Agent Lee 是什麼

Cloudflare 在 Agents Week 的最後一天發布了 Agent Lee,一個深度整合在儀表板中的 AI 助理。不是另一個外掛聊天框,而是真正「懂你帳號」的 agent——它知道你有哪些 Worker、你的 DNS 記錄是什麼、你的 R2 bucket 裡有什麼,因為它透過帶憑證的 Durable Object 代理模式存取這些資料。

Cloudflare 的工程師描述它的定位很直白:「凌晨兩點你的網站掛了,你不想查文件,你只想有個人告訴你怎麼辦。」Agent Lee 就是這個人。

18,000
每日活躍用戶
(Beta 階段)
~250k
工具呼叫 / 天
(平均)
Beta
Free 方案可用
右上角 Ask AI

這些數字是在正式公開前的 Beta 期間累積的,說明用戶實際上在用它做有意義的事,而不只是試玩一次就離開。

能做什麼:四類核心能力

Agent Lee 的能力分四大類,涵蓋了儀表板用戶 80% 的典型需求:

🔍
查詢與診斷

查 DNS 記錄、看 Worker 錯誤日誌、分析流量模式、確認 SSL 憑證狀態。問「我的 api.example.com 為什麼回 404?」它會直接查你帳號的設定和日誌給你答案,而不是引你去文件。

📊
視覺化分析

要求生成流量趨勢圖、畫出 Worker 架構圖、比較時間段的錯誤率。圖表直接在對話中內嵌顯示(生成式 UI),不需要跳到 Analytics 頁面再截圖回來描述。

⚙️
設定輔助

解釋當前的 WAF 規則為什麼這樣設定、建議 Cache Rules 的最佳化、幫你起草一個 Workers 路由配置。它看得到你現有的配置,給的建議是針對你的情況,不是泛用範本。

✏️
寫入操作(需確認)

新增 DNS 記錄、修改 WAF 規則、部署 Worker 更新——所有寫入操作都需要明確的用戶確認(elicitation gate)。Agent 不會在你沒批准的情況下更改任何設定。

開始使用

前往 dash.cloudflare.com,登入後在儀表板右上角找到 Ask AI 按鈕。Free 方案即可使用,無需任何額外設定。目前仍是 Beta,功能會持續擴展。

技術架構:安全性從架構開始

Agent Lee 最值得關注的不是它能做什麼,而是它怎麼做到安全的。對於一個能讀取你所有 Cloudflare 資源、並且理論上能修改它們的 AI,安全性不能依賴 prompt 指令,必須來自架構。

核心設計是 Durable Object 代理模式

Step 1
用戶登入 → DO 取得憑證 用戶在儀表板驗證後,一個代理 Durable Object 在 server side 取得並持有用戶的 API 存取憑證。這個 DO 是帶憑證的代理。
Step 2
LLM 呼叫工具 → DO 執行 Agent Lee 的 LLM 呼叫工具時,請求送到 DO 代理,由 DO 用它持有的憑證去打 Cloudflare API。API 金鑰永遠不會出現在 LLM 生成的程式碼或 context 中
Step 3
讀取 vs 寫入:Elicitation Gate 讀取操作(GET)直接通過代理執行。寫入操作(POST/PUT/DELETE)在 DO 層被攔截,觸發 elicitation——向用戶發送確認請求。用戶明確批准後,DO 才執行實際的 API 呼叫。LLM 的意圖必須通過這道閘門。
Step 4
結果回傳 → 可選 Generative UI API 回傳的資料可以直接以文字呈現,或透過生成式 UI 渲染成圖表、表格、架構圖,直接嵌入對話串。

這個設計的優雅之處在於:安全性不依賴「叫 LLM 不要做壞事」,而是讓寫入操作在結構上必須通過人工確認。即使 LLM 被攻擊或出現 prompt injection,它也沒辦法直接改你的設定

Codemode:把工具呼叫變成程式設計

Agent Lee 裡有一個概念跟 Project Think 相呼應:Codemode。但這裡的 Codemode 是針對儀表板場景的版本。

傳統 AI 助理用工具呼叫(function calling):LLM 決定呼叫哪個工具 → 等結果回來 → 再決定下一步 → 重複。這是序列的,每次 round-trip 都消耗時間和 token。

Codemode 的做法是:把所有 Cloudflare MCP 工具的描述轉換成 TypeScript API 文件,讓 LLM 一次寫一個程式來完成整個任務。這個程式在 DO 代理的沙盒中執行,結果再回來。

