给 AI 代理一台真正的电脑？Cloudflare Computer 开启 Agent 操作新时代 👾💻

你也许遇到过这样的尴尬：辛辛苦苦用 LangChain 搭了个能聊天的智能体，结果它想帮你查一下数据库，却只能摊手说“我没有运行时环境”；或者你想让 AI 帮你跑一段 Python 脚本验证数据分析思路，却担心直接在自己电脑上执行会搞坏环境。每当我试图让 LLM 从“聊天机器人”进化成“能干活的数字同事”，总会被同一个问题绊倒——Agent 缺一台电脑。

2026 年 8 月，Cloudflare 将这个问题摆上台面，用一份轻量到让人心动的开源项目给出了答案：cloudflare/computer——“Give your agent a computer 👾”。是的，它直白到极点，但也直击要害：给你的 AI 代理配上一台真正的云端计算机，让它能执行命令、读写文件、调用浏览器，甚至自己开发点小程序，全程安全隔离，而且部署在 Cloudflare 的全球边缘网络上，快得就像在你本地。

🤖 当 AI 不再只动嘴，它需要一双手

过去两年，LLM 从单轮对话发展到能规划多步任务的 Agent，工具调用早已不是新鲜事。但目前的“工具”大多局限在 HTTP API、数据库查询等不具备灵活性的操作上。真正的生产环境中，你总会有一些古怪的需求——临时处理一个 CSV 文件、用 ImageMagick 拼接两张图片、执行一小段 Shell 脚本装个包并验证结果。这些操作在传统服务端需要预先打包、维护沙箱，而对于实验性的 AI 项目来说，开发和运维成本根本扛不住。

Cloudflare Computer 把计算机变成一个按需启动的资源：你可以随时创建一台带有完整 Linux 文件系统的虚拟机，然后用和本地几乎一致的体验交互——执行命令、写入文件、启动 Web 服务。代理只需像人一样用代码去操作这台“电脑”，无需再为运行环境发愁。

📦 Cloudflare Computer：把你的代理带进玩具屋（但是能干活的那种）

项目本质上是一个托管在 Cloudflare 边缘网络的计算机运行时。它不是传统的虚拟机，更接近全球分布的按需沙盒容器。你通过一个极简的 JS / HTTP API 就能创建、控制并销毁一台临时的计算机，它会自动在离用户最近的边缘节点上启动。官方提供了优雅的 JavaScript SDK，也可以直接用命令行工具 npx @cloudflare/computer 一顿操作。

最让人心动的是它与 Cloudflare 生态的无缝衔接：Computer 可以透明访问 Workers、Durable Objects、R2 对象存储甚至 Queues，这意味着你的代理人可以一边在沙箱里跑自定义代码，一边调用公司的内部服务、读取边缘数据库，浑然一体。

⚡ 核心能力：不止是 Shell 盒子

Cloudflare Computer 提供的远不止一个终端。它内置了四个层面：

  • 文件系统： 每台 Computer 都拥有一个持久化的虚拟文件系统（基于 Durable Objects 分片存储），即使在沙箱重启后数据也不会丢失。你可以在上面装 pip 包、缓存模型，甚至搭建一个小型的 Node.js 服务。
  • 命令执行： 通过 exec() 方法运行任意 Shell 命令，完全隔离的网络栈确保安全。返回值包含标准输出、标准错误和退出码，就和你在终端看到的一样。
  • 浏览器自动化： 这可能是最杀手级的功能——Computer 内置了一个无头 Chromium 实例。代理可以直接打开网页、截图、点击按钮，甚至抓取动态渲染的内容。整个浏览器运行在沙箱内，与你的代理共享同一台“电脑”，交互接口统一。
  • 网络与密钥： Computer 默认可以访问外网，但 Cloudflare 会自动注入 Worker 的环境变量和密钥，让你在沙箱内也能安全地调用内部 API，不用担心凭据泄漏到远程主机的危险。

🛠️ 技术亮点：为什么它跑得飞快还便宜

Cloudflare Computer 没有选择 KVM 或者 Firecracker 这类重型虚拟化方案，而是基于 V8 Isolate 和轻量级容器 的混搭技术（官方称之为“isolation sandbox”）。每个 Computer 实例实际上是一个高度受限的 v8::Isolate，外加一个被精简过的 Linux 用户态环境。这样做的好处非常明显：

