sich mit VPC-Ressourcen verbinden können. Die Identitätsdienste verwalten Zugangsdaten für externe Tools. Das Gateway unterstützt MCP, während Evaluierungen und Observability die Qualität nach der Bereitstellung adressieren.

Der Unterschied liegt weniger in der Checkliste als in der zugrunde liegenden Architektur. AWS bündelt Agentendienste in seinen regionalen Cloud-, Identitäts-, Monitoring- und Infrastruktursystemen. Cloudflare startet mit seinem global verteilten Netzwerk und dem Workers-Ausführungsmodell.

Damit wird Sicherheit zum zentralen Mechanismus beider Strategien. Keines der beiden Unternehmen betrachtet Identität, Browser, Speicher und Codeausführung mehr als optionale Ergänzungen. Der Wettbewerb dreht sich darum, wo diese Kontrollen angesiedelt sein sollten und wie viele Systeme Betreiber koordinieren müssen.

Cloudflares integrierter Edge-Stack setzt die Hyperscaler unter Druck

Agents Week machte Cloudflare von einer Inferenzalternative zu einem direkten Infrastrukturherausforderer für vollständige Agent-Workloads.

Der wichtigste Gegner ist nicht ein einzelnes AWS-Produkt oder ein Microsoft-Dienst. Es ist das Hyperscaler-Muster, Agentenfunktionen aus einem breiten Katalog regionaler Dienste zusammenzustellen. Cloudflare argumentiert, dass sein Netzwerk diese Funktionen als eine global verteilte Plattform bereitstellen kann.

AWS bietet inzwischen den engsten Produktvergleich. AgentCore deckt Runtime, Memory, Browser, Code Interpretation, Identity, Gateways, Policies, Evaluations und Observability ab. Die Veröffentlichungen von 2026 ergänzten verwalteten Sitzungsspeicher, VPC-Egress, umfangreichere Speicherfilterung und frameworkneutrale Bereitstellung.

Microsoft Foundry Agents Service verfolgt einen weiteren bekannten Ansatz. Entwickler können Agentencode bereitstellen, der mit Microsofts Framework, LangGraph, dem OpenAI Agents SDK oder reinem Python geschrieben wurde. Foundry verbindet diesen Code mit Azure-Projekten, Identität, Containern und Unternehmenssteuerungen.

Googles Vertex AI Agent Engine bietet verwaltete Bereitstellung für Agenten und integriert sich mit Vertex-Modellen, Evaluierungstools und Google-Cloud-Diensten. Jeder Hyperscaler kann Agenten mit ausgereiften Datenbanken, Analysesystemen, Sicherheitsprodukten und Beschaffungsvereinbarungen verbinden.

Cloudflare kann mit diesen Katalogen nicht Dienst für Dienst mithalten. Stattdessen versucht das Unternehmen, den Katalog für Agentenanwendungen weniger relevant zu machen. Workers liefert serverlose Ausführung, Durable Objects übernimmt die Koordination, R2 speichert Objekte und die neuen Veröffentlichungen schließen spezialisierte Lücken.

Die Edge-Verteilung stützt zudem Cloudflares Latenzargument. Agenten wechseln häufig zwischen Modellaufrufen, Tools, Websites, Datenbanken und Nutzerinteraktion. Kürzere Distanzen zu Nutzern und Internetdiensten können Teile dieses Kreislaufs verbessern.

Die Gesamtlatenz eines Agenten entsteht jedoch selten durch einen einzelnen Plattform-Hop. Modellgenerierung, Browserladezeiten, Drittanbieter-APIs und sequenzielles Schlussfolgern können die Antwortzeit dominieren. Cloudflare benötigt Messungen auf Workload-Ebene statt isolierter Netzwerkbenchmarks, um einen Vorteil zu belegen.

