乐于分享
好东西不私藏

【AI工具推荐】Cloudflare开源了一个"异类":别给AI Agent配容器了,给它一台电脑

【AI工具推荐】Cloudflare开源了一个"异类":别给AI Agent配容器了,给它一台电脑
Cloudflare开源了一个"异类":别给AI Agent配容器了,给它一台电脑
cloudflare/computer:GitHub Trending,Cloudflare 8月3日发布,MIT协议开源,为每个AI Agent分配一台虚拟"电脑"——SQLite虚拟文件系统+Isolate/Container双模执行引擎
给每个AI一台电脑,而不是一堆容器
先问你一个问题:如果你的公司要给1万个员工每人配一台电脑,你会怎么做?
正常思路是一人发一台MacBook。但如果这1万人里有8000个只是偶尔敲敲文档、回回邮件呢?给每个人都配一台顶配工作站,是不是太浪费了?
更聪明的做法是:每人发一台"虚拟机"——大多数时候跑轻量任务,需要重度计算时再动态分配资源。
Cloudflare刚刚开源的项目,做的就是这件事。只不过"员工"换成了AI Agent。
8月3日,Cloudflare发布了 @cloudflare/computer 开源库。一句话概括它的核心理念:
你的Agent需要的是一台电脑,不是一个容器。
上线3天,591次提交,GitHub Trending霸榜。虽然星标还在快速爬升阶段,但这个项目的设计理念值得每一个做AI Agent的人认真看看。
为什么"给每个Agent一个容器"行不通?
过去半年,AI Agent的部署方式已经形成了一套"标准答案":给Agent一个Docker容器,里面有完整的Linux环境、文件系统、各种工具。Claude Code、Cursor、Devin,本质上都是这么干的。
这套方案在"几十个Agent"的时候很好用,在"几亿个Agent"的时候就是灾难。
Cloudflare在官方博客里算了一笔账:
全球所有云厂商加在一起,所有的超大规模数据中心,也没有足够的CPU来给每家公司的每个用户的每个Agent都分配一个容器化计算环境。当并发Agent数量从百万级走向十亿级,"一人一个容器"的模式注定崩盘。
这不是危言耸听。看看你手机里有多少个App,每个App背后可能就跑着好几个Agent——客服Agent、推荐Agent、搜索Agent。当AI渗透到每个数字产品的毛细血管里,Agent的并发量将是今天编程工具时代的几百倍。
这就是Cloudflare要做"Computer"的根本原因:不是容器不好用,是容器不够用。
还有一个隐性问题:成本。一个容器哪怕什么都不做,也在持续消耗CPU和内存。当你同时运行100万个Agent,其中80万个正在等用户输入(空闲状态),你仍然在为这80万个空容器付费。这不是优化能解决的问题,这是架构层面的浪费。
Cloudflare从近十年前就开始押注Isolate——一种比容器轻100倍的执行环境。Isolate可以在毫秒内启动、空闲时自动休眠、状态持久化到SQLite。现在他们把这套能力包装成了一个面向Agent的"虚拟电脑"产品。
核心设计:一台"虚拟电脑"的三层架构
@cloudflare/computer 的设计非常优雅,核心概念就三个:
🔹 第一层:SQLite驱动的虚拟文件系统
每个Agent的"电脑"有一个持久化的虚拟文件系统,底层是SQLite,跑在Cloudflare的Durable Object上。
你可以从Git仓库、云存储、或者任意文件导入内容到这个文件系统。Agent可以在里面读写文件、管理目录、操作Git仓库——就像操作一台真实的电脑一样。
关键是:这个文件系统是持久化的。Agent休眠了、重启了、甚至迁移到另一台物理机器上,它的文件还在。就像你的电脑关了机,硬盘里的东西不会丢。
🔹 第二层:双模执行引擎
这是最精彩的部分。Computer提供两种执行后端,Agent根据任务自动选择:
Isolate模式(轻量):通过一个叫 just-bash 的工具,把Shell命令翻译成JavaScript,跑在Cloudflare Workers的动态Isolate里。速度极快,成本极低,能覆盖80%以上的日常任务——文件操作、数据处理、Git管理。
Container模式(重量):通过FUSE挂载,把虚拟文件系统同步到一个完整的Linux容器里。当Agent需要跑npm install、编译原生二进制文件、执行Linux特有命令时,自动切换到这个模式。
AI模型自己决定用哪种模式。Cloudflare说,在测试中,前沿模型"非常擅长为任务选择正确的执行环境"。文件编辑在Isolate里毫秒级完成,只有真正需要Linux环境的任务才会启动容器。
🔹 第三层:AI SDK兼容工具集
Computer对外暴露五个标准工具:readwriteeditlsexec。兼容AI SDK协议,可以直接接入任何Agent框架。
所有操作都有权限门控、审计日志和可观测性。Agent做了什么、改了什么文件、执行了什么命令,全部有迹可查。
一段代码看懂它怎么用
来看一个实际场景:构建一个自动修复Bug的Agent。
import { Think } from "@cloudflare/think"; import { Workspace } from "@cloudflare/computer"; import { createAITools } from "@cloudflare/computer/tools";  export class BugFixAgent extends Think {   workspace = new Workspace({     storage: this.ctx.storage,   });    override getTools() {     return createAITools({       workspace: this.workspace,       shell: {         defaultBackend: "isolate",         backends: {           container: {             description: "完整Linux环境:npm、编译器、测试框架"           }         }       }     });   } }