  • 冷启动时间极短： 新环境可以在 150ms 内创建并执行第一条命令，比常规微虚拟机快 10 倍以上。
  • 资源开销极小： 一个 512MB 内存的实例能够流畅运行 Python 脚本和浏览器标签页。按用量计费的成本模型让实验性项目几乎零负担。
  • 边缘就近部署： 借助 Cloudflare 的全球网络，Computer 会自动在用户所在大洲的边缘节点启动，延迟低得就像在本地运行。

此外，Computer 的状态一致性由 Durable Objects 保证，这意味着你可以让一台 Computer 运行数小时，处理持续进来的任务，同时避免传统无状态 Worker 面对长任务时的尴尬。

👨‍💻 上手体验：5 分钟让代理帮我处理数据

为了验证项目的真实可用性，我决定用它搭建一个能自动处理用户上传的 CSV 文件并生成图表的代理人。流程很简单：代理收到文件 URL，在 Computer 上下载文件，运行 Python 脚本生成 PNG 图表，最后把图表上传到 R2 并返回公开链接。

首先创建一个 Computer 实例：


import { Computer } from '@cloudflare/computer';

const agentPC = new Computer({
  memory: '1024MB',
  image: 'ubuntu-python-3.11',
  filesystem: { persistent: true }
});

await agentPC.connect();

然后让代理执行一系列指令——它自己生成了这些命令：


curl -o data.csv https://example.com/user-upload/data.csv
pip install pandas matplotlib
python -c "
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('data.csv')
df.plot(kind='bar', x='month', y='sales')
plt.savefig('chart.png')
"

再调用内置的 R2 绑定将 chart.png 上传。整个过程中，代理写的代码就像一个普通数据分析师的操作，而我和用户不必担心 CSV 中有恶意宏或脚本泄漏——因为一切都在沙箱里。从代理发起请求到最后拿到图片链接，端到端耗时不到 3 秒，可见冷启动确实极快。

更有趣的是我用了内置的浏览器功能来抓取一个需要登录的动态页面。代理操作 Computer 打开网页、填充表单、点击提交，就像有个人在远程桌面操作一样，而且还遵守了网站的 robots.txt——因为我在 Computer 的环境变量里配置了代理的伦理策略。

🌟 为什么这件事值得所有 AI 开发者关注

Cloudflare Computer 解决的远不止“给代理一台电脑”这么简单。它把 AI 从“只会说话”推进到“真正做事”的阶段，而且以一种非常 cloud-native 的方式。这意味着：

  • 你可以安全地让 AI 运行不受信任的代码（比如由用户提交的脚本）而不必担心沙箱逃逸——Cloudflare 的隔离机制和全球监察体系是额外的保障。
  • 开发一个具备“动手能力”的代理变得像调用 API 一样简单，部署后不用维护任何虚拟机队列或容器编排系统。
  • 结合 Cloudflare 的 Workers AI 和 Vectorize，你完全可以打造一个从感知、推理到执行全自动化的小型团队——一台 Computer 就是一个数字员工。

项目虽然刚刚发布，但构想已经显露出下一代 Agent 基础设施的模样。目前 SDK 还处于早期，Windows 图形界面和 GPU 支持还没有出现，但考虑到 Cloudflare 最近的 AI 布局（例如 Workers AI 支持 Stable Diffusion 推理），以后 Computer 很可能升级成一个能跑 LLM 推理的通用执行层。

🛸 最后：计算机，不是枷锁，是翅膀

Cloudflare Computer 把“计算机”这个古老的概念重新包装成了 AI 代理的生存空间。它让我们第一次可以认真地说：Agent 不再是一个只能搞 API 编排的傀儡，而是一个有真实执行环境的数字生命。如果你正在构建复杂的自主代理或智能工作流，不妨现在就 clone 一下 repo，给那个陪你聊了半年的 AI 也配一台属于它自己的电脑——相信我，它会给你惊喜。

项目地址：https://github.com/cloudflare/computer ，别忘了给它一颗 Star ⭐。