Cloudflare Dynamic Workers：AI Agent 沙箱加速 100 倍，Container 時代結束了？

          重點摘要：Cloudflare 於 3/24 推出 Dynamic Workers（開放 Beta），用 V8 isolate 取代傳統容器做 AI Agent 的程式碼執行沙箱。啟動速度快 100 倍（毫秒 vs. 百毫秒）、記憶體省 10-100 倍（幾 MB vs. 幾百 MB）。搭配去年發表的 Code Mode，AI Agent 寫程式碼取代 tool call，token 用量減少 81%。這不只是技術更新，是 AI Agent 基礎設施的遊戲規則改寫。
        

100x

啟動速度提升
毫秒 vs. 百毫秒

-81%

Code Mode
token 用量降低

~MB

單個沙箱記憶體
容器要幾百 MB

併發限制
百萬 RPS 沒問題

問題：AI Agent 想執行程式碼，怎麼安全地跑？

現在的 AI Agent 越來越常需要「寫一段程式碼然後執行」——不是回傳答案，而是直接操作 API、查資料庫、處理檔案。

但你不能讓 AI 寫的 code 直接在你的 server 上執行。一個惡意的 prompt injection，就能讓 AI 生成一段刪除資料庫的程式碼。你需要沙箱——一個隔離的執行環境，只允許存取你明確授權的資源。

到目前為止，業界的標準做法是用 container（容器）做沙箱。Docker、Firecracker microVM、gVisor——都是容器技術的變體。問題是：

Container 沙箱的代價

啟動慢：幾百毫秒到幾秒
記憶體重：單個容器幾百 MB
需要保持 warm 避免冷啟動
大多數平台有併發限制
全球分佈需要額外配置

V8 Isolate（Dynamic Workers）

啟動：幾毫秒
記憶體：幾 MB
用完即丟，不需要 warm
無併發限制
全球 300+ 節點自動分佈

怎麼運作？V8 Isolate 的本質

V8 isolate 是 Google Chrome 的 JavaScript 引擎實例。Cloudflare Workers 從 8 年前就建立在這個技術上——每個 Worker 都是一個 isolate，天生就是沙箱。

Dynamic Workers 做的事情很簡單：讓一個 Worker 在執行時期動態建立另一個 Worker，注入 AI 寫的程式碼，跑完就丟。

// AI 生成的程式碼
let agentCode = `
  export default {
    async myAgent(param, env, ctx) {
      // Agent 的邏輯在這裡
    }
  }
`;

// 用 Dynamic Worker Loader 載入沙箱
let worker = env.LOADER.load({
  mainModule: "agent.js",
  modules: { "agent.js": agentCode },
  env: { CHAT_ROOM: chatRoomRpcStub }, // 只給它需要的 API
  globalOutbound: null,             // 封鎖網路存取
});

// 呼叫 Agent
await worker.getEntrypoint().myAgent(param);
        

就這樣。沙箱跟建立它的 Worker 跑在同一台機器、甚至同一個 thread 上，零延遲。不需要跨網路找一台有空的容器機。

更大的概念：Code Mode

Dynamic Workers 只是執行層。更值得注意的是 Cloudflare 去年 9 月提出的 Code Mode 概念：

Code Mode 的核心思路

AI Agent 不再一個一個呼叫 tool call，而是直接寫一段程式碼去呼叫 API。把 MCP server 轉成 TypeScript API 定義，token 用量降低 81%。Cloudflare 甚至用這個方法重寫了自己的 MCP server——整個 Cloudflare API，只需要 2 個 tool、不到 1,000 tokens。

為什麼這很重要？因為現在 AI Agent 的主流做法是 MCP tool call：

傳統 Tool Call vs. Code Mode

舊

Tool Call 模式：AI 一次呼叫一個 tool，拿到結果，再呼叫下一個 tool，來回多次。每次都要送完整的 tool schema，token 消耗大，延遲高。10 個動作 = 10 次往返。

