Cloudflare 巨頭推 AI Agent 平台，你的網站準備好被 AI 找了嗎

2026 年 4 月，Cloudflare 做了一件讓整個科技圈都在討論的事：他們推出了一站式的 AI Agent 平台。

你可能知道 Cloudflare 是做網站加速和安全防護的公司，全世界大概有三成的網站都在用他們的服務。但現在他們跨進了 AI Agent 的領域，推出了一個讓企業用一行指令就能部署 AI 代理人的平台。

更有意思的是，他們同時推出了一個叫 Agent-Ready 的免費檢測工具，幫你的網站打分數。問題已經不是「要不要用 AI」，而是「你的網站準備好讓 AI 來互動了嗎」。

這篇文章幫你搞懂三件事：Cloudflare AI Agent 平台到底是什麼、你的網站在 AI 時代需要做哪些準備、以及台灣企業主現在該採取什麼行動。

Cloudflare AI Agent 平台是什麼？為什麼企業主要關注？

Cloudflare AI Agent 平台是一個讓企業用極低門檻就能建置、部署和運行 AI 代理人的一站式基礎建設服務，利用全球 300 多個節點讓 AI Agent 在任何地方都能快速回應。

Cloudflare 為什麼從 CDN 跨入 AI 基礎建設？

先講一下背景，Cloudflare 這家公司本來是做 CDN 的，CDN 用白話講就是讓你的網站在全世界都能快速打開的服務。他們在全球超過 300 個城市都有伺服器節點。

過去幾年，他們一步一步從幫你加速網站擴展到幫你跑程式。先是推出 Workers（讓你在他們的伺服器上跑小程式），然後推出 Durable Objects（讓程式可以記住東西），現在再往上蓋了一層：AI Agents。

Cloudflare 不是在賣 AI 的大腦（那是 OpenAI、Anthropic 在做的事），他們賣的是讓 AI Agent 能活在全球每個角落的基礎建設。就像他們以前幫網站加速一樣，現在他們要幫 AI Agent 加速。

什麼是 Durable Objects？為什麼它是 Agent 記憶的關鍵？

這裡要解釋一個技術概念，但我用比喻說。

一般的雲端程式像是便利商店的臨時工：客人來了就服務，客人走了就下班，明天再來他也不認識你。這種程式叫 serverless function，用完就丟，沒有記憶。

但 AI Agent 不能這樣，一個好的 AI 客服需要記住你上次問了什麼、你的訂單號碼是多少、你偏好什麼付款方式。它需要像一個有自己辦公桌的正職員工，桌上有你的客戶資料夾，隨時可以翻出來用。

Cloudflare 的 Durable Objects 就是這個辦公桌。每個 AI Agent 都有自己的一組資源：一個小型資料庫（用來存對話記錄和客戶資料）、一條即時通訊線路（可以跟使用者即時對話）、還有一個排程系統（可以設定每天早上九點自動做某件事）。

重點是：就算 Agent 暫時睡著了（沒有人在用），醒來之後所有記憶都還在。這跟大部分聊天機器人重新整理就失憶完全不同。

Cloudflare AI Agent 有哪些核心功能？企業主需要知道什麼？

Cloudflare AI Agent 平台一次給了六樣東西。我先用一張表讓你快速掃過，再挑重點講。

功能	白話說明	企業應用場景
MCP Server	把你的服務變成 AI 看得懂的格式，讓外部 AI 來查詢	讓 ChatGPT 直接查你的產品庫存
Callable Methods	把內部功能變成可以被 AI 呼叫的按鈕	AI 客服直接幫客戶查訂單
持久狀態	Agent 記得每個客戶的對話歷史，不會失憶	多輪對話的售後服務
排程與佇列	Agent 可以定時自動執行任務	每天自動整理客服問題摘要
即時通道	支援即時對話、網頁、Email 三種溝通方式	客戶從任何管道都能找到 AI
AI Chat Agent	內建的多輪對話引擎，可以接各家 AI 模型	快速搭建智慧客服機器人

MCP Server 是什麼？為什麼能讓外部 AI 找到你？

MCP 是 Model Context Protocol 的縮寫，講白了就是 AI 世界的電話簿格式。

想像一下：你開了一家餐廳，但沒有登錄在 Google Maps 上。客人就算想找你也找不到。MCP Server 做的事情就是把你的服務登錄到 AI 的世界裡，讓外面的 AI Agent 知道你這邊有什麼功能可以用。

