持久执行
Cloudflare 将该平台定位为围绕持久执行而构建,因此 agent 工作流可以跨多个步骤继续运行,而不是停留在单次提示-响应交互。
Cloudflare Agents 是用于在 Cloudflare 上构建 agentic AI 工作流的平台。它连接输入、模型访问、持久执行和工具,帮助开发者在同一技术栈上构建多步骤 agent。
Cloudflare Agents 是一个用于在 Cloudflare 上构建 agentic AI 的平台。主页将 agents 描述为一种系统:它们可以接收用户输入、针对任务进行推理、在步骤之间保持状态、调用 LLM,然后使用工具完成工作。
该产品被呈现为一个面向 agent 工作流的 Cloudflare 原生技术栈。页面将 email、chat 和 voice 等输入渠道与 Cloudflare 的推理、执行、存储和集成服务连接起来,以便团队在同一平台上构建完整流程。
来源还强调了 Cloudflare 面向 agent 的运行时模型:按 CPU 时间而不是墙钟时间付费,通过 WebSocket hibernation 支持长连接,并使用 Durable Objects 和 Workflows 让 agent 持续推进多步骤任务。
收集到的定价 URL 返回了“Not Found”,因此来源集合无法确认该产品是否有公开定价页面、套餐结构或计费层级。
Cloudflare 将该平台定位为围绕持久执行而构建,因此 agent 工作流可以跨多个步骤继续运行,而不是停留在单次提示-响应交互。
来源说明,agent 可以通过 Workers AI 使用 Cloudflare 托管的推理,或通过 AI Gateway 连接外部模型提供商。
页面将状态和计算一起描述为执行层,使用 Durable Objects 管理状态,并使用 Workflows 进行编排。
Agent 可以通过 API、MCP servers,以及 Browser Rendering、Vectorize 和 D1 等工具执行结构化操作。
页面指出 Cloudflare Workers 按 CPU 时间而非墙钟时间计费,并强调 Durable Objects 中的 WebSocket hibernation 用于长连接。
构建从 email、chat 或 voice 输入开始,然后在不离开 Cloudflare 平台的情况下完成规划、推理和任务执行的 agents。
当工作流需要模型推理作为环节之一时,创建连接到 Workers AI 或通过 AI Gateway 连接外部模型提供商的 agents。
当 agent 需要持久执行、状态以及在新信息到来时重新审视计划的能力时,使用 Durable Objects 和 Workflows。
当任务需要外部操作或数据访问时,将 agents 连接到 API、MCP servers,以及 Browser Rendering、Vectorize 或 D1 等 Cloudflare 工具。
构建能高效保持连接的 agent 运行时,尤其适用于 WebSockets 和其他长连接交互是设计一部分的场景。
Cloudflare Agents 是一个用于在 Cloudflare 上构建 agent 的平台。主页将其描述为一种工作流:从用户输入开始,连接到 LLM,通过状态和计算保证执行,然后借助工具采取行动。
源内容提到了 email、chat 和 voice 作为可能的输入渠道,并展示了 Cloudflare 组件,如 Email Workers、WebSockets、Workers AI、AI Gateway、Durable Objects、Workflows、MCP servers、Browser Rendering、Vectorize 和 D1,作为构建 agent 流程的一部分。
公开网站文本没有显示定价模式或套餐详情。定价页面路径返回了“Not Found”,因此没有可供总结的受支持定价信息。
该页面将 Cloudflare Agents 定位为面向开发者的 agentic AI 工作流平台,适用于需要在多个步骤中进行持久执行、LLM 访问和工具使用的 agent。
页面强调 agent 可以进行规划、迭代和行动,但所收集的来源并未提供有关设置限制、输出格式或超出该高层工作流之外的限制的产品文档。