Agents Week enthielt ein Netzwerk-Performance-Update rund um FL2, eine Rust-basierte Architektur zur Anfrageverarbeitung. Cloudflare zufolge führte sein Netzwerk in seinen Messungen bei 60 Prozent der weltweit wichtigsten Netzwerke. Leser sollten dies als Unternehmensanalyse auf Grundlage der Cloudflare-Methodik betrachten.

Selbst eine tatsächliche Netzwerkführerschaft entscheidet nicht automatisch über die Akzeptanz einer Agentenplattform. Unternehmen achten auf Datenresidenz, private Konnektivität, Audit-Tools, Modellauswahl, Support und bestehende Kompetenzen. Ein schnellerer Edge-Pfad kann fehlende Governance oder eine schwierige Migration nicht ausgleichen.

Die neue cf-Kommandozeilenschnittstelle zielt stattdessen auf die Entwicklererfahrung. Sie soll eine einheitliche Schnittstelle für knapp 3.000 Cloudflare-API-Operationen bereitstellen. Local Explorer ergänzt eine Möglichkeit, Anwendungsdaten während der Entwicklung zu prüfen.

Agent Lee bringt eine promptbasierte Schnittstelle in das Cloudflare-Dashboard. Sie nutzt abgeschottetes TypeScript, um den Stack eines Kunden zu prüfen und zu verwalten. Das ist sowohl ein Produktmerkmal als auch eine Demonstration von Cloudflares bevorzugter Agentenarchitektur.

Flagship fügt native Feature Flags mit einer auf KV und Durable Objects aufgebauten Auswertung hinzu. Cloudflare beansprucht eine Feature-Flag-Auswertung im Submillisekundenbereich. Feature Flags ermöglichen es Teams, neues Agentenverhalten schrittweise bereitzustellen, Versionen zu vergleichen und einen fehlerhaften Pfad zu deaktivieren, ohne alles neu bereitzustellen.

Die Registrar API, jetzt in der Beta-Phase, ermöglicht Software und Agenten die Suche nach und Registrierung von Domains. Die PlanetScale-Integration ergänzt verwaltete Bereitstellungspfade für Postgres und MySQL über Cloudflare. Diese Veröffentlichungen erweitern den Weg vom generierten Prototypen zum betriebenen Dienst.

Auf diesem Weg hofft Cloudflare auf Integrationsvorteile. Ein Coding-Agent könnte eine Anfrage erhalten, eine Sandbox öffnen, ein Artifact klonen, Code ändern, lokal testen, über Workers bereitstellen und ein Feature Flag aktivieren. Er könnte Kontext über Agent Memory bewahren und durchgehend kontrollierte Zugangsdaten verwenden.

Ein Hyperscaler kann einen vergleichbaren Workflow unterstützen. Der Unterschied bei Cloudflare besteht darin, dass die Komponenten ein Workers-zentriertes Programmiermodell und Netzwerk teilen. Der Vorteil der Hyperscaler ist, dass Kunden möglicherweise bereits jedes angrenzende System dort betreiben.

Damit werden Wechselkosten entscheidend. Cloudflare kann neue, agentenbasierte Anwendungen gewinnen, ohne eine vollständige Cloud-Migration zu erzwingen. Ein Agenten-Frontend könnte auf Workers laufen, während die Daten in AWS, Azure oder Google Cloud verbleiben.

Dieser hybride Weg erweitert Cloudflares Chancen, schwächt jedoch den Anspruch auf Einfachheit. Cloudübergreifender Datentransfer, Identitätszuordnung, Observability und Verantwortlichkeiten bei Vorfällen können die Integrationsarbeit wieder einführen, die Cloudflare beseitigen möchte.

Der Wettbewerbsdruck ist daher real, aber ungleich verteilt. Hyperscaler müssen auf Cloudflares kohärente Entwicklererfahrung und globale Verteilung reagieren. Cloudflare muss auf ihre Unternehmenstiefe, regionalen Kontrollen und die Fähigkeit reagieren, KI mit bestehender Infrastruktur zu bündeln.

