Cloudflare Everything 发布，将智能体技术栈推上考验台
Cloudflare 在首届 Agents Week 结束时发布了超过 20 项公告，但 cloudflare everything 的故事远不止又一次内容拥挤的产品盘点。这家公司将计算、记忆、身份、搜索、浏览器、网络和部署工具整合为一个面向智能体的平台。
这种广度带来了真正的冲突。Cloudflare 正在挑战一种假设：生产环境中的智能体应当置身传统超大规模云服务商之中，周围环绕着彼此独立的服务和区域性基础设施。它的替代方案以全球分布式 Workers 为起点，并加入智能体长期运行所需的组件。
AWS、Google Cloud 和 Microsoft 已经提供了成熟的智能体平台。它们也拥有更深厚的企业客户关系和更广泛的产品目录。因此，Cloudflare 必须证明，架构一致性比既有地位、采购熟悉度，或将 AI 工作负载留在现有数据旁边的舒适感更重要。
该公司将其目标称为智能体云（agentic cloud），即“Cloud 2.0”。这一标签目前仍是一项企业论述，而非已被确立的市场类别。不过，这些发布清楚展示了 Cloudflare 打算如何检验它。
Agents Week 的 Cloudflare Everything 是一套完整技术栈
Cloudflare 并未推出单一的旗舰智能体产品，而是补齐了从执行到互联网访问整个路径上的缺口。
官方 Agents Week 回顾 将这些发布分为计算、安全、智能体工具箱、生产工具和智能体 Web。这种分类很重要，因为智能体很少因缺少聊天机器人界面而失败。它们失败的原因通常是周边系统无法保存状态、控制凭据、执行代码或从中断中恢复。
在计算层，Cloudflare 将 Sandboxes 推向正式可用。沙箱是一种隔离的计算机环境，智能体可在其中运行命令、操作文件并维持后台进程。与生命周期短暂的函数不同，它能够在保留先前状态的情况下恢复工作。
Cloudflare 将 Sandboxes 定位于编程智能体及其他需要 shell 或完整软件环境的工作负载。该公司的沙箱设计将持久会话与按需启动相结合。这为智能体提供了安装软件包、运行测试、克隆代码仓库，或在等待外部输入后继续任务的环境。
Artifacts 增加了兼容 Git 的版本化代码与数据存储。Cloudflare 表示，开发者可以创建数千万个代码仓库，并通过标准 Git 客户端访问它们。Artifacts 与 Sandboxes 共同建立了一个基本循环：智能体获得工作区、修改文件、记录版本，并在之后返回继续工作。
Durable Object Facets 将这一模型扩展至由 AI 生成的应用。Durable Objects 是有状态的 Cloudflare 服务，围绕持久对象协调数据和计算。Facets 让平台能够创建隔离的 Durable Objects，每个对象都拥有自己的 SQLite 数据库，用于动态生成的应用。
Cloudflare 还重构了 Workflows 背后的控制平面；Workflows 是其用于多步骤作业的持久化引擎。该公司称，Workflows 现在支持 50,000 个并发实例，创建速率为每秒 300 个实例。这些是公司报告的服务限制，并非独立性能测试结果。
安全相关发布聚焦于这些智能体超出自身工作区后会发生什么。Cloudflare Mesh 可连接私有网络中的用户、机器、Workers 和自主智能体。Workers VPC 则可为智能体提供对私有数据库或内部 API 的范围受限访问。
适用于 Cloudflare Access 的托管 OAuth 让智能体能够代表用户向受保护的应用进行身份验证。OAuth 是一种委托授权标准，可在不向智能体交付用户密码的情况下授予有限访问权限。Cloudflare 将其实现与 RFC 9728 关联，该规范定义了受保护资源元数据的标准。
Cloudflare 还推出了可扫描 API 令牌、扩展了 OAuth 可见性，并让资源范围权限正式可用。适用于 Sandboxes 的 Outbound Workers 充当可编程出口代理，仅在获批流量离开沙箱时插入凭据。