舉個例子：如果你是一家電商，你的 MCP Server 可以告訴外部 AI「我這邊可以查庫存、可以查物流進度、可以下訂單」。這樣當客戶對 ChatGPT 說「幫我查一下 XX 商店有沒有這個產品」，ChatGPT 就知道去哪裡查。

Cloudflare 的平台讓你用很少的設定就能建起自己的 MCP Server，不需要從零開始。搭配他們的 Callable Methods 功能（用一個簡單的標記就能把你的內部功能變成 AI 可以呼叫的接口），整個過程比你想像的簡單得多。

持久狀態和排程功能如何讓 Agent 不再斷線就失憶？

你可能用過某些聊天機器人，每次重新打開對話它就忘記你是誰，又要重新自我介紹一遍。這就是沒有持久狀態的問題。

Cloudflare AI Agent 的持久狀態功能解決了這件事。你的 Agent 記得每一個客戶的對話歷史、偏好設定、甚至上次沒完成的流程。就算伺服器重啟、程式更新，這些記憶都不會丟失。

排程功能也很實用。你可以設定 Agent 每天早上八點自動整理昨天的客服問題，每週一產出一份週報，或是在庫存低於某個數量時自動發通知。這些以前需要工程師另外寫程式的事，現在 Agent 內建就有。

通訊方面，Agent 支援三種管道：WebSocket（即時對話，像 LINE 一樣一來一往）、HTTP（傳統的網頁請求）、和 Email（直接收發信件）。對企業來說，這代表你的 AI Agent 可以同時服務在你網站上聊天的客戶、從 API 來的請求、還有寄信來的人。

什麼是 Agent-Ready 檢測？你的網站及格嗎？

Agent-Ready 是 Cloudflare 推出的免費檢測工具，用來衡量你的網站是否準備好讓 AI Agent 存取和互動。這可能是今天最重要的一段。

Cloudflare 同時推出了一個免費工具叫 isitagentready.com，你只要輸入你的網址，它就會幫你的網站做一次 AI Agent 友善度體檢。

2000 年你需要一個網站，2010 年你需要手機版，2026 年你需要讓 AI Agent 找得到你。

Agent-Ready 就是在衡量你的網站是不是已經準備好迎接這個時代。

Agent-Ready 的五項檢測標準是什麼？

這個工具會從五個面向幫你打分數：

第一，Discoverability（可被發現性）。你的網站有沒有 robots.txt？有沒有 sitemap？這些檔案就像你店門口的招牌和地圖，告訴 AI「這裡有一家店，賣這些東西」。沒有的話，AI 連門都找不到。

第二，Content Accessibility（內容可讀性）。你的網頁內容能不能用 AI 容易理解的格式呈現？人類看網頁看的是漂亮的排版，但 AI 需要的是乾淨的純文字。這項檢測的就是你的網站有沒有提供 AI 友善版的內容格式。

第三，Bot Access Control（機器人存取控制）。你的 robots.txt 裡面有沒有針對 AI 機器人的規則？哪些內容允許 AI 讀取、哪些不允許？這就像你的店有沒有明確的歡迎參觀或員工專用的標示。

第四，Protocol Discovery（協定探索）。這是最關鍵的一項。你的網站有沒有放 MCP Server Card（讓 AI 知道你有什麼服務可以呼叫）、Agent Skills（告訴 AI 你的 Agent 會做什麼）、還有其他讓 AI 能理解並使用你網站功能的標準格式？

第五，Commerce（商務能力）。如果你是電商，你的網站支不支援讓 AI 代替客戶完成交易？這包含了一些新的付費協定標準。

台灣企業網站在 Agent-Ready 最常缺什麼？

根據我的觀察，台灣大多數企業網站在 Agent-Ready 這件事上幾乎是零分，最常缺的有三個：

第一，robots.txt 裡面沒有 AI bot 的規則。大部分台灣企業的 robots.txt 還停留在十年前的寫法，只管 Google 和 Bing 的爬蟲，完全沒有針對 AI 機器人的指示。這就像你家大門沒有門牌號碼，快遞員根本不知道要不要進來。

第二，沒有 MCP Server Card。MCP Server Card 是一個放在你網站固定位置（/.well-known/mcp.json）的小檔案，告訴 AI「我這邊有什麼服務可以用」。全台灣有放這個檔案的企業網站，用一隻手大概就能數完。

第三，沒有提供機器可讀的內容格式。你的網站可能有漂亮的網頁設計，但 AI Agent 需要的是乾淨、結構化的資料。如果你的網站只有給人看的 HTML，AI 就得花更多力氣去猜你的內容是什麼。

