Cloudflare 開放 Agents SDK，Flue 成首個基於其上的 AI Agent 框架
Cloudflare Blog · 2026-06-17
Cloudflare 於 2026 年 6 月 17 日宣布將 Agents SDK 以開源形式釋出，並同步推出首個建立於其上的第三方框架 Flue。這項發布標誌著 Cloudflare 從單一產品轉向平台策略，將旗下 AI Agent 基礎設施的核心能力開放給整個生態系統使用。
原本的問題
將 AI Agent 從原型推向正式生產環境，長期以來面臨三個分散式系統層面的挑戰。第一是狀態在中斷後遺失——當程序崩潰或重啟時，Agent 無法從斷點繼續執行。第二是安全執行 LLM 產生的程式碼，傳統容器方案啟動慢且成本高。第三是工具管理缺乏統一介面，開發者需要大量樣板程式碼才能串接外部服務。
Cloudflare 內部的 Project Think 已在解決這些問題，但其核心 primitive 過去僅供第一方使用。Agents SDK 的誕生，正是為了將這些久經考驗的元件提取出來，讓任何框架或 harness 都能直接取用。
採用的方法
Agents SDK 的架構分為三層：底層的 Runtime/Platform（Cloudflare Agents SDK 本身）、中間的 Harness 層（管理 agentic loop、工具與 context），以及頂層的 Framework 層（Flue 即位於此層）。每一層各司其職，開發者可以按需採用，不必綁定特定技術棧。
SDK 提供四個核心 primitive。第一是 Durable Execution（Fibers），透過 runFiber()、stash()、onFiberRecovered() 三個方法實現原生 checkpointing，讓 Agent 在重啟後能從最後一個檢查點恢復。第二是安全程式碼執行模組 @cloudflare/codemode，每段 LLM 產生的 TypeScript 都在獨立的 Worker isolate 中執行，啟動時間低於 10 毫秒，費用僅 $0.002 per load。第三是 @cloudflare/shell，以 SQLite 為底的虛擬檔案系統，支援 read、write、grep、diff 等型別化操作，省去容器開銷。第四是 @cloudflare/dynamic-workflows，讓 Agent 在執行期動態生成多步驟流程，並由平台負責持久化、重試與中斷處理。
await this.runFiber("my-task", async (ctx) => {
const step1 = await expensiveOperation();
ctx.stash({ step1 });
const step2 = await anotherExpensiveOperation(step1);
this.setState({ ...this.state, result: step2 });
});Flue 框架則以宣告式語法為核心，開發者描述 Agent 的 context（模型、技能、沙箱、指令），而非自行編排執行邏輯。內建整合包含 Slack、GitHub、Linear、Discord 等頻道，透過 flue add channel slack 一行指令即可完成串接。部署方式支援 Node.js 環境或 Cloudflare Durable Objects 自動擴縮兩種選項。
實際效果
文章以一個 bug 分類 Agent 為示範：該 Agent 攔截錯誤回報、在沙箱中重現問題、自主診斷根因，整段邏輯僅需不到 25 行 Flue 程式碼。相較於傳統容器方案，輕量任務的成本與延遲均大幅降低。
平台層面，Agent 可透過 binding 直接存取 AI Gateway（每個 Agent 獨立追蹤費用與速率限制）、Browser Run、Email Service、Agent Memory、AI Search 以及 14 家以上的模型供應商推論服務。Durable Objects 的設計讓每個 Agent 擁有隔離的狀態與運算資源，append-only 的 Durable Streams 事件日誌則確保狀態不會因意外中斷而遺失。
- Agents SDK：
developers.cloudflare.com/agents - Flue：
flueframework.com，安裝指令npm install @flue/runtime - 安全執行模組啟動延遲 < 10 ms，費用 $0.002 per load
- 支援 Node.js 環境部署或 Cloudflare Durable Objects 自動擴縮
原始來源：Cloudflare Blog — Bringing More Agent Frameworks to Cloudflare, Starting with Flue
Cloudflare One Stack：用 AI Agent 技能包自動化 Zero Trust 部署與遷移
Cloudflare Blog · 2026-06-17
Cloudflare 於 2026 年 6 月 17 日發布 Cloudflare One Stack，這是一套專為 AI Agent 設計的技能函式庫，能讓任何 Agent 取得規劃、部署及管理 Zero Trust 網路環境所需的完整知識。這項發布將 Cloudflare 累積自數千次企業遷移的實戰經驗，轉化為可被機器直接消費的結構化技能。
原本的問題