这一设计旨在让原始机密信息远离由智能体生成或下载的代码。它也为管理员在自主进程与其希望访问的系统之间提供了一个策略控制点。
智能体工具箱补充了另一组缺失组件。Agent Memory 提供持久化记忆，AI Search 负责检索，Browser Run 控制 Web 会话，Email Service 为智能体提供收件箱通道。Workers AI 和 AI Gateway 则覆盖了 Cloudflare 模型及外部提供商的推理能力。
结果并非一个只需作出一次采用决定的产品，而是一次尝试：让 Cloudflare 成为智能体整个运行生命周期发生的场所。
智能体工具箱如今已超越推理
最重要的发布为智能体带来连续性和工具，而不仅仅是另一种调用语言模型的方式。
在各云平台上，获取模型访问权限已变得更加容易。可靠执行仍然更难，因为一个有用的智能体需要上下文、持久状态、受控工具以及早先行动的记录。单次无状态模型请求本身无法提供这些要素。
Agent Memory 处理长期上下文。Cloudflare 将该服务描述为托管存储，可帮助智能体记住有用信息，并丢弃不再重要的材料。关键区别在于对话记录与运行记忆之间的差别。
对话记录记录已经发生的事。运行记忆必须识别相关事实，在恰当时刻检索它们，并将一位用户的信息与另一位用户的信息隔离开来。当应用处理敏感材料时，它还需要删除和保留控制机制。
Cloudflare 尚未提供足够的公开生产证据，以证明 Agent Memory 在大规模环境下处理这些要求的表现。检索质量取决于提取规则、排序、数据新鲜度以及解读结果的模型。托管这一标签并不能消除这些设计选择。
不过，将记忆置于 Workers、Durable Objects 和 AI Gateway 旁边，缩短了集成路径。开发者可以在同一个控制平面内保留应用状态、智能体状态和模型路由。这正是 Cloudflare 更广泛主张背后的机制。
AI Search 将同样的逻辑应用于文档及其他上传材料。开发者可以动态创建搜索实例、添加文件，并通过混合检索进行查询。混合检索将语义匹配与传统关键词信号结合起来，以定位相关上下文。
这项功能将检索变成一个可编程原语，而非独立的搜索项目。企业智能体可以为客户案例创建隔离索引，检索支持文档，并在工作结束后删除该实例。
实际挑战在于评估。看似合理的搜索结果，仍可能遗漏决定性文档，或呈现已过时的指令。在检索变得可信之前，生产团队需要测试集、引用、新鲜度规则和访问过滤。
Browser Run 为智能体带来了另一项关键能力。它增加了 Live View、人工干预、Chrome DevTools Protocol 访问和会话录制。Cloudflare 还宣布，在 Agents Week 期间将并发限制提高至原来的四倍。
当任务没有合适的 API 时，浏览器自动化就尤为重要。智能体可能需要浏览供应商门户、填写管理表单，或检查为人设计的仪表板。这些任务也会使智能体暴露于不断变化的页面布局、身份验证提示和恶意页面内容之中。
Human in the Loop 让人在敏感或受阻步骤中接管控制。会话录制则在出现故障时提供审计轨迹。这两项功能都承认，Web 智能体目前仍不够可靠，因而需要观察和恢复机制。
Cloudflare 后来在 Containers 上重构了 Browser Run，这表明最初的公告是演进中服务的一部分，而非已完成的终点。这种迭代令人鼓舞，但也凸显了底层行为可能变化得多么迅速。
语音管线更具实验性质。Cloudflare 称，开发者只需约 30 行服务端代码，即可加入连续的语音转文字和文字转语音交互。较小的代码量听起来很有吸引力，但延迟和中断处理将决定实际可用性。
Email Service 以公开测试版形式推出，成为自主工作的另一条通道。智能体可以发送、接收和处理电子邮件，而无需依赖单独的通信提供商。这会带来有用的工作流，但也引发了冒充、误发收件人和不可逆操作等熟悉风险。
Project Think 预览了下一代 Agents SDK，为能够推理、行动和持久运行的智能体提供了更集成的支持。“batteries included”这一说法概括了 Cloudflare 的方向。开发者在测试一个有用工作流之前，不应必须自行组装每一种执行原语。
