Cloudflare 推出 Agent 平台？這項具里程碑意義的基礎架構發布已正式確認，這位網路服務領導者推出了託管式 Agent 可觀測性與 Agent 開發生命週期（ADLC）。隨著生成式人工智慧從對話式聊天小工具轉向能夠執行無頭（headless）Agent 運行環境並修改本地工作空間的自主軟體 Agent，傳統的網頁重新導向與軟體工程假設已不再適用。過去，開發與行銷框架依賴於人工審核、手動發布週期與有狀態的瀏覽器環境。如今，由於自主 Agent 是以程式化方式執行任務，而不會載入客戶端 Cookie 或 Referrer 標頭，傳統基於瀏覽器的歸因分析可能會失去能見度並產生歸因斷層。
產業核心重組：Cloudflare 為自主工作流打造 Agent 平台
重點速覽
- Cloudflare 推出了專屬的 Agents 平台，具備第一方 Agent 追蹤、OpenTelemetry 整合與工作階段重播工具。
- 開源的
@cloudflare/computer套件為每個 Agent 分配虛擬工作空間，針對例行任務使用輕量級 Isolates，並針對繁重的 Linux 執行任務使用容器（Containers）。 - 該公司提議以 Agent 開發生命週期（ADLC）取代傳統的軟體開發生命週期（SDLC），以管理自主、自我改進的 Agent 運行。
傳統的軟體開發與使用者獲取生命週期是專為人類協作而設計的。近五十年來，工程與行銷團隊圍繞著規劃、設計、實作、測試、部署與追蹤人類互動來建構工作流。在此傳統模型下，使用者透過標準瀏覽器瀏覽網頁，產生持續性的 Cookie、User-Agent 字串與 Referrer 標頭，使平台能準確衡量轉換歷程。
Agent 工作流的快速普及顛覆了這一範式。Cloudflare Agent 平台將模型存取、Durable Objects、Workflows、沙盒執行與持久化儲存整合成一個統一的執行環境。此架構允許開發者部署在無頭環境中運作的自主 Agent。然而，由於這些 Agent 在執行 API 呼叫時，不會載入完整的瀏覽器排版引擎或執行客戶端追蹤腳本，導致傳統歸因系統所依賴的客戶端情境缺失。若沒有專業的基礎架構在伺服器層級捕捉並保留活動參數，使用者獲取管道將會失去能見度。
為了應對這些營運挑戰，Cloudflare 於 2026 年 8 月 4 日在其年度 Agent Week 期間推出了專屬的 Agents 平台，詳細資訊請參考官方 Cloudflare Agents 公告。該平台提供符合 OpenTelemetry 標準的第一方 Agent 追蹤功能。開發者在使用 Think、Flue 或 AI SDK 等框架時，現已能即時追蹤模型呼叫、工具執行與 Token 使用量，將難以觀測的「黑盒子」腳本轉變為可稽核的工程工作流。
底層架構斷層：為何無頭 Agent 會破壞傳統網頁歸因分析
在應用層，評估無頭 Agent 流量所需的架構與標準網頁請求截然不同。標準瀏覽器導航會攜帶持久性 Cookie、本地儲存 Token 與詳細的 HTTP Referrer。相反地，自主 AI Agent 直接針對端點或在隔離的沙盒內執行無狀態的 HTTP 請求，完全繞過了標準的客戶端追蹤腳本。
當 Agent 代表使用者獲取內容、呼叫 API 或啟動任務時，標準的網頁瀏覽器情境完全消失。傳統追蹤腳本無法執行，廣告曝光無法記錄，Referrer 標頭也會被丟棄。這產生了一個歸因斷層，使得 Agent 所執行的初始發現事件與使用者隨後的應用程式啟動之間產生了脫節。
[傳統 Web-to-App 流程] 使用者瀏覽器 ──> URL + Cookie ──> Referrer 標頭 ──> App Store ──> App 啟動 (情境完整) [無頭 Agent 流程 (ADLC)] 無頭 Agent ──> 直接 API 呼叫 ──> 遺失 Referrer ──> 延遲深度連結 (Deferred Deep Link) ──> App 啟動 (情境復原)
為了在不耗盡運算資源的情況下支援高併發的 Agent 工作負載，Cloudflare 推出了 @cloudflare/computer 套件。在全球規模下為每個使用者的 Agent 分配完整的 Linux 容器會帶來巨大的硬體挑戰。為了解決此問題，該平台透過 Shell-to-JavaScript 轉譯，將輕量級檔案編輯與 Bash 操作路由至 V8 Isolates，僅在編譯原生二進位檔或執行完整 npm 測試套件時，才會啟用沉重的容器環境。
