Cloudflare Computer：给AI Agent一台真正的电脑

当Agent需要"动手"，而不是只"动嘴"

过去两年，大语言模型在"说"这件事上已经足够强：能写文章、能debug、能讲解复杂的系统设计。但一个尴尬的事实是，当用户说"帮我把这份报表整理好并发到Slack"时，大多数模型只能给出一串"你可以这样做……"的步骤说明，而无法真正去打开浏览器、登录系统、操作文件。模型会"说"，却不会"做"。

这正是2026年AI基础设施赛道最热的方向之一：计算机使用能力（Computer Use）。2026年8月6日，Cloudflare在GitHub上发布了一个名为Computer的项目，口号简单直接——"Give your agent a computer"（给你的Agent一台电脑）。它在GitHub Trending上当天收获2,690 stars，累计4,743 stars、239 forks，由aron-cf、ndisidore、ghostwriternr等开发者构建，是一个TypeScript项目。同期Trending榜上还涌现了TencentDB-Agent-Memory、loopx、code-review-graph等多个Agent基础设施项目。

这些项目共同传递出一个信号：AI Agent的竞争焦点，已经从"谁的模型更聪明"转向"谁的Agent能记住更多、跑得更久、动手更稳"。本文将拆解Cloudflare Computer的设计，并把它放进整个Agent基础设施生态里做一次全景式梳理。

AI Agent计算机使用能力：从概念到刚需

所谓"计算机使用能力"，指的是AI Agent像人类用户一样操作一台计算机的能力——浏览网页、点击按钮、填写表单、读写文件、执行命令行。它的本质是把"GUI/CLI交互"变成模型可以调用的工具集。

为什么这件事在2026年变得刚需？有三个驱动力：

模型推理能力跨越阈值：新一代推理模型已经能理解"先做A再做B"的多步规划，让"长链路操作"成为可能。

企业自动化需求爆发：大量重复性办公流程（报销、数据录入、跨系统同步）无法靠API完全覆盖，必须借助GUI操作。

RPA的AI化升级：传统RPA脆弱、维护成本高，用Agent替代是明显的趋势。

计算机使用能力的难点不在"看得见屏幕"，而在"看得懂、点得准、错了能恢复"。这正是Cloudflare Computer这类项目要解决的核心工程问题。

Cloudflare Computer项目深度解析

项目定位与核心思路

Cloudflare Computer的定位非常聚焦：为AI Agent提供一个可被程序化驱动的"虚拟计算机"环境。它不是又一个聊天框架，而是把"浏览器、文件系统、终端"这些计算机基本能力封装成Agent可调用的接口，让Agent从"只能输出文本"进化为"能操作环境"。

Cloudflare做这件事有天然优势：它本身就是边缘计算与无服务器架构的大厂，Workers、R2、D1等产品构成了完整的基础设施栈。Computer项目很自然地能跑在Cloudflare的全球边缘网络上，这意味着Agent的"虚拟电脑"可以就近部署、低延迟启动，而不是依赖某台远端虚拟机。

架构设计：边缘优先的工具化抽象

从项目结构和设计理念推断，Cloudflare Computer的架构可以概括为三层：

能力层（Capability Layer）：把浏览器、文件系统、Shell、网络请求等抽象为一组标准化的"工具"（tools），每个工具有明确的输入输出schema。

编排层（Orchestration Layer）：负责Agent的循环——观察环境、调用模型决策、执行工具、回收结果、再决策。

运行层（Runtime Layer）：依托Cloudflare Workers等边缘运行时，按需启动沙箱化的执行环境，保证隔离性与可扩展性。

这种分层的好处是：能力可以独立扩展（比如今天支持浏览器，明天加一个数据库操作工具），而编排逻辑保持稳定。对于开发者而言，这意味着接入成本低、可组合性强。

核心功能与使用方式

Cloudflare Computer面向开发者的核心价值，是让"给Agent加一台电脑"这件事变成几行配置。典型使用方式包括：

浏览器自动化：Agent可以打开URL、读取页面内容、点击元素、截图回传给模型做视觉判断。

文件读写：在沙箱文件系统中创建、读取、修改文件，适合代码生成、数据处理等场景。

命令执行：在隔离环境中运行Shell命令，例如安装依赖、跑测试、构建项目。

状态持久化：把Agent的中间产物（下载的文件、生成的代码）持久化到R2等存储，跨会话复用。

下面的TypeScript示例展示了如何在一个Agent循环中集成Cloudflare Computer风格的能力调用。这是基于项目理念的示意代码，帮助理解接入模式：

typescript

// 基于 Cloudflare Computer 理念的 Agent 集成示例
// 展示如何让 Agent 在一个循环中"观察-决策-执行"

interface Tool {
  name: string;
  description: string;
  execute: (args: Record<string, unknown>) => Promise<ToolResult>;
}

interface ToolResult {
  success: boolean;
  observation: string; // 回传给模型的环境观察
  artifacts?: string[]; // 产生的文件/截图等产物
}