就这么简单。createAITools 自动生成五个工具,Agent在运行时自动判断:读文件、改代码走Isolate;跑测试、装依赖走Container。两条执行路径共享同一个文件系统,文件变更实时同步。
和现有方案的本质区别
维度
传统容器方案
Cloudflare Computer
资源消耗
每个Agent独占一个容器
Isolate处理80%+任务,容器按需启动
启动速度
秒级(拉镜像+启动)
毫秒级(Isolate冷启动)
扩展性
受限于物理CPU
理论上无限水平扩展
持久化
需要外挂存储
SQLite原生持久化
成本
每个容器持续消耗CPU/内存
Isolate可休眠,零空闲成本
安全审计
需要额外方案
内置权限门控+操作审计
核心差异不在功能层面,而在架构哲学:传统方案是"给Agent分配一台物理/虚拟服务器",Computer是"给Agent创建一个轻量级的数字工作台"。
一个反直觉的细节:Shell命令跑在JavaScript里
让我单独说说 just-bash 这个组件,因为它的设计思路真的很"反直觉"。
正常思维是:要跑Shell命令,就得有个Linux环境。但Cloudflare反其道而行——用一个叫 just-bash 的开源工具,把Shell命令翻译成JavaScript,然后直接跑在V8 Isolate里。
这意味着什么?意味着Agent执行一个 ls -la /workspace 或者 grep -r "TODO" . 这种命令时,根本不需要启动容器。命令被翻译成等价的JavaScript文件操作,在毫秒级的Isolate里就完成了。
Cloudflare的目标是:Agent 90%以上的工作都在Isolate里完成,只有真正需要Linux原生环境(比如npm install、编译C++、跑Docker)时,才启动容器。
这个设计背后的技术赌注是:V8 Isolate的性能已经足够好,好到可以替代一个完整的Shell环境来处理日常文件操作。从Cloudflare公布的性能基准测试来看,在元数据密集型操作上(比如大量小文件的创建、读取、删除),FUSE挂载的虚拟文件系统甚至比真实磁盘还快
这件事为什么重要?
Cloudflare Computer目前还是早期预览版,API不稳定,不适合生产环境。但它指出的方向非常清晰:
Agent的算力供给,必须从"一人一容器"走向"按需弹性调度"。
想想你每天用的编程助手。它在帮你改一行代码的时候,真的需要一个完整的Linux容器吗?它在帮你写一个测试用例的时候,真的需要占着一整块GPU吗?
Cloudflare的答案是:不需要。大部分时候,一个Isolate就够了。
这意味着同样的算力可以支撑100倍、1000倍的Agent并发。这才是AI Agent真正走向大规模普及的基础设施。
更值得关注的是Cloudflare的"野心"。他们不只是做了一个工具,而是在推一套新的Agent基础设施范式。配合之前发布的 @cloudflare/think(Agent思考框架)和 @cloudflare/agents(Agent部署框架),Computer补齐了最后一块拼图——Agent的计算环境
三件套拼起来,就是一个完整的Agent开发→运行→计算全栈方案。Cloudflare想做AI Agent时代的"操作系统",这个布局已经很清晰了。
这个项目适合谁?
如果你是Agent开发者:现在就可以上手试试。特别适合已经在用Cloudflare Workers的团队——Computer可以无缝集成到你现有的Worker架构里,给你的Agent加上"电脑"能力。
如果你在做Agent平台:Computer的设计思路非常值得借鉴。即使你不用Cloudflare,"虚拟文件系统+双模执行+AI自动选择"这套架构模式完全可以迁移到其他云平台。
如果你只是关注AI趋势:这个项目最大的价值不是"怎么用",而是"怎么想"。它第一次系统性地回答了"Agent的计算环境应该长什么样"这个问题。不管你用的是AWS、GCP还是自建机房,这个思考框架都有参考价值。
上手指南
项目MIT协议开源,TypeScript编写,591次提交,6位核心贡献者。目前还是Preview阶段,API可能还会变动,但核心架构已经稳定。
npm install @cloudflare/computer
官方提供了7个示例项目,覆盖面很广:
• examples/container — 在容器里挂载工作区,通过HTTP暴露读写执行接口
• examples/worker-shell — 不用容器,纯Isolate Shell执行(和容器版用同样的HTTP接口)
• examples/worker-javascript — ECMAScript模块执行模式
• examples/think — 集成 @cloudflare/think 的终端聊天Agent
• examples/think-compare-runtimes — Web UI对比两种执行后端
• examples/tutorial — 从零构建一个PDF食谱生成Agent
• examples/artifacts — 在Workspace里生成Worker项目并发布
推荐路径:先跑 examples/tutorial(一个完整的从零构建Agent教程),再读 examples/think-compare-runtimes(同一个任务在两种后端上跑的直观对比),很快就能理解双模执行的设计意图。
如果你的团队已经在用Cloudflare Workers,从 examples/think 开始更直接——它能让你5分钟跑起一个能操作文件系统的Agent。
🔗 GitHub:github.com/cloudflare/computer
🔗 官方博客:blog.cloudflare.com/cloudflare-computer
🔗 性能基准:docs/19_performance.md
我是雷子,一个在AI工具堆里淘金的IT民工。
说实话,看到这个项目的第一反应是"Cloudflare又在搞事了"。但仔细看完博客和代码,我觉得这不是一次蹭热度,而是一个有十年技术积累的团队对"Agent基础设施应该长什么样"这个严肃问题给出的认真回答。
你觉得"给Agent一台电脑而不是一个容器"这个思路靠谱吗?你的Agent项目目前用的是什么方案?评论区聊聊 👇
关注我,每天带你挖一个GitHub上真正有意思的AI工具。