Workers AI 和 AI Gateway 通过模型访问补全了工具箱。Cloudflare 表示，其推理层可以调用来自超过 14 家提供商的模型。Workers 绑定还让应用能够通过平台原生代码调用第三方模型。
这种提供商广度降低了押注单一模型家族的重要性。它并不能消除模型特定行为、数据政策、速率限制或区域可用性。团队在将工作流迁移至不同提供商前，仍需要进行评估。
Cloudflare 还发布了 Unweight，这是一种推理时压缩系统。该公司称，在不降低质量的情况下，它将某个语言模型的占用空间最多缩减了 22%。这仍是与 Cloudflare 测试模型及其评估过程相关的 Cloudflare 结果。
综合来看，这套工具箱支持一个连贯的智能体循环。智能体可以搜索上下文、回忆先前工作、调用模型、打开浏览器、发送邮件并保存自身状态。剩下的问题是：一个平台能否让这一循环比模块化替代方案更安全。
安全是核心机制，而非附加功能
Cloudflare 最有力的论点是：智能体身份与网络策略应直接置于执行环境旁边。
自主软件改变了安全模型，因为它将宽泛的指令与不可预测的中间行动结合在一起。人类可能要求智能体核对发票。智能体随后会在追求该目标时选择文件、网站、凭据、命令和消息。
传统应用安全假设开发者知道每一项资源将由哪条代码路径请求。智能体行为的确定性较低。因此，平台需要能够在不断变化的行动中跟随身份和意图的控制机制。
适用于 Sandboxes 的 Outbound Workers 提供了这样一个控制点。智能体可以请求外部服务，而无需获得底层凭据。该代理会评估策略、将机密信息注入获批流量，并阻止不符合允许条件的请求。
这种模式限制了不受信任代码中的凭据泄露。它也支持根据目标地址、智能体身份、用户身份或任务上下文作出动态决策。其保护效果取决于策略是否正确，以及是否所有流量都经由受控出口路径完整路由。
Cloudflare Mesh 和 Workers VPC 为私有资源带来了类似的控制能力。管理员可以将数据库或内部 API 暴露给代理，而无需将其置于公共互联网之上。通过限定范围的访问权限，还可以收窄代理能够访问的服务。
托管 OAuth 则解决了用户委托任务的问题。服务账户为了便于自动化，往往被授予范围广、期限长的权限。代表个人执行任务的代理则应继承与该用户及当前任务绑定的有限权限。
Cloudflare 采用受保护资源元数据，有助于代理了解内部应用的认证方式。这在保留授权边界的同时，减少了手动配置。但它并不能保证代理理解用户希望执行哪些操作。
该公司的企业 MCP 架构瞄准了同一缺口。Model Context Protocol，即 MCP，规范了模型如何发现和调用外部工具。标准化访问让集成更具可移植性，但也可能让未经批准的工具更容易接入。
Cloudflare 建议使用 Access、AI Gateway 和 MCP server portals 来治理这些连接。它还提出通过 Gateway 检测 Shadow MCP，即未获正式批准或缺乏可见性的工具服务器。
Code Mode 提供了另一种优化方式。代理无需通过模型上下文传递冗长的工具定义和重复调用，而是可以生成经过沙箱隔离的 TypeScript 来协调多项操作。Cloudflare 表示，这可以减少 token 使用量，但实际节省程度仍取决于具体工作流。
运行生成的代码会引入自身风险。沙箱必须限制网络访问、执行时间、数据流动和凭据使用。可观测性还必须能在模型的推理过程不再可见后，展示代码实际执行了什么。
AWS 通过 Bedrock AgentCore 得出了相似结论。其 AgentCore platform 包括 Runtime、Memory、Gateway、Browser、Code Interpreter、Identity、Policy、Observability 和 Evaluations。这种重叠印证了生产级代理需要完整的运营层。
AWS 表示，AgentCore 会话运行在隔离环境中，并可连接 VPC 资源。其身份服务负责管理外部工具所需的凭据。其 Gateway 支持 MCP，而评估和可观测性则用于解决部署后的质量问题。