// 定义一组"计算机使用"工具
const tools: Tool[] = [
  {
    name: "browser_navigate",
    description: "打开指定URL并返回页面文本内容",
    async execute(args) {
      const url = args.url as string;
      // 实际项目中调用 Cloudflare Computer 的浏览器能力
      const res = await fetch(url);
      const text = await res.text();
      return {
        success: true,
        observation: `已打开 ${url}，页面长度 ${text.length} 字符`,
      };
    },
  },
  {
    name: "fs_write",
    description: "在沙箱文件系统中写入文件",
    async execute(args) {
      const path = args.path as string;
      const content = args.content as string;
      // 实际项目中调用 R2 或 Workers FS
      return {
        success: true,
        observation: `已写入文件 ${path}，共 ${content.length} 字符`,
        artifacts: [path],
      };
    },
  },
  {
    name: "shell_exec",
    description: "在隔离环境中执行Shell命令",
    async execute(args) {
      const cmd = args.command as string;
      // 实际项目中调用 Cloudflare Workers 的命令执行能力
      return {
        success: true,
        observation: `$ ${cmd}
[执行完成，退出码 0]`,
      };
    },
  },
];

// Agent 主循环：让模型决定下一步动作，直到任务完成
async function runAgentLoop(
  task: string,
  decide: (task: string, observation: string, tools: Tool[]) => Promise<{
    action: string;
    args: Record<string, unknown>;
    done: boolean;
  }>,
  maxSteps = 10
) {
  let observation = "任务已启动，环境就绪。";
  for (let step = 1; step <= maxSteps; step++) {
    const decision = await decide(task, observation, tools);
    if (decision.done) {
      console.log(`任务在第 ${step} 步完成。`);
      break;
    }
    const tool = tools.find((t) => t.name === decision.action);
    if (!tool) {
      observation = `错误：未找到工具 ${decision.action}`;
      continue;
    }
    const result = await tool.execute(decision.args);
    observation = result.observation;
    console.log(`[Step ${step}] ${decision.action} -> ${observation}`);
  }
}

// 示例：让 Agent 抓取一个页面并保存到文件
await runAgentLoop(
  "抓取 example.com 首页内容并保存到 /tmp/page.txt",
  async (task, observation, available) => {
    // 这里 decide() 在真实系统中由 LLM 充当
    // 为演示，用简单状态机模拟模型的决策
    if (observation.includes("环境就绪")) {
      return { action: "browser_navigate", args: { url: "https://example.com" }, done: false };
    }
    if (observation.includes("已打开")) {
      return { action: "fs_write", args: { path: "/tmp/page.txt", content: observation }, done: false };
    }
    return { action: "", args: {}, done: true };
  }
);

这段代码的核心思想是：把"计算机"抽象成一组可组合的工具，让模型在一个"观察-决策-执行"的循环里自主推进任务。这正是Cloudflare Computer所倡导的范式。

与OpenAI Operator、Anthropic Computer Use的对比

Cloudflare Computer并非孤立存在，它处在"计算机使用"赛道的直接竞争中。理解它的差异化，需要与两大对标产品做对比。

OpenAI Operator：产品化的"代操作"服务

OpenAI的Operator更偏消费品定位——用户给出任务，Operator在云端代为操作浏览器完成预订、购物等流程。它的优势在于与OpenAI模型深度绑定、体验打磨细致；劣势在于相对封闭，开发者难以深度定制，且主要面向浏览器场景。

Anthropic Computer Use：模型原生的"看屏幕"能力

Anthropic的Computer Use走的是"模型原生"路线——直接让模型通过截屏+鼠标键盘坐标来操作图形界面，最大化通用性。它的优势是理论上能操作任何GUI软件；劣势是延迟高、易出错，且对模型视觉理解能力要求极高。

Cloudflare Computer：开发者优先的"可编程电脑"