從科技翰林院實際測試的經驗來看，大部分台灣企業網站現在的狀態就是「放了一個假的招牌在那裡，但門是鎖著的」。

你需要做的不是從零開始，而是把已經有的網站升級成 AI Agent 真的能互動的站點。

用 npm i agents 部署 AI Agent 有多簡單？

非常簡單，一個前端工程師用 Cloudflare 平台半天就能部署一個基本的 AI Agent，核心程式碼甚至只需要幾行。

這段不是要教你寫程式，而是讓你知道門檻有多低，如果你是企業主，看完這段你可以直接給你技術團隊這份文件 Cloudflare Agents。

最簡單的 Agent 部署流程長什麼樣？

在 Cloudflare 的平台上建一個 AI Agent，核心程式碼可以短到只有幾行，用白話翻譯整個過程大概是這樣的：

第一步，在終端機輸入一行安裝指令（npm i agents），就像手機下載一個 App。

第二步，寫一個 Agent 設定檔，告訴它你要它做什麼、記住什麼、回應什麼。

第三步，輸入部署指令，Agent 就自動上線到 Cloudflare 的全球網路上了。

整個過程，一個前端工程師半天就能搞定，不需要自己架伺服器、不需要設定資料庫、不需要處理全球部署的問題，這些 Cloudflare 全部幫你做了。

對比傳統做法：你要租一台伺服器、裝資料庫、寫 API、處理身份驗證、設定自動擴展、搞 CI/CD 部署流程。光是基礎建設就要一個小團隊忙上幾週，現在這些全部壓縮成一行指令。

AIChatAgent 如何讓客服機器人擁有記憶？

Cloudflare 還提供了一個叫 AIChatAgent 的現成模組，專門用來建對話型的 AI 客服。它有幾個對企業特別重要的特性：

自動記住對話。每一輪對話都會自動存進資料庫，客戶下次來不用重新講一遍。這對做售後服務、技術支援的企業來說是剛需。

可以接各家 AI 模型。你可以選擇用 OpenAI 的 GPT、Anthropic 的 Claude、Google 的 Gemini，或是 Cloudflare 自家的 Workers AI。不會被綁死在一家供應商上。

支援人類審核。這點很關鍵。如果 AI Agent 要執行比較敏感的操作（比如退款、修改訂單），可以設定必須經過人類員工確認才能執行。不是放任 AI 自己決定所有事情。

Cloudflare AI Agent 成本怎麼算？跟自建和雲端大廠比如何？

Cloudflare 採用 CPU 時間計費模式，只算實際運算時間，等待 AI 模型回應和閒置時都不收費，比傳統雲端服務和自建方案的成本結構更有利於 AI Agent 場景。

什麼是 CPU 時間計費？為什麼等 AI 回應不算錢？

Cloudflare 的計費方式跟傳統雲端服務有一個根本的差異：他們只算 CPU 實際在工作的時間，不算等待的時間。

用比喻來說：傳統的雲端服務像是計程車跳表，不管是在開車還是在等紅燈，表都在跳。Cloudflare 的做法是只有輪子在轉的時候才算錢，等紅燈不收費。

這對 AI Agent 來說影響很大。因為 Agent 大量的時間都花在等 AI 模型回應上。一個請求可能 500 毫秒，但其中只有 250 毫秒是真正的 CPU 在運算，另外 250 毫秒是在等 OpenAI 或 Claude 回答。Cloudflare 只收你 250 毫秒的錢。

另外還有一個叫 WebSocket 休眠的機制。當你的 Agent 沒有人在用的時候，它會自動進入休眠狀態，不佔用資源也不產生費用。但所有的狀態和記憶都保留著，有人來用的時候立刻醒來繼續服務。

比較項目	Cloudflare Agents	自己從零建	AWS / GCP
狀態管理	內建自動處理	要自己建資料庫和 session	要自己建
部署方式	一行指令，全球上線	自己搞 CI/CD 和伺服器	設定繁瑣
計費邏輯	只算 CPU 時間	固定月費（用不用都要付）	掛著就燒錢
全球分佈	300+ 節點，內建	要自己建 CDN	選區域部署
擴展能力	自動擴展	自己寫擴展邏輯	需設定 auto-scaling
適合誰	想快速上線的團隊	有完整工程團隊的大公司	已在 AWS/GCP 的企業

什麼規模的企業適合用 Cloudflare AI Agent？

小團隊（10 人以下）：直接用。Cloudflare 幫你省掉所有基礎建設的工作，你只需要一個會寫 TypeScript 的工程師就能把 AI Agent 上線。對小公司來說，這可能是目前建 AI Agent 最快、最便宜的路。

