Computer Skill：让 AI Agent 拥有自己的虚拟计算机

Skill超级捕获手 技术创作者 2026-08-05 12 阅读

Cloudflare Computer 是 GitHub trending 常客，今日再获 796 stars。这个来自 Cloudflare Labs 的开源项目干了一件看似简单、实则根本的事：给你的 AI Agent 一台真正的虚拟计算机——包括文件系统、进程执行、网络访问，全部运行在 Cloudflare Durable Object 的隔离环境里，由 SQLite 持久化状态，FUSE 挂载真实文件系统。

它的核心设计是「workspace.runtime」三层执行后端：Container 将 SQLite 状态投影到沙箱容器，以真实 FUSE 挂载暴露文件系统，可运行完整 Linux 二进制；Isolate Shell 在 Dynamic Worker 里跑 just-bash，通过 Workers RPC 与 Workspace 通信，无额外存储往返；Isolate JavaScript 则在新鲜 Worker 中直接执行 ECMAScript 模块，支持 node:fs/promises、ws:git、ws:artifacts 等受限模块。三种后端可通过同一个 exec() 接口切换，Agent 无需感知底层差异。

认可度

  • GitHub stars：1,997（截至 2026-08-05），今日 +796 trending
  • Forks：86
  • 来自 Cloudflare Labs（Cloudflare 公司官方团队），MIT 许可证
  • Repo 内置 AGENTS.md 和 .agents/skills/ 目录，专为 AI 代理优化

链接

https://github.com/cloudflare/computer

原作者

Cloudflare Labs（GitHub @cloudflare）——全球最大 CDN/边缘计算平台的核心工程团队，负责构建 Workers、Durable Objects、D1 等云原生基础设施。

介绍

Cloudflare Computer 本质是一个运行在 Durable Object 内部的虚拟文件系统。Durable Object 持有权威 SQLite 状态，通过 workspace.runtime 向外暴露唯一的执行入口。三种后端各有权衡：Container 提供完整的 Linux 用户态和真实网络，适合需要编译工具链或调用系统命令的场景；Isolate 两种模式延迟更低、启动更快，适合纯计算或轻量脚本。

项目提供了大量可直接运行的 examples：container 模式跑 HTTP 服务并挂载 workspace；worker-shell 用 just-bash 实现交互式 shell；think 是一个终端聊天 Agent；think-compare-runtimes 提供 Web UI 并排对比三种后端性能；tutorial 则手把手从零构建「AI 写 Markdown 配方 → pandoc 转 PDF」的完整 pipeline。

Cloudflare 特别强调这是 PREVIEW ONLY：API 不稳定，不适合生产。但对于在 Cloudflare Workers 生态上构建 AI Agent 应用的开发者，这是目前最完整的「Agent + 持久化计算空间」解决方案。

特点

  • 虚拟文件系统持久化：SQLite -backed FUSE mount，Agent 重启后状态不丢失
  • 三种执行后端按需切换：Container（完整 Linux）/ Isolate Shell（轻量 bash）/ Isolate JavaScript（纯 JS 模块）
  • 专为 Agent 设计：内置 AGENTS.md 和 .agents/skills/，Agent 可直接读取并执行项目内规范
  • 边缘计算原生：运行在 Cloudflare 全球 300+ 数据中心，延迟极低
  • 无供应商锁定：纯开源，MIT 许可，可自建 Durable Object 兼容实现

使用方法

安装主包：

npm install @cloudflare/computer

Container 模式（需要 Docker）：

# 启动一个持久化 workspace
wrangler secret put COMPUTER_STATE  # 初始化 SQLite 状态
wrangler dev                         # 启动 Durable Object + container 后端

Worker Shell 模式（无容器，纯 Workers）：

wrangler deploy                      # 直接部署到 Cloudflare Workers
curl -X POST https://your-worker.workers.dev/exec 
  -d '{"source": "echo hello > /workspace/greet.txt && cat /workspace/greet.txt"}'

JavaScript 模块模式：

import { Workspace } from '@cloudflare/computer';
const ws = new Workspace();
const result = await ws.runtime.exec(`export const handler = () => "Hello from sandbox";`, {
  backend: 'javascript'
});

使用场景与人群

适用场景：
– 需要跨请求持久化状态的 AI Agent（比如代码生成中途结果、文档草稿、中间编译产物）
– 在边缘运行需要文件系统读写的 Agent 工作流（PDF 生成、Markdown 渲染、代码编译）
– 多 Agent 共享同一个工作空间做协同（通过 Durable Object 的单实例保证一致性）

目标用户：
– 在 Cloudflare Workers 平台上构建 AI 应用的开发者
– 需要给 Agent 提供「持久化磁盘」而不是每次上下文重置的 AI 工程团队
– 对边缘计算 + AI Agent 交叉领域感兴趣的前沿技术研究者

输入与输出案例

案例 1：持久化文件 + 进程执行

Input: Agent 请求在 /workspace 生成一份 Markdown 配方，然后用 pandoc 转 PDF

Agent 执行：
  echo "# Pancake Recipenn- 1 cup flourn- 1 eggn- 1 cup milk" > /workspace/recipe.md
  pandoc /workspace/recipe.md -o /workspace/recipe.pdf

Output:
  /workspace/recipe.pdf 生成成功，大小 24KB
  同一 Agent 下一轮对话仍可读取 /workspace/recipe.pdf
  状态通过 SQLite 持久化，Agent 重启不丢失

案例 2：多后端性能对比

Input: 同一「列出 /workspace 目录」的简单任务，对比三种后端延迟

Container: ~120ms（含 FUSE 挂载开销）
Isolate Shell: ~45ms（Workers RPC，无额外存储往返）
Isolate JavaScript: ~38ms（纯内存执行，最快）

Output:
  think-compare-runtimes Web UI 并排显示三者耗时
  Agent 可据此为不同任务选择最优后端

GitHub: https://github.com/cloudflare/computer

评论区

0 条评论

登录后可评论。

Skill超级捕获手 12 阅读