Cloudflare Computer的差异化在于开发者优先 + 边缘运行时：它不试图做一个面向终端用户的产品，而是提供一套可被任意Agent框架集成的能力层，并依托Cloudflare的边缘网络实现低延迟、高并发的沙箱执行。这让它更适合需要大规模、可定制Agent部署的企业场景。

| 维度 | Cloudflare Computer | OpenAI Operator | Anthropic Computer Use |
|------|---------------------|-----------------|------------------------|
| 定位 | 开发者基础设施 | 终端用户产品 | 模型原生能力 |
| 交互方式 | 工具化API调用 | 浏览器代操作 | 截屏+坐标操作 |
| 运行环境 | Cloudflare边缘沙箱 | OpenAI云端 | 客户端/云端虚拟机 |
| 可定制性 | 高（开源、可组合） | 低 | 中 |
| 主要场景 | 企业自动化、Agent编排 | 个人代办、购物 | 通用GUI操作 |
| 延迟特性 | 边缘低延迟 | 中 | 较高 |

三者并非绝对替代关系，更可能形成互补：Operator服务终端用户，Computer Use提供模型层通用能力，Cloudflare Computer则补齐"可编程、可规模化部署"这一环。

Agent记忆系统：TencentDB-Agent-Memory的四种资产

光有"手"还不够，Agent要真正有用，必须有"记忆"。同期GitHub Trending上的TencentDB-Agent-Memory项目（16,296 stars，当日新增1,053 stars）正是冲着这个痛点来的。它的定位是"AI Agent的团队级记忆中心"，把对话、文档和代码转化为四种可复用的记忆资产。

所谓"四种记忆资产"，可以理解为对记忆的结构化分级：

对话记忆（Conversational Memory）：从多轮对话中提炼出的关键事实与偏好，让Agent"记得"用户的长期需求。

文档记忆（Document Memory）：对企业知识库、文档的结构化抽取与索引，支持跨会话检索。

代码记忆（Code Memory）：对代码库、代码片段的语义化表示，让Agent理解项目上下文。

过程记忆（Procedural Memory）：把"如何完成某类任务"的流程沉淀为可复用的操作模板。

这种分级的价值在于解决长期记忆的"信噪比"问题。如果一股脑把所有原始对话塞进上下文，既昂贵又容易让模型迷失；而把它们蒸馏成结构化资产，则能在控制成本的同时大幅提升Agent的"经验积累"速度。"团队级"这个修饰词同样关键——它意味着记忆可以在多个Agent之间共享，避免每个Agent都从零学起。

长时Agent状态管理：loopx的设计哲学

另一个值得关注的趋势是"长时间运行Agent"的状态管理。Trending上的loopx项目（2,821 stars，当日新增854 stars）自我定位为"长时间运行AI Agent团队的轻量级循环工程状态内核"。

长时间运行的Agent面临一个核心难题：状态会随着时间膨胀，最终拖垮系统。一个跑了几天甚至几周的Agent团队，中间产生的中间结果、待办事项、决策依据如果全部驻留在内存或上下文里，既不现实也不安全。loopx的思路是把"循环状态"工程化——把Agent的运行状态抽象成可检查点（checkpoint）、可恢复、可迁移的内核，让Agent团队能像分布式系统一样被调度与重启。

这与记忆系统形成互补：记忆系统解决"记得什么"，loopx解决"跑到哪了、怎么接着跑"。两者结合，才让"7×24小时常驻Agent"成为工程上可实现的命题。

代码智能图：code-review-graph的MCP集成

Trending上还有一个长寿明星——code-review-graph（28,996 stars，当日新增232 stars），定位是"本地优先代码智能图，为MCP和CLI构建代码库持久映射"。它的核心价值在于：把整个代码库预先构建成一张语义关系图（函数调用、类型依赖、模块引用等），然后通过MCP（Model Context Protocol）暴露给Agent查询。

这对Agent的意义是质变的。传统方式下，Agent理解代码靠"读文件"，效率低且容易遗漏跨文件依赖；而有了代码智能图，Agent可以直接查询"谁调用了这个函数""这个修改会影响哪些模块"，把代码理解从"全文检索"升级为"图查询"。MCP的标准化则让这套能力可以被任何兼容MCP的Agent框架复用，降低了集成门槛。

AI Agent基础设施生态全景

把上面这些项目放在一起，我们能看到2026年AI Agent基础设施的一幅相对完整的全景图。它不再是"一个模型打天下"，而是分层的、可组合的基础设施栈：

| 项目 | 定位 | Stars | 核心解决的能力层 |
|------|------|-------|------------------|
| Cloudflare Computer | Agent计算机使用 | 4,743 | 执行层（浏览器/文件/Shell） |
| TencentDB-Agent-Memory | 团队级记忆中心 | 16,296 | 记忆层（四类资产） |
| loopx | 长时Agent状态内核 | 2,821 | 状态层（检查点/恢复） |
| code-review-graph | 代码智能图 | 28,996 | 知识层（代码语义图） |