Was Cloudflare Everything weiterhin nicht beweist

Eine vollständige Liste von Produkteinführungen ist kein Beleg dafür, dass das Gesamtsystem unter Enterprise-Agenten-Workloads zuverlässig funktioniert.

Cloudflare veröffentlichte klare Beschreibungen und mehrere Dienstgrenzen. Das Unternehmen veröffentlichte jedoch keinen breit angelegten, unabhängigen Benchmark, der Abschlussraten produktiver Agenten, operative Komplexität oder End-to-End-Latenz mit Hyperscaler-Plattformen vergleicht.

Diese fehlenden Belege sind wichtig, weil ein Agenten-Stack als System erfolgreich sein muss. Schnelle Sandboxes haben wenig Wert, wenn der Speicher den falschen Kontext zurückgibt. Praktisches OAuth hilft nicht, wenn ein Browser-Agent eine irreversible Aktion ohne Genehmigung bestätigt.

Die größte Unsicherheit betrifft die Reife. Sandboxes erreichten die allgemeine Verfügbarkeit, während Email Service in die öffentliche Beta ging und Project Think eine Vorschau blieb. Die Voice-Pipeline war experimentell. Die Unterstützung gemeinsamer Wörterbücher wurde als kommende Beta vorgestellt.

Diese Bezeichnungen stehen für unterschiedliche Support-Erwartungen und Änderungsrisiken. Ein Prototyp kann eine sich weiterentwickelnde Schnittstelle tolerieren. Ein regulierter Workflow benötigt stabile Verträge, dokumentiertes Wiederherstellungsverhalten, Audit-Aufbewahrung und vorhersehbare regionale Verfügbarkeit.

Die zweite Unsicherheit betrifft die operative Sichtbarkeit. Agenten können lange Ketten aus Modellaufrufen, Codeausführung, Browseraktionen und Tool-Anfragen erzeugen. Betreiber benötigen einen durchgehenden Trace, der diese Aktionen mit dem auslösenden Nutzer und der Policy-Entscheidung verbindet.

Cloudflare bietet über AI Gateway, Access, Sitzungsaufzeichnungen und Plattformprotokolle Teile dieser Sichtbarkeit. Der Rückblick auf die Agents Week zeigte nicht, wie vollständig sich diese Aufzeichnungen über alle angekündigten Dienste hinweg zusammenführen lassen.

Die dritte Unsicherheit betrifft die Speicher-Governance. Persistenter Speicher kann die Kontinuität verbessern, schafft aber auch einen weiteren Speicherort für persönliche oder vertrauliche Informationen. Teams müssen Prozesse für Aufbewahrung, Löschung, Mandantentrennung und Korrekturen definieren.

Ein Agent kann eine falsche Schlussfolgerung als dauerhafte Tatsache speichern. Ein späterer Abruf kann den Fehler dann über mehrere Aufgaben hinweg verstärken. Produktivsysteme benötigen Herkunftsinformationen sowie Mechanismen, mit denen Nutzer oder Administratoren gespeicherten Speicher prüfen können.

Das ist besonders für Wissensarbeit wichtig. Eine persönliche Wissensdatenbank kann verstreute Informationen durchsuchbar machen, doch Zugriffsgrenzen bleiben zentral. Ein Agent sollte persönliche Notizen und Teamunterlagen nicht zu einem einzigen uneingeschränkten Kontextpool zusammenführen.

Die vierte Unsicherheit ist die Tool-Sicherheit. MCP erleichtert die Bereitstellung von Tools, und Code Mode kann wiederholte Modellinteraktionen reduzieren. Beide Funktionen erhöhen die Bedeutung präziser Berechtigungen und deterministischer Durchsetzung.