傳統工具呼叫模式(序列)
// Round 1: 取得 DNS 記錄列表
get_dns_records({ zone_id: "xxx" })
→ [等待 API 回應]

// Round 2: 根據結果決定下一步
get_dns_record({ id: "yyy" })
→ [等待 API 回應]

// Round 3: 最終操作
create_dns_record({ ... })
→ [等待 API 回應]

// 總計: 3 個 round-trip,每次都消耗 context
Codemode 模式(一次性程式)
// LLM 寫一個 TypeScript 程式,一次執行
import { CloudflareAPI } from "@cloudflare/dashboard-api";

const api = new CloudflareAPI(); // 憑證由 DO 注入
const records = await api.dns.list({ zone_id: "xxx" });
const target = records.find(r => r.name === "api.example.com");
if (!target) {
  await api.dns.create({ name: "api.example.com", type: "A", content: "1.2.3.4" });
}

// 執行:1 次 round-trip,API 金鑰從未出現在程式碼中

對用戶來說差別不大,但對 Agent Lee 的延遲和準確率差別很大,尤其是需要「先查再改」的複合操作。

API 金鑰安全性

注意上面的 new CloudflareAPI() 沒有傳入任何金鑰。憑證是 DO 代理在執行時注入到沙盒環境的,LLM 生成的程式碼從來看不到實際的 token 值。即使程式碼本身被惡意構造,它能做的事也被 elicitation gate 限制了。

生成式 UI:對話中的圖表與架構圖

Agent Lee 不只回答文字,它能在對話中直接生成可互動的 UI 元件。Cloudflare 稱之為 Generative UI,這是讓它超越 ChatGPT 式問答的關鍵差異。

內嵌圖表 問「過去 24 小時的請求量趨勢?」Agent Lee 直接在對話中渲染折線圖,而不是給你一段 CSV 資料。你可以 hover 看數值,不需要跳到 Analytics 頁面。
設定摘要表格 當你問「我有哪些 WAF 規則?」Agent Lee 生成一個可排序的表格,直接顯示規則名稱、優先級、動作,比你自己去找設定頁快得多。
架構圖 「幫我畫出我的 Workers 和 Routes 的關係圖」——Agent Lee 讀取你帳號中的 Worker 清單和綁定,生成一個節點關係圖。對剛接手的工程師特別有用,五分鐘就能理解前人留下的一堆配置。
確認卡片(Elicitation UI) 當 Agent Lee 準備執行寫入操作時,對話中會出現一張結構化的確認卡片,清楚列出「即將執行的操作」、「影響的資源」、「無法自動還原」等警告,讓你一鍵批准或拒絕。

Generative UI 的實作依賴 Cloudflare 內部的元件庫,Agent Lee 輸出的不是 HTML 字串,而是結構化的元件描述(類似 React Server Components 的概念),由儀表板前端渲染。這讓 UI 保持與儀表板風格一致,也讓互動元件有正確的權限控制。

展望:從助理到自主 Agent

Agent Lee 現在的定位是「有帳號上下文的 AI 助理」,但 Cloudflare 的路線圖指向更自主的模式:讓 Agent Lee 在背景主動監控,而不只是被動回答問題。

幾個可以預期的方向:

主動通知——現在是你問它,未來是它主動告訴你「你的 Worker 在過去 5 分鐘錯誤率上升了 300%,可能的原因是……」。透過 Project Think 的 Durable Objects 機制,這在技術上是可行的。

多步驟任務執行——「幫我把 staging 的 Worker 配置複製到 production」這類需要多個 API 呼叫、跨越多個頁面的任務,Agent Lee 可以一次完成,中途有重要決策時 pause 詢問你。

自定義 agent 整合——Cloudflare 暗示未來 Agent Lee 可能可以呼叫用戶自己部署的 Workers 作為擴展,讓你把公司內部的知識庫或流程接進來。

OAO Studio 觀點

Agent Lee 代表了「產品原生 AI」的最佳實踐方向:不是把 ChatGPT 貼在頁面右下角,而是讓 AI 真正理解產品的資料模型和操作語義,然後從架構上解決安全性問題。Elicitation gate 不是妥協,是正確的設計——讓用戶掌控邊界,AI 負責省力氣。這個模式會在各 SaaS 產品中擴散,我們正在目睹一個新的 UX 典範的早期版本。

如果你在用 Cloudflare,現在就可以去儀表板右上角點 Ask AI 試試看。Beta 免費,用用看再說。

← 返回 AI 知識庫