中型企業（10-100 人）：評估你現有的技術架構。如果你已經有自己的伺服器和資料庫，可以考慮把 Cloudflare AI Agent 當作前線接待，讓它負責跟客戶對話，再把需要的資料從你的內部系統拉出來。

大企業（100 人以上）：可以當作快速原型工具。想測試一個 AI 客服的概念？用 Cloudflare 先做一個最小可行版本，驗證商業邏輯可行後，再決定要不要整合進自己的系統。

台灣企業主現在該做哪三件事來迎接 AI Agent 時代？

台灣企業主現在該做三件事：用 Agent-Ready 工具掃描網站、設定基礎的 AI 友善標準、以及評估是否需要建自己的 AI Agent。

第一步：怎麼用 Agent-Ready 工具掃描你的網站？

打開 isitagentready.com，輸入你公司的網址，看看五項檢測分數各拿幾分。這個工具是免費的，掃描結果會告訴你哪些地方及格、哪些需要改善。

不管你現在有沒有要建 AI Agent，先知道自己的網站在 AI 眼中長什麼樣子。這就像去做健康檢查，就算沒病也該知道自己的身體狀況。

第二步：如何設定基礎的 Agent-Ready 標準？

就算你完全不打算建自己的 AI Agent，也該把網站的基本功做好。這些改動大部分只需要你的工程師花半天到一天就能完成：

首先，更新你的 robots.txt，加入針對 AI bot 的存取規則。告訴 AI 機器人哪些頁面歡迎它來讀、哪些頁面請它跳過。

接著，在你的網站上放一個 MCP Server Card（一個簡單的 JSON 檔案，放在 /.well-known/mcp.json 這個路徑下）。即使你現在沒有真正的 MCP 服務，先放一個基礎版的也能讓 AI 知道你的網站存在。

最後，確保你的 sitemap 是完整的，而且定期更新。這是所有搜尋引擎和 AI Agent 找到你內容的基礎。

第三步：你的企業需要自己建 AI Agent 嗎？

不是每家企業現在都需要自己建一個 AI Agent。判斷的方式很簡單：

如果你的業務有大量重複性的客戶互動（客服、報價、訂單查詢），那建一個 AI Agent 的投資報酬率會很高。Cloudflare 的平台讓這件事的門檻降到了前所未有的低。

如果你的業務以內容為主（媒體、教育、顧問），那先把 Agent-Ready 的基礎功做好就夠了。讓外面的 AI Agent（比如 ChatGPT、Perplexity）能正確讀取和引用你的內容，這本身就是一種流量入口。

不管你走哪條路，有一件事是確定的：AI Agent 會越來越多地代替人類去瀏覽網站、查詢資訊、完成交易。你的網站準備好了嗎，這個問題會越來越急迫。

結論：Cloudflare AI Agent 平台讓企業進入 AI 代理人時代的門檻歸零

Cloudflare 這次做的事情，用一句話講：他們把建 AI Agent 的門檻從「需要一整個工程團隊花幾個月」壓縮到「一個工程師花半天」。

Durable Objects 解決了 Agent 記憶的問題，MCP Server 解決了 Agent 之間互相找到彼此的問題，CPU 時間計費解決了成本可控的問題。這三件事加在一起，讓「企業擁有自己的 AI Agent」這件事第一次變得真正可行。

但我認為比建 Agent 更重要的是另一件事：你的網站是不是 Agent-Ready。

未來幾年，越來越多的客戶不再是人類坐在螢幕前一頁一頁地看你的網站，而是 AI Agent 代替人類來查資料、比價、下單。如果你的網站對 AI 來說是不透明的、不可互動的，你就等於把這些潛在客戶全部擋在門外。

現在就去 isitagentready.com 掃一下你的網站，看看自己站在什麼位置。這是免費的，花不到一分鐘，但可能會改變你對數位門面的理解。

---

推薦閱讀

AI Agent 是什麼？Meta 砸 20 億買 Manus

MCP 是什麼？AI 巨頭全押注的萬能接口

n8n AI 自動化導入企業失敗？90% 員工用不了的 5 個真相

---

參考資料

Cloudflare (2026). “Build, deploy, and run AI Agents on Cloudflare”

Cloudflare Developers (2026). “Agents — Cloudflare Documentation”

Cloudflare (2026). “Is It Agent Ready? — Check if your website is ready for AI agents”

Cloudflare Blog (2026). “Agents Week in review”

Anthropic (2026). “Model Context Protocol — Official Documentation”

延伸閱讀：Astro 框架：GEO AI 時代最強網頁架構，新手也能打造滿分網站

---

FAQ