Ein kompromittierter MCP-Server kann schädliche Inhalte oder irreführende Tool-Beschreibungen zurückgeben. Ein generiertes Programm kann einen gültigen API-Aufruf in der falschen Reihenfolge ausführen. Eine Policy muss mehr bewerten als die Frage, ob ein Endpunkt auf einer Allowlist steht.

Cloudflares Sicherheitsprodukte liefern glaubwürdige Bausteine für dieses Problem. Glaubwürdige Kontrollen garantieren jedoch keine korrekte Kundenkonfiguration. Das Unternehmen muss den sicheren Weg einfacher machen als weitreichende Zugangsdaten und permissive Netzwerkregeln.

Die fünfte Unsicherheit betrifft die Wirtschaftlichkeit, auch ohne veröffentlichte Preisangaben zu erörtern. Agenten verbringen beträchtliche Zeit damit, auf Modelle, Tools, Websites oder Menschen zu warten. Abrechnungsmodelle, die während Leerlaufzeiten Gebühren erheben, können sich anders verhalten als Modelle mit Abrechnung nach aktiver Nutzung.

Cloudflare hat bislang nicht genügend vergleichbare Workload-Daten bereitgestellt, damit Käufer die vollständigen Kosten für Inferenz, Speicher, Browsersitzungen, Memory, Netzwerk und Observability schätzen können. Schlagzeilenhafte Effizienzbehauptungen können repräsentative Aufgaben-Traces nicht ersetzen.

Anbieterkonzentration stellt einen weiteren Zielkonflikt dar. Eine einheitliche Plattform kann den Engineering-Aufwand verringern und Verantwortlichkeiten vereinfachen. Sie kann jedoch auch Ausführung, Identität, Speicher, Suche und Protokolle unter einem Anbieter bündeln.

Cloudflare unterstützt Modelle von Drittanbietern, was die Abhängigkeit von einzelnen Modellen verringert. Die Portabilität von Workloads wird jedoch schwieriger, wenn eine Anwendung tief auf Durable Objects, Workers bindings, Agent Memory und Cloudflare-spezifische Richtlinienkontrollen angewiesen ist.

Hyperscaler-Stacks erzeugen durch Identität, Netzwerke, Datenbanken und Monitoring ihre eigenen Abhängigkeiten. Die relevante Frage ist nicht, ob Lock-in existiert. Käufer müssen entscheiden, welche Abhängigkeit zu ihren bestehenden Systemen und ihrem Ausstiegsplan passt.

Schließlich bleibt das „agentische Web“ teilweise aspirativ. Cloudflare führte einen Agent Readiness Score ein, um zu bewerten, wie gut Websites Agenten bedienen. Zudem kündigte das Unternehmen Redirects for AI Training an, das verifizierte Crawler zu kanonischen Inhalten leitet.

Diese Funktionen erkennen an, dass automatisierte Besucher strukturierten Zugriff benötigen und Publisher Kontrolle brauchen. Dennoch gibt es keine universelle Einigung darüber, wie Agenten sich identifizieren, Berechtigungen respektieren, Quellen zuordnen oder Kreative vergüten sollten.

Cloudflare befindet sich in einer wertvollen Position zwischen Websites und automatisiertem Traffic. Diese Position kann Messung und Durchsetzung unterstützen. Sie verleiht dem Unternehmen zugleich erheblichen Einfluss auf entstehende Normen.

Die Ankündigungen geben eine Richtung vor, kein abschließendes Urteil. Cloudflare verfügt nun über genügend Komponenten, um um vollständige Agent-Deployments zu konkurrieren. Käufer benötigen weiterhin Belege dafür, dass diese Komponenten gemeinsam sicherere und zuverlässigere Ergebnisse liefern.

Drei Signale werden über die Wette auf die agentische Cloud entscheiden

Der nächste Test lautet Akzeptanz und Verifizierung, nicht eine weitere Woche mit Produktankündigungen.

