标签

平台工程

Kitesurf:为 AI Agent 重做浏览器,并把它运行在 Cloudflare Workers 上

来源: blog.cloudflare.com 49
传统浏览器围绕人类设计:页面需要可视化,交互依赖鼠标和键盘,会话状态长期保存在本地。AI Agent 的需求不同,它更关心结构化输入、确定性操作、并发执行、失败重试和可控成本。Cloudflare 推出的 Kitesurf 正是在这个方向上重新定义浏览器:它面向 Agentic Cloud,运行于 Cloudflare Workers 的 V8 iso...

打开一个开关,让现有网站获得 WebMCP 智能体接口

来源: blog.cloudflare.com 53
Cloudflare 推出的 WebMCP 开发者预览,试图解决一个现实问题:网站通常只为人类浏览器设计,而浏览器 AI 智能体需要可识别、可调用、可约束的操作接口。按照发布摘要,站点开启一个开关后即可供浏览器 AI 智能体使用,不必新增 API,也不必修改源站;与此同时,用户仍掌握操作控制权,内容创作者也能保留进入网站的流量。 传统浏览器自动化依赖 ...

Cloudflare 同时入选 2026 SASE 与 SSE 魔力象限愿景者,企业该如何解读

来源: blog.cloudflare.com 54
Cloudflare 宣布,它是唯一同时在 2026 年 Gartner® SASE Platforms 魔力象限和 Security Service Edge(SSE)魔力象限中被评为“愿景者”(Visionary)的厂商。这个消息的价值不只在于榜单排名,更在于它把企业长期面对的两个问题放到了一起:如何构建覆盖网络与安全的 SASE 架构,以及如何通...

为任务型 Agent 建立可持续验证的访问模型

来源: blog.cloudflare.com 48
当 Agent 不再只是回答问题,而是代表用户读取数据、调用 API、修改资源时,传统的“登录一次、授权一段时间”就不够用了。The Agent Access Model 提出了一种面向任务范围的安全架构:由严格的身份代理负责确认“谁在执行”,由持续中介负责确认“此刻是否允许”,再通过有状态的信任记录判断“这个任务是否仍然值得信任”。 这套思路的重点不...

Cloudflare OS:让智能体、应用与组织工作流共用一套开放平台

来源: blog.cloudflare.com 50
Cloudflare OS 试图解决一个现实问题:企业里真正有价值的应用和自动化,往往依赖组织内部积累的知识、流程与系统权限。平台的核心方向,是让公司中的每个人都能构建应用、自动化工作,并在安全边界内访问内部系统。 这并不只是增加一个聊天机器人入口。更重要的是,把“组织知道什么”“工作如何运转”以及“哪些系统可以被访问”组合成可持续维护的平台能力。 传...

Cloudflare OS:用计算与零信任重新设计 AI 时代的工作方式

来源: blog.cloudflare.com 50
AI 正在改变团队完成工作的方式,但真正的难点并不是接入一个聊天机器人,而是让 AI 工具进入真实工作流,同时满足权限、数据保护、审计和可靠性要求。Cloudflare OS 的思路,是把计算能力与 Zero Trust 安全能力放在同一个平台中,让团队可以更安全地重新思考工作流程,并为用户提供更完整的 AI 工具体验。 很多团队的 AI 落地停留在单...

WriteGuard:为 MCP Server 的写操作增加细粒度控制

来源: blog.cloudflare.com 38
当 MCP Server 从“只读查询”走向“可以修改生产数据、配置和权限”时,风险不再只是模型是否理解了用户意图。真正困难的是:企业不能假设每位员工都能正确配置每个 Agent,也不能要求有人盯住每一次工具调用。Cloudflare 在扩大内部 MCP Server 的写访问权限之前,构建了 WriteGuard,为写操作提供更细粒度的控制,并计划通...

用身份感知分析识别 AI 流量中的异常行为

来源: blog.cloudflare.com 48
AI Gateway 正在从“转发请求”的基础设施,变成能够理解请求主体和行为变化的安全控制面。Identity-aware AI Gateway 进入公开测试后,网关可以把 AI 流量与用户、代理身份关联起来;User Insights 则进一步为每个人和每个 agent 建立行为基线,并在异常行为出现时发出风险信号。 这件事的关键不只是记录谁调用了...

把 AI 生成的巨型 PR 拆成可审查的 GitHub PR 栈

来源: github.blog 50
编码代理很容易一次生成数千行改动,但“代码能运行”不等于“改动能审查”。当数据库迁移、领域模型、API、界面和测试全部塞进一个 Pull Request,审查者很难区分基础设施变更与业务行为,也难以判断某段代码究竟依赖什么。 更实用的做法,是在任务开始前就要求代理把工作拆成一组有顺序的分支,并在 GitHub 上建立彼此依赖的 stacked pull...

Agent Development Lifecycle:当 AI 写代码快过团队评审,工程流程需要一起升级

来源: blog.cloudflare.com 45
AI agent 正在改变软件开发的速度。代码生成可能只需要几分钟,但评审、部署、监控、修复和长期维护仍然需要完整的工程流程。当代码产出速度超过团队验证和运营能力时,真正的瓶颈就从“怎么写代码”转向了“怎么管理持续生成的代码”。 Cloudflare 介绍的 Agent Development Lifecycle,简称 ADLC,正是针对这一变化提出的...