Zero Trust 網路安全架構的遷移工作向來耗時費力。工程師需要手動解讀現有安全政策、繪製網路拓撲、對應到目標平台的功能原語，再逐步規劃遷移序列。這類知識密集型工作過去高度依賴顧問服務或有深厚產品經驗的內部人員，難以規模化。
Cloudflare 的 Descaler（針對 Zscaler）和 Deskope（針對 Palo Alto Networks）計畫已加速了企業級平台切換，但仍需安排專業服務介入。Cloudflare One Stack 的目標是讓 Agent 能獨立完成同等品質的規劃工作，無需排期等待人工參與。
採用的方法
Cloudflare One Stack 由兩個輕量技能檔案組成：cloudflare-one 涵蓋通用產品指引與部署場景；cloudflare-one-migration 則包含針對特定廠商的翻譯邏輯，處理不同安全平台之間的政策與功能對應。搭配 Cloudflare code mode MCP server，Agent 可取得對應真實帳戶資料的型別化 API 存取能力，執行設定查詢與工作流程，而非單純的 ad-hoc API 呼叫。
以 VPN 替換場景為例，Agent 的執行流程如下：
- 盤點現有 VPN 應用程式與連線需求
- 將應用程式對應至適合的 Cloudflare Access、Gateway、Tunnel、Mesh 等功能原語
- 產生最小化中斷風險的分階段部署計畫
- 輸出供團隊審閱的設定摘要文件
技能包涵蓋的範圍包括遠端存取與 VPN 替換（Cloudflare Access）、橫跨使用者/網路/裝置/資料的安全管控（Cloudflare Gateway）、網路連線（Tunnel、Mesh、WAN 產品），以及使用 Digital Experience Monitoring 工具進行的問題排查。網路拓撲圖的生成與解讀也在支援能力範圍內，讓 Agent 能基於視覺化資料進行規劃。
影響範圍
這套工具的受眾涵蓋兩類：一是自行管理 Cloudflare One 部署的企業客戶，可借助 Agent 加速日常維運與問題排查；二是服務客戶群的 Cloudflare 合作夥伴，能藉此縮短部署週期、提高排障的準確率。
對整個 AI Agent 生態系統而言，這項發布示範了「領域知識打包成 Agent 技能」的一種可行路徑：不是讓 Agent 從頭學習複雜的企業產品，而是由產品方直接提供結構化的專家知識，讓 Agent 能在正確的抽象層次上操作。這一模式若被更多 SaaS 供應商複製，可能成為下一波企業 AI 自動化的重要基礎設施形式。
原始來源：Cloudflare Blog — Introducing the Cloudflare One Stack: Agent-Powered Deployment
VS Code 1.125 發布：內建瀏覽器強化、Copilot 預算監控與企業 MDM 政策支援
Visual Studio Code · 2026-06-17
微軟於 2026 年 6 月 17 日發布 Visual Studio Code 1.125，這是 2026 年六月的月度穩定版本。本次更新聚焦於三個方向：強化內建瀏覽器的網路能力、為 GitHub Copilot 加入預算監控工具，以及透過 MDM 政策讓企業管理員能集中管控 Copilot 設定。
背景
VS Code 近幾個版本持續深化 AI 輔助開發功能，同時也因此帶來新的管理需求。Copilot 的使用成本追蹤與企業合規管控，成為規模較大的工程組織反映最多的痛點之一。另一方面，VS Code 內建瀏覽器（Simple Browser）的能力也逐步擴充，使其不再只是文件預覽工具。
此版本同步更新 Language Server Protocol 至 3.18 版，並釋出對應的 client/server 套件，影響到所有依賴 LSP 的語言擴充套件開發者。
核心改動
在 Copilot 管理方面，狀態儀表板新增了額外配額的使用百分比顯示，讓使用者在超額計費發生前便能掌握消耗進度。MDM 政策交付功能讓 Windows 與 macOS 管理員可透過原生裝置管理機制強制套用 Copilot 設定，不再需要依賴使用者端的個別驗證流程，大幅降低企業部署的複雜度。
語言模型選擇介面也有所改善。Language Models 編輯器新增「Install Model Providers」按鈕，會自動過濾 Extensions Marketplace，僅顯示能提供模型供應商功能的擴充套件，簡化了第三方模型整合的探索與安裝流程。
內建瀏覽器的更新值得關注。地址列現在支援直接輸入關鍵字進行網路搜尋，使用的是使用者已設定的預設搜尋引擎。HTTP(S) 流量代理功能（預覽）允許透過遠端連線轉發流量，方便存取只在遠端機器上可用的服務。當 Agent 請求轉發埠時，URL 也會自動重寫並通知 Agent 相關變更。
影響範圍
擴充套件自動更新機制進行了介面整合，設定值簡化為 "on" 與 "off" 兩個選項，並自動從舊有設定格式遷移。新增的 extensions.autoUpdateDelay 設定讓管理員可設定更新延遲時間（預設值為 2 小時），給予組織在套用套件更新前進行內部評估的緩衝期。自動更新僅適用於已啟用的擴充套件，已停用的套件不受影響。
社群貢獻方面，本版本合入了多項修正，包括圖片輪播元件、終端機連字追蹤，以及 MCP HTTP 用戶端的安全性改善。LSP 3.18 的發布對擴充套件作者影響較大，需留意對應 client/server 套件的版本升級需求。