Das erste Signal ist der produktive Einsatz von Sandboxes, Agent Memory und Browser Run in einem dauerhaft betriebenen Workload. Cloudflare braucht öffentliche Kundenbeispiele, die Aufgabenvolumen, Fehlerbehebung, Sicherheitsgrenzen und messbare operative Ergebnisse zeigen.

Ein Coding-Workflow wäre ein sinnvoller Test. Er könnte zeigen, wie ein Agent einen persistenten Workspace öffnet, ein Repository verändert, frühere Entscheidungen abruft, Tests ausführt und vor dem Deployment menschliche Freigabe einholt.

Nachweise für einen dauerhaften Betrieb würden Cloudflares These eines integrierten Stacks stärken. Fallstudien, die sich auf Demos oder kurze Prototypen beschränken, würden die Frage nach der Reife offenlassen.

Das zweite Signal ist eine direkte Reaktion der Hyperscaler. AWS AgentCore überschneidet sich bereits stark mit Cloudflares Release-Plan. Auch Microsoft und Google verlagern weiterhin Agent-Deployment, Tools und Governance in ihre verwalteten KI-Plattformen.

Beobachten Sie, ob diese Unternehmen ihre Agent-Stacks in stärker vereinheitlichte Schnittstellen überführen. Beobachten Sie auch, ob sie global verteilte Ausführung ausbauen oder die Agentenidentität näher an die Netzwerkdurchsetzung bringen.

Ein schnellerer Integrationszyklus bei Hyperscalern würde Cloudflares Differenzierung schwächen. Anhaltende Fragmentierung würde Cloudflares Behauptung stärken, dass Workers eine klarere Grundlage bietet.

Das dritte Signal ist messbare Governance im agentischen Web. Cloudflares Readiness Scores, Crawler-Kontrollen, MCP-Sicherheitsregeln und Identitätsfunktionen müssen sich in Verhalten übersetzen, das Publisher und Unternehmen überprüfen können.

Nützliche Indikatoren sind die Einführung authentifizierten Agentenzugriffs, dokumentierte Verfahren für delegierte Berechtigungen und Audit-Aufzeichnungen, die Browser- und Tool-Aktionen umfassen. Klare Kontrollen zur Einsicht und Löschung von Speicherinhalten würden ein weiteres aussagekräftiges Signal liefern.

Fortschritte bei diesen Kennzahlen würden Cloudflares Argument stützen, dass Netzwerkinfrastruktur Agenten wirksamer steuern kann als alleinige Schutzmaßnahmen auf Anwendungsebene. Eine schwache Akzeptanz würde darauf hindeuten, dass das agentische Web lediglich eine Marketingebene über bekannten Automatisierungsproblemen bleibt.

Alles, was Cloudflare bei Agents Week vorgestellt hat, ergibt nun einen glaubwürdigen Plattformvorschlag. Er vereint persistenten Compute, Suche, Speicher, Browser, Identität und Deployment rund um eine global verteilte Runtime. Das reicht aus, um jeden großen Cloud-Anbieter unter Druck zu setzen.

Es reicht nicht aus, um den Wettbewerb zu entscheiden. Entwickler sollten einen repräsentativen Workflow hinsichtlich Fehlerbehebung, Berechtigungen, Abrufqualität, Observability und Portabilität testen. Unternehmenskäufer sollten Nachweise auf Workload-Ebene verlangen, bevor sie Cloud 2.0 als mehr behandeln als Cloudflares bevorzugte Bezeichnung.

Welches Signal ist für Ihr Team am wichtigsten: weniger Integrationsaufwand, strengere Agentenkontrollen oder leichterer Zugriff auf vorhandene Cloud-Daten? Nutzen Sie diese Antwort, um einen begrenzten Produktivtest zu entwerfen, jeden Fehler zu dokumentieren und die vollständige Betriebsbelastung zu vergleichen, bevor Sie den nächsten Agenten-Workload festlegen.