building-ai-agent-on-cloudflare

在 Cloudflare Workers 上使用 Agents SDK 建置 AI 代理。建立有狀態代理、持久化工作流程、即時 WebSocket 應用程式、排程任務、MCP 伺服器或聊天應用程式時載入。涵蓋 Agent 類別、狀態管理、可呼叫 RPC、Workflows 整合及 React hooks。

在 Cloudflare Workers 上建置遠端 MCP（模型上下文協定）伺服器，包含工具、OAuth 驗證與正式環境部署。可產生伺服器程式碼、設定驗證提供者，並部署至 Workers。 使用時機：使用者提及「建置 MCP 伺服器」、「建立 MCP 工具」、「遠端 MCP」、「部署 MCP」、為 MCP 加入「OAuth」，或提到 Cloudflare 上的模型上下文協定。亦會觸發於「MCP 驗證」或「MCP 部署」。

涵蓋 Cloudflare 平台的完整技能，包括 Workers、Pages、儲存（KV、D1、R2）、AI（Workers AI、Vectorize、Agents SDK）、網路（Tunnel、Spectrum）、安全（WAF、DDoS）以及基礎設施即程式碼（Terraform、Pulumi）。適用於任何 Cloudflare 開發任務。

建立與審查 Cloudflare Durable Objects。適用於建構有狀態的協調機制（聊天室、多人遊戲、預訂系統）、實作 RPC 方法、SQLite 儲存、警報、WebSocket，或審查 DO 程式碼以符合最佳實務。涵蓋 Workers 整合、wrangler 設定，以及使用 Vitest 進行測試。

為安全程式碼執行建置沙盒應用程式。在建立AI程式碼執行、程式碼直譯器、CI/CD系統、互動式開發環境或執行不受信任的程式碼時載入。涵蓋Sandbox SDK生命週期、指令、檔案、程式碼直譯器及預覽URL。

使用 Chrome DevTools MCP 分析網頁效能。測量核心網頁指標（FCP、LCP、TBT、CLS、速度指數），識別渲染阻塞資源、網路依賴鏈、版面位移、快取問題及無障礙缺口。當被要求稽核、剖析、除錯或優化頁面載入效能、Lighthouse 分數或網站速度時使用。

審查並指導 Cloudflare Workers 程式碼遵循生產最佳實踐。在撰寫新的 Workers、審查 Worker 程式碼、設定 wrangler.jsonc，或檢查常見的 Workers 反模式（串流、懸浮承諾、全域狀態、機密、綁定、可觀測性）時載入。傾向從 Cloudflare 文件檢索，而非依賴預先訓練的知識。

Cloudflare Workers CLI，用於部署、開發及管理 Workers、KV、R2、D1、Vectorize、Hyperdrive、Workers AI、Containers、Queues、Workflows、Pipelines 與 Secrets Store。在執行 wrangler 指令前載入，以確保正確語法與最佳實踐。