Cloudflare introduit de nouvelles fonctionnalités dans Agent Cloud afin de rendre les agents d’IA plus efficaces, plus sûrs et plus abordables pour les environnements de production. Grâce, entre autres, aux Dynamic Workers, au stockage compatible Git et aux bacs à sable (sandboxes), les développeurs peuvent déployer des agents d’IA à grande échelle et prendre en charge des tâches de longue durée.
Le passage de simples chatbots à des agents d’IA autonomes et conscients du contexte exige une infrastructure puissante, évolutive et sécurisée. C’est pourquoi Cloudflare ajoute de nouvelles fonctionnalités à Agent Cloud, une plateforme qui aide les développeurs à créer et à faire évoluer des agents au sein d’une infrastructure mondiale. Cela doit apporter une réponse aux limites des serveurs virtuels traditionnels et des environnements basés sur des conteneurs, qui sont trop coûteux et trop lents pour une utilisation massive.
Nouvelles fonctionnalités dans Agent Cloud
Les Dynamic Workers constituent un composant central d’Agent Cloud. Ce moteur d’exécution (runtime) basé sur des isolats démarre en quelques millisecondes pour exécuter le code d’IA de manière sûre et efficace. C’est cent fois plus rapide que les conteneurs traditionnels et cela coûte une fraction du prix.
De plus, Cloudflare introduit Artifacts, une solution de stockage compatible Git et évolutive pour les charges de travail autonomes. Les développeurs peuvent gérer des millions de dépôts et fournir aux agents un stockage permanent de code et de données, accessible via des clients Git standard.
Pour les agents nécessitant un environnement de système d’exploitation complet, les bacs à sable (sandboxes) sont désormais généralement disponibles. Ces environnements Linux isolés offrent un shell, un système de fichiers et des processus d’arrière-plan, permettant aux agents de construire, d’installer et d’itérer à la manière des développeurs humains.
Avec Think, un framework au sein de l’Agents SDK, les développeurs peuvent créer des agents prenant en charge des étapes multiples et de longue durée. Cela résout le problème des agents à courte durée de vie qui ne répondent qu’à des commandes isolées, et permet des flux de travail plus complexes.