當 Agent 以程式化方式運作時，這種無狀態執行環境對後續的歸因分析與工作階段追蹤構成了立即的挑戰。由於這些無頭呼叫缺乏持久性追蹤 Cookie，標準測量工具無法將網頁互動與應用程式啟用進行配對，進而加速了傳統客戶端歸因模型的瓦解。
自行建置與採用方案：在無狀態 Agent 時代維護情境完整性
隨著無頭 Agent 取代傳統的網頁重新導向，保存轉換情境需要從客戶端 Cookie 轉向伺服器端的延遲深度連結。當 Agent 代表使用者與 Web 服務互動或啟動安裝流程時，客戶端追蹤參數經常會遺失。將狀態管理從受限的本地資源轉向可擴展的伺服器端基礎架構，能讓開發者即便在程式化互動發生時，也能維持用戶旅程的連續性。
工程團隊面臨著建置自定義情境還原服務，或整合針對無狀態環境設計的現成強大測量框架的選擇。
| 歸因方法 | 瀏覽器情境 | Agent 相容性 | 最佳適用場景 |
|---|---|---|---|
| 瀏覽器 Cookie 追蹤 | 必須 | 無頭運行中失效 | 傳統桌面網頁環境 |
| 自定義伺服器端情境儲存 | 非必要 | 中等 (工程維護成本高) | 自定義後端微服務 |
| 延遲深度連結框架 (OpoInstall) | 非必要 | 高 (伺服器端情境比對) | 高併發行動應用與多平台活動歸因 |
建置自定義情境還原服務需要持續的工程投入來管理資料庫結構、處理參數過期，並確保加密簽名以防禦欺詐。根據實作需求，組織可以選擇建置自家的伺服器端參數還原服務，或採用諸如 OpoInstall 等商業平台。例如，OpoInstall 提供了伺服器端狀態還原與參數傳遞框架，將活動參數映射至伺服器端工作階段資料庫，在無需依賴客戶端 Cookie 的情況下匿名維持工作階段的連續性。透過在伺服器端保留使用者旅程參數，開發者即便在初始互動是透過無頭 Agent 發生時，也能確保活動情境維持完整。
整合清單：強化 Agent 執行下的歸因管道
為了適應 Agent 開發生命週期並確保工作階段能可靠保存，工程團隊應遵循結構化的實作排程。詳細設定步驟可參閱 Cloudflare 開發者文件。
開發者實作清單
- 偵測無頭 Agent 互動：設定 API 閘道以識別程式化的 Agent 請求，並將其路由至伺服器端情境監聽器。
- 保留執行情境：在 Agent 完成其任務前，於 API 層級捕捉活動參數與執行意圖。
- 為延遲深度連結產生簽名參數：在所有推廣連結上使用加密簽名參數，以防止自動化爬蟲偽造推薦資料。
- 在首次啟動時還原情境：實作伺服器端參數傳遞，將最初的 Agent 請求與使用者的首次行動應用程式啟動進行配對。
產品與成長策略清單
-
稽核儀表板中的 Agent 遙測數據：在專屬的 Agent 檢視中監控 Token 使用量、工具選擇準確度與重試迴圈，以優化營運成本。
-
轉向伺服器端轉換漏斗：以伺服器端參數復原取代對瀏覽器 Cookie 的依賴，以在 Agent 式使用者旅程中保留歸因數據。
-
建立權限門檻：為高影響力的工具執行（例如財務交易或程式碼部署）設定明確的核准閘道。
透過建立這些技術防護措施，組織可在不犧牲能見度或安全性的前提下，將基礎架構轉型以支援自主 Agent 執行。
常見問題 (FAQ)
Agent 追蹤與傳統應用效能監控有何不同？
在 Agent 執行中，Isolate 與容器（Container）有何差別？
當無頭 Agent 取代標準網頁瀏覽器時，開發者該如何保留歸因分析數據？
給工程團隊的關鍵要點
隨著 Cloudflare 與其他基礎架構提供商陸續推出 Agent 平台，從以人為中心的網頁瀏覽轉向無頭 Agent 執行的過渡，正在重塑使用者獲取管道。那些依賴客戶端 Cookie 與瀏覽器 Referrer 的傳統歸因機制，在 Agent 驅動的網頁環境中已無法維持活動的能見度。為了保持成長，工程團隊必須採用伺服器端情境還原與延遲深度連結框架。將歸因架構與無狀態 Agent 執行相對齊的組織，將在 ADLC 時代中佔據最具競爭力的優勢。
Share this article