差异与其说在于功能清单，不如说在于底层架构。AWS 将代理服务纳入其区域云、身份、监控和基础设施体系。Cloudflare 则从其全球分布式网络和 Workers 执行模型出发。
这使安全成为两种战略的核心机制。两家公司都不再将身份、浏览器、记忆和代码执行视为可选配件。竞争焦点在于这些控制应部署在哪里，以及运营人员需要协调多少系统。
Cloudflare 的一体化边缘技术栈向超大规模云厂商施压
Agents Week 让 Cloudflare 从推理替代方案转变为完整代理工作负载的直接基础设施挑战者。
其主要竞争对手并非某一款 AWS 产品或某项 Microsoft 服务，而是超大规模云厂商通过大量区域服务目录拼装代理能力的模式。Cloudflare 的观点是，其网络能够将这些能力呈现为一个全球分布式平台。
AWS 如今提供了产品层面最接近的对比对象。AgentCore 覆盖运行时、记忆、浏览器、代码解释、身份、网关、策略、评估和可观测性。其 2026 年发布内容增加了托管会话存储、VPC 出站访问、更丰富的记忆筛选以及框架无关部署。
Microsoft Foundry Agents Service 则遵循另一条熟悉路径。开发者可以部署使用 Microsoft 框架、LangGraph、OpenAI Agents SDK 或纯 Python 编写的代理代码。Foundry 将这些代码连接至 Azure 项目、身份系统、容器和企业级控制能力。
Google Cloud 的 Vertex AI Agent Engine 为代理提供托管部署，并集成 Vertex 模型、评估工具和 Google Cloud 服务。每家超大规模云厂商都能将代理接入成熟的数据库、分析系统、安全产品和采购协议。
Cloudflare 无法逐项匹配这些服务目录。相反，它正试图让这些目录对代理应用而言不再那么重要。Workers 提供无服务器执行，Durable Objects 负责协调，R2 存储对象，而新发布的能力则填补了专业化缺口。
边缘分布同样支撑了 Cloudflare 的延迟优势论点。代理通常会在模型调用、工具、网站、数据库和用户交互之间交替进行。缩短与用户及互联网服务之间的距离，能够改善这一循环中的部分环节。
不过，代理的总延迟很少源于单个平台跳转。模型生成、浏览器加载、第三方 API 和顺序推理都可能主导响应时间。Cloudflare 需要以工作负载层面的测量，而非孤立的网络基准，来证明其优势。
Agents Week 还包含一项以 FL2 为核心的网络性能更新，FL2 是一种基于 Rust 的请求处理架构。Cloudflare 表示，在其测量中，其网络在全球排名前列的网络中领先了 60%。读者应将其视为基于 Cloudflare 自身方法论的公司分析。
即便网络领先确有其事，也不会自动决定代理平台的采用。企业关心数据驻留、私有连接、审计工具、模型选择、支持服务和既有技能。更快的边缘路径无法弥补治理能力缺失或迁移困难的问题。
新的 cf 命令行界面则着眼于改善开发者体验。它旨在为近 3,000 项 Cloudflare API 操作提供一个一致的接口。Local Explorer 则增加了在开发过程中检查应用数据的方法。
Agent Lee 将基于提示词的界面引入 Cloudflare 控制台。它使用经过沙箱隔离的 TypeScript 来检查和管理客户的技术栈。这既是一项产品功能，也是 Cloudflare 所偏好代理架构的示范。
Flagship 基于 KV 和 Durable Objects 提供原生功能开关及其评估能力。Cloudflare 声称功能开关评估可在亚毫秒级完成。功能开关让团队能够逐步开放新的代理行为、比较不同版本，并在无需重新部署全部内容的情况下停用故障路径。
现处于 beta 阶段的 Registrar API 允许软件和代理搜索并注册域名。PlanetScale 集成为通过 Cloudflare 部署托管 Postgres 和 MySQL 增加了路径。这些发布扩展了从生成原型到运行服务的链路。
