TL;DR:Cloudflare 推出 cf——一個為 AI agent 設計、覆蓋全部 3000 多個 API 操作的新 CLI,準備接替只有約 280 個命令的舊工具 Wrangler。真正值得注意的不是新工具本身,而是一個數字:agent 已經占了 Wrangler 使用量的 48%,半年前還只有 25%。這代表軟體工具的主要使用者正在從人變成機器。而一旦這件事發生,好工具的定義會整個反過來——這篇告訴你反在哪,以及你該怎麼把自己的工具與 API 做成 agent 讀得懂的。
為什麼真正的新聞是那個「48%」,不是新工具
先講事實。根據 Cloudflare 官方公告,他們推出了一個叫 cf 的新命令列工具,而且明講是為 AI agent 設計的。
CLI 就是工程師在終端機打指令操作服務的介面。cf 涵蓋 Cloudflare 全部 3000 多個 API 操作,準備接替現有的 Wrangler——後者累積多年也只有約 280 個命令。cf 穩定後,Wrangler 會再維護 18 個月。
新工具功能更全,這不稀奇。稀奇的是 Cloudflare 順手揭露的一個數字:agent 已經快占到 Wrangler 使用量的一半。 今年 3 月這比例大約 25%,最近一週衝到 48%。而且 agent 的用法跟人明顯不同——平均用到的不同命令接近人類的兩倍,一次連跑 6 個以上命令的機率接近人類的四倍。
換句話說,Cloudflare 不是「順便照顧一下 agent」,是發現自己工具的主要使用者正在變成機器,於是重做了一個給機器用的版本。 這才是真正的訊號:軟體的介面層,正在悄悄地為 agent 重新設計。
什麼是「為 AI agent 設計的工具」:cf 和 Wrangler 差在哪
把 cf 的設計攤開看,你會發現它幾乎每一項都在回答同一個問題:「如果我的使用者不是人,而是一個 AI agent,我該長什麼樣?」
- 輸出預設是 JSON。 人看終端機喜歡精簡好讀的文字;agent 要的是結構化、能直接解析的資料。cf 預設吐 JSON,Claude Code、Codex 這類 agent 可以直接讀。
- 用講的就能找到命令。 cf 有一個
cf cli search,讓 agent 用自然語言描述想做的事,系統自動找出對應命令——agent 不需要事先知道 Cloudflare 有哪 3000 個 API。 - 設定檔改成有型別的 TypeScript。 cf 用
cloudflare.config.ts,agent 可以靠型別檢查和自動補全,當場發現設定錯誤,而不是部署下去才爆。 - 內建
--dry-run。 先模擬、不真的動,是給非人操作者的安全網。
看出規律了嗎?這些設計對「人」其實有點囉唆。
我一個工程師,幹嘛要 3000 個命令、幹嘛每次都吐一大坨 JSON?但對 agent,這些全是剛需。人要的是少而好記;agent 要的是全覆蓋、可搜尋、結構化、可預演。 兩者幾乎是相反的。
三個步驟:把你自己的工具與 API 做成 AI agent 讀得懂的
這件事跟你有關,不只是 Cloudflare 的事。
只要你未來會讓 AI agent 去操作你的系統、你的 API、你的內部工具,下面這三個原則現在就值得套上去。這也是我每天帶 agent 團隊、自己在寫內部工具時實際在遵守的。
- 全覆蓋 + 可搜尋,取代「少而好記」。 別再假設操作者會背你的命令。把能做的操作全部開放,並提供一個「用自然語言問、幫我找到對的那個」的入口。人靠記憶,agent 靠搜尋——為後者設計。
- 結構化輸出,不要只給人看的文字。 每個回應都給一份機器能直接解析的結構(JSON 或明確欄位),不要把關鍵資訊埋在一段散文裡。我自己寫工具時,回傳都同時帶「給人看的一句話」和「給程式讀的欄位」,兩邊都不將就。
- 預設安全:先模擬、再真做,不可逆動作留一道確認。 agent 會比人更頻繁、更組合式地呼叫你的工具(記得那個「四倍機率連跑 6+ 命令」嗎)。所以 dry-run 要是預設,會花錢、會刪資料、會對外的動作要能先預演、能被攔。我這週在做一個多分析師發布系統,整套流程就是「預設 dry-run 模擬 + 白名單鎖定」,寧可多一步,也不讓 agent 一次做出收不回的事。
常見問題
Q1:我又不用 Cloudflare,這則新聞跟我有關嗎?
有關。Cloudflare 只是第一個把數字攤開講的大廠——「工具的主要使用者變成 agent」這件事,會一路蔓延到你用的、你做的各種工具與 API。重點不是 cf 這個產品,是它揭露的那個轉向:介面層正在為機器重新設計。
Q2:那我現有的、給人用的 CLI 或 API 要全部打掉重做嗎?
不用打掉,但要「加一層 agent 友善」。最省力的三步:輸出多給一個 JSON 選項、加一個能用自然語言查命令的入口、把危險操作補上 dry-run。不動既有的人類介面,只是讓 agent 也讀得懂。
Q3:為什麼 agent 用的命令種類是人的兩倍?這對我有什麼提醒?
因為 agent 不怕「不熟」——它會把整個工具面探索一遍找最合適的路徑,人則傾向只用自己記得的那幾個。提醒是:你不能只把「最常用的幾個功能」做好就好,agent 會去踩你以為沒人用的角落,那些角落的錯誤處理和權限也要顧到。
Q4:JSON 輸出、dry-run 這些,對純人類使用者會不會反而變難用?
不會,只要你做成「預設對人友善、agent 想要時可切換」。例如預設仍給人看的精簡文字,加一個 --json 旗標給 agent;dry-run 則是不管人或 agent 都該有的安全網。關鍵是別讓兩種使用者互相犧牲。
Q5:這三個原則,人力有限先做哪一個?
先做第三個:危險操作的 dry-run 與確認。因為 agent 用得又多又組合,一旦某個不可逆操作沒防好,代價最高。先把「按了收不回」的那些動作圍起來,再談覆蓋率和搜尋。
小結
cf 這個工具本身會不會紅、Wrangler 幾時退場,其實不是重點。重點是那個從 25% 跳到 48% 的數字——它在告訴你,軟體工具的使用者正在換人,而「好工具」的定義會跟著反過來:從為人的記憶力設計,變成為機器的探索力設計。在 JudyAILab,我們每天帶 agent 團隊,早就把「這個工具 agent 讀得懂嗎、按錯攔得住嗎」當成內部工具的驗收標準之一。你不用今天就重做所有東西,但下次寫一個新工具或 API 時,可以先問自己一句:如果三個月後用它的主要是 agent,我現在這樣設計,對嗎?