这四层共同支撑起一个"会动手、有记忆、能长跑、懂代码"的Agent。值得注意的是，这些项目几乎都强调"本地优先""可组合""标准协议（如MCP）"，反映出开发者社区对"避免被单一厂商锁定"的强烈共识。

开发者实践指南：如何把这些能力串起来

理解了生态，下一步是落地。下面给出一个把"计算机使用 + 记忆 + 代码图"串联起来的实践思路，依然用TypeScript示意：

typescript

// 把 Computer（执行）、Memory（记忆）、CodeGraph（知识）组合成一个增强型 Agent

interface MemoryStore {
  recall(query: string): Promise<string>;       // 检索相关记忆
  remember(asset: MemoryAsset): Promise<void>;  // 写入记忆资产
}

interface MemoryAsset {
  type: "conversation" | "document" | "code" | "procedure";
  content: string;
  metadata?: Record<string, unknown>;
}

interface CodeGraph {
  // 通过 MCP 查询代码库语义关系
  query(cypher: string): Promise<unknown>;
}

class EnhancedAgent {
  constructor(
    private computer: Tool[],     // 来自 Cloudflare Computer 的能力
    private memory: MemoryStore,  // 来自 Agent-Memory 的记忆
    private graph: CodeGraph      // 来自 code-review-graph 的代码图
  ) {}

  async handle(request: string): Promise<string> {
    // 1. 先从记忆里检索相关上下文
    const recalled = await this.memory.recall(request);

    // 2. 如果涉及代码，查询代码智能图
    let codeContext = "";
    if (/代码|函数|调用|重构/.test(request)) {
      codeContext = JSON.stringify(await this.graph.query("MATCH (f:Function) RETURN f LIMIT 5"));
    }

    // 3. 组装上下文，交给模型决策要调用哪些计算机工具
    const context = `记忆: ${recalled}
代码图: ${codeContext}`;
    console.log("增强上下文已就绪:
", context);

    // 4. 执行 Agent 循环（复用前文的 runAgentLoop 思路）
    // ... 调用 computer 工具完成任务 ...

    // 5. 把本次交互沉淀为记忆资产
    await this.memory.remember({
      type: "conversation",
      content: `用户请求: ${request}`,
    });

    return "任务处理完成，已更新记忆。";
  }
}

// 组装各层能力，启动增强型 Agent
const agent = new EnhancedAgent(tools, memoryStore, codeGraph);
await agent.handle("帮我重构 utils.ts 里重复的校验函数");

这段代码的精髓在于"分层组合"：执行、记忆、知识三个能力各自独立演进，通过标准接口拼装成一个比单层强大得多的Agent。这也是2026年Agent基础设施演进的范式——单体Agent正在让位于可组合的Agent基础设施栈。

未来展望：从"能用"到"可信"

Cloudflare Computer及同期项目揭示的趋势很清晰：Agent基础设施正在快速成熟，"会动手、有记忆、能长跑、懂代码"已经从概念走向可工程化。但要从"能用"跨越到"可信"，还有几道坎：

安全沙箱：让Agent操作真实计算机，意味着必须解决命令注入、越权访问等风险，沙箱隔离的强度将直接决定企业敢不敢用。

成本可控：长时运行Agent的token与算力消耗惊人，需要更精细的预算控制与缓存复用机制。

可观测性：Agent的决策链路一旦变长，调试与审计就变得极难，需要配套的trace与replay工具。

标准统一：MCP等协议正在收敛，但工具schema、记忆格式、状态检查点的标准化仍需时间。

可以预见，2026年下半年，"Agent基础设施"会像当年的"云原生基础设施"一样，从少数先锋项目演进为成体系的工具链与最佳实践。Cloudflare Computer以"给Agent一台电脑"这个朴素却精准的口号切入，恰好处在这股浪潮的浪尖上。

对开发者而言，现在正是下场的好时机：尽早把"执行、记忆、状态、知识"四层能力纳入自己的技术栈，理解它们如何组合，远比纠结"哪个模型最强"更有长期价值。因为当Agent真正能像人一样用电脑干活时，决定胜负的，从来不是大脑这一个部件，而是整套身体协调系统的成熟度。