Cloudflare 希望通过这种全流程集成取胜。编码代理可以接收请求、打开沙箱、克隆 Artifact、修改代码、在本地测试、通过 Workers 部署，并激活功能开关。它可以通过 Agent Memory 保留上下文，并始终使用受控凭据。
超大规模云厂商同样可以支持类似工作流。Cloudflare 的差异在于，这些组件共享以 Workers 为中心的编程模型和网络。超大规模云厂商的优势则在于，客户可能已在其平台上运行所有相邻系统。
这使转换成本成为决定性因素。Cloudflare 可以赢得新的原生代理应用，而无需迫使客户进行全面云迁移。代理前端可以运行在 Workers 上，而数据仍保留在 AWS、Azure 或 Google Cloud 内部。
这种混合路径扩大了 Cloudflare 的机会，但也削弱了其简化主张。跨云数据传输、身份映射、可观测性和事件归属，可能重新引入 Cloudflare 希望消除的集成工作。
因此，竞争压力是真实存在的，但并不均衡。超大规模云厂商必须回应 Cloudflare 连贯的开发者体验和全球分布能力。Cloudflare 则必须回应它们的企业级深度、区域控制能力，以及将 AI 与现有基础设施打包的能力。
Cloudflare Everything 仍未能证明什么
完整的发布清单，并不等同于完整系统能够在企业代理工作负载下可靠运行的证据。
Cloudflare 发布了清晰的说明和若干服务限制，但并未公布广泛、独立的基准测试，以比较其与超大规模云平台在生产级代理任务完成率、运营复杂度或端到端延迟方面的表现。
这些缺失的证据很重要，因为代理技术栈必须作为一个系统取得成功。如果记忆返回了错误上下文，再快的沙箱也价值有限。如果浏览器代理未经批准就确认不可逆操作，便捷的 OAuth 也无济于事。
最大的未知因素在于成熟度。Sandboxes 已正式可用，而 Email Service 进入公开 beta，Project Think 仍处于预览阶段。语音管线仍属实验性功能。共享词典支持被列为即将推出的 beta 功能。
这些标签对应不同的支持预期和变更风险。原型可以容忍不断演变的接口；受监管的工作流则需要稳定的契约、文档化的恢复行为、审计保留机制以及可预测的区域可用性。
第二个未知因素是运营可见性。代理可能产生由模型调用、代码执行、浏览器操作和工具请求构成的长链路。运营人员需要一条完整追踪，将这些操作关联到发起用户和相应的策略决策。
Cloudflare 通过 AI Gateway、Access、会话录制和平台日志提供了部分可见性能力。但 Agents Week 回顾并未证明这些记录能在所有已发布服务间实现多么完整的整合。
第三个未知因素是记忆治理。持久化记忆能够改善连续性，但也会成为个人或机密信息的另一处存储。团队必须定义保留、删除、租户隔离和纠错流程。
代理可能将错误推断保存为持久事实。后续检索可能在多项任务中不断强化该错误。生产系统需要来源追溯能力，以及让用户或管理员检查已存储记忆的机制。
这对于知识工作尤为重要。个人知识库 可以让分散的信息变得可搜索，但访问边界仍是核心。代理不应将个人笔记和团队记录合并为一个不受限制的上下文池。
第四个未知因素是工具安全性。MCP 让工具更容易被暴露，而 Code Mode 可以减少重复的模型交互。这两项能力都提高了精确权限和确定性执行的重要性。
遭入侵的 MCP server 可能返回恶意内容或误导性的工具描述。生成的程序可能以错误的顺序执行有效 API 调用。策略评估不能只看某个端点是否出现在允许列表中。
Cloudflare 的安全产品为解决这一问题提供了可信的构件。不过，可信的控制能力并不能保证客户正确配置。该公司必须让安全路径比宽泛凭据和宽松网络规则更容易采用。
第五个未知因素是经济性，即便不讨论公开的价格数字。代理会花费大量时间等待模型、工具、网站或人员。在空闲期间收费的计费模式，其表现可能与按实际消耗计费的设计不同。
Cloudflare 尚未提供足够可比的工作负载数据，让买方能够估算推理、存储、浏览器会话、记忆、网络和可观测性的完整成本。标题式的效率主张无法替代具有代表性的任务追踪数据。