新

Code Mode：AI 看一次 TypeScript 類型定義，寫出一段完整程式碼，一次執行完成。10 個動作 = 1 段程式碼、1 次執行。Token 省 81%，速度快數倍。

Code Mode 需要的前提正是安全的程式碼執行環境。Dynamic Workers 補上了這塊拼圖。

TypeScript 取代 OpenAPI：給 AI 看的 API 文件

如果 Agent 要寫程式碼呼叫 API，它需要知道 API 長什麼樣。Cloudflare 的答案是：直接給 TypeScript 類型定義，不用 OpenAPI spec。

一個聊天室 API 的 TypeScript 定義只需要十幾行。同樣的功能，OpenAPI spec 要寫將近 100 行。對 AI 來說，TypeScript 更精簡、更自然——LLM 的訓練資料裡有大量 TypeScript，讀起來毫無障礙。

AI Agent 沙箱平台比較

Dynamic Workers 不是唯一的選擇。目前市場上主要有三大類沙箱方案：

項目	Cloudflare Dynamic Workers	E2B	Modal
底層技術	V8 Isolate	Firecracker microVM	gVisor 容器
冷啟動	~毫秒	~150ms	~秒級
記憶體	幾 MB	幾十~幾百 MB	幾百 MB
語言支援	JavaScript/TS	任意語言	任意語言（含 Python）
GPU	不支援	不支援	A100/H100
併發限制	無限制	有限制	50,000+
全球分佈	300+ 節點	有限區域	有限區域
最長執行	30 分鐘	24 小時	長時間
價格	$5/月起 + $0.00002/vCPU-s	$150/月起	按量計費
適用場景	快速、輕量的 Agent 程式碼執行	需要完整 OS 環境的 Agent	需要 GPU 的 ML 工作負載

這代表什麼？AI Agent 基礎設施的三個訊號

從 Dynamic Workers 看到的產業方向

Agent 的戰場從模型轉向執行。模型已經夠聰明了。瓶頸在於：Agent 寫出的程式碼要在哪裡跑、怎麼安全地跑、怎麼大規模地跑。誰掌握執行層，誰就掌握 Agent 生態的入口。

MCP tool call 可能不是終態。Code Mode 的 81% token 節省不是小數字。如果 Agent 寫程式碼比呼叫 tool 更高效，MCP 的角色可能從「Agent 的主要介面」退化為「API 發現層」，實際執行由 Code Mode 接管。

Cloudflare 在 AI 領域的定位越來越清晰。不做模型、不做應用，做 Agent 的「執行基礎設施」。從 Workers AI 到 Dynamic Workers，Cloudflare 要成為 AI Agent 時代的 AWS Lambda——你寫邏輯，它負責跑。

限制和取捨

Dynamic Workers 不是萬能的：

只支援 JavaScript/TypeScript。不能跑 Python、不能跑 shell script。對 AI 來說不是問題（LLM 寫 JS 很熟），但對需要特定語言環境的工作不適用。
沒有 GPU。純 CPU 執行，不能跑 ML inference。需要 GPU 的場景還是得用 Modal。
最長 30 分鐘。快速任務沒問題，長時間運算不行。
沒有持久化檔案系統。用完即丟，需要儲存就得接 R2 或外部儲存。

但對「AI Agent 執行一段程式碼、拿到結果、繼續下一步」這個最常見的場景，它幾乎是目前最佳選擇。

結論：新大陸被發現了

Dynamic Workers 本身不是革命——V8 isolate 存在了 8 年。但把它包裝成「AI Agent 的程式碼沙箱」，搭配 Code Mode 的 token 節省策略，Cloudflare 發現了一塊新大陸：AI Agent 需要的不是更聰明的模型，而是更輕、更快、更便宜的執行環境。

Container 不會消失，就像虛擬機沒有因為 container 而消失。但對 AI Agent 這個快速、輕量、用完即丟的使用場景，isolate 就是更好的答案。

這場戰爭剛開始。E2B、Modal、Cloudflare、還有可能入場的 AWS 和 Google——誰能成為 AI Agent 時代的 execution layer 標準，故事還沒寫完。