供应商集中化带来了另一项权衡。统一平台可以减少工程投入并简化责任归属，但也可能将执行、身份、记忆、搜索和日志集中于单一供应商。
Cloudflare 支持来自外部供应商的模型，从而降低了模型锁定风险。但当应用深度依赖 Durable Objects、Workers bindings、Agent Memory 以及 Cloudflare 特有的策略控制时，工作负载的可移植性会变得更困难。
超大规模云服务商的技术栈也会通过身份、网络、数据库和监控形成各自的锁定效应。关键问题不在于是否存在锁定，而在于买方必须决定哪种依赖关系更契合其现有系统和退出计划。
最后，“智能体网络”仍在一定程度上停留在愿景层面。Cloudflare 推出了 Agent Readiness 评分，用于评估网站为智能体提供服务的能力。该公司还宣布推出 Redirects for AI Training，将经过验证的爬虫引导至规范内容。
这些功能承认，自动化访问者需要结构化访问，而发布者需要掌控权。然而，目前尚未就智能体应如何表明身份、遵守权限、标注来源或补偿创作者形成普遍共识。
Cloudflare 位于网站与自动化流量之间的关键位置。这个位置能够支持衡量与执行，也赋予该公司对新兴规范相当大的影响力。
这些发布确立了一个方向，而非定论。Cloudflare 现已具备足够多的组件，可争夺完整智能体部署场景。买方仍需要证据证明，这些组件组合后能够带来更安全、更可靠的结果。
三个信号将决定 Agentic Cloud 的成败
下一场考验是采用与验证，而不是再持续一周的产品发布。
第一个信号，是在同一项持续运行的工作负载中实际使用 Sandboxes、Agent Memory 和 Browser Run。Cloudflare 需要公开客户案例，展示任务量、故障恢复、安全边界以及可衡量的运营成果。
编程工作流将提供一个有价值的测试场景。它可以展示智能体如何打开持久化工作区、修改代码仓库、检索先前决策、运行测试，并在部署前请求人工批准。
持续运行的证据将强化 Cloudflare 的一体化技术栈论点。若案例仅限于演示或短期原型，成熟度问题仍无法得到解答。
第二个信号，是超大规模云服务商的直接回应。AWS AgentCore 已经与 Cloudflare 的发布版图存在广泛重叠。Microsoft 和 Google 也持续将智能体部署、工具与治理能力整合进其托管 AI 平台。
需要关注这些公司是否会将智能体技术栈简化为更统一的界面，也要关注它们是否会扩展全球分布式执行，或让智能体身份能力更接近网络执行层。
如果超大规模云服务商加快整合周期，Cloudflare 的差异化优势将被削弱。若市场持续碎片化，则会增强 Cloudflare 关于 Workers 提供更简洁基础的主张。
第三个信号，是整个智能体网络中可衡量的治理能力。Cloudflare 的就绪度评分、爬虫控制、MCP 安全规则和身份功能，必须转化为发布者和企业能够验证的实际行为。
有用的指标包括：经身份验证的智能体访问的采用情况、委托权限处理方式的文档化程度，以及涵盖浏览器与工具操作的审计记录。对记忆检查和删除提供清晰控制，也将构成另一项有意义的信号。
这些指标的进展将支持 Cloudflare 的观点：网络基础设施比单靠应用层防护措施更能有效治理智能体。采用率低迷则会表明，智能体网络仍只是覆盖在熟悉自动化问题之上的营销包装。
Cloudflare 在 Agents Week 发布的所有能力，如今构成了一项可信的平台提案。它围绕全球分布式运行时，整合了持久化计算、搜索、记忆、浏览器、身份和部署能力。这已足以给每一家主要云服务商带来压力。
但这还不足以决定竞争胜负。开发者应在故障恢复、权限、检索质量、可观测性和可移植性方面，测试一项具有代表性的工作流。企业买家则应在将 Cloud 2.0 视为不仅仅是 Cloudflare 自定义名称之前，要求获得工作负载层面的证据。
对你的团队而言，哪个信号最重要：更低的集成工作量、更严格的智能体控制，还是更容易访问现有云数据？请以此答案设计一项有限的生产试点，记录每一次故障，并在投入下一项智能体工作负载之前比较完整的运营负担。
