Cloudflare MCP Server：让 AI Agent 无缝操控 Cloudflare 全栈服务

当 AI 助手学会"操控"Cloudflare

想象一下这样的场景：你是 Cloudflare 的运维工程师，某天老板突然问：「我们这个月 Workers 的错误率是多少？R2 存储增长了多少？」你不用打开 Dashboard，不用写 GraphQL 查询，只需要对 AI 助手说一句话——「查一下我账号里 Workers 的错误率」，AI 就自动调取数据，甚至帮你生成优化建议。

这正是 Cloudflare MCP Server 正在实现的事情。

MCP（Model Context Protocol）是一个新兴的标准化协议，旨在解决 AI 大模型与外部系统之间的"沟通障碍"。Cloudflare 将这套协议与自身强大的边缘计算生态结合，打造了一套可直接让 AI Agent 操作 Cloudflare 各项服务的 MCP 服务器矩阵。截至 2026 年 9 月，该项目已在 GitHub 收获超过 4,280 个 Star，成为 Cloudflare 官方 MCP 生态的标杆开源项目。

从 13 个到全覆盖：Cloudflare 的 MCP 之路

2025 年 5 月，Cloudflare 正式发布了首批 13 个 MCP 服务器，并在博客中宣布与 Anthropic 合作，将远程 MCP 功能带入 Claude.ai。这批服务器涵盖了从文档查询、Workers 开发、日志分析到安全审计的完整工具链。

2026 年，Cloudflare 进一步升级，发布了 Code Mode 服务器（mcp.cloudflare.com），这是官方推荐的"大一统"方案——只需一个端点，就能通过代码执行方式访问 Cloudflare 超过 2,500 个 API 端点。同时，旧版 MCP 服务器全面升级至 MCP 2026-07-28 规范，切换至无状态的 Streamable HTTP 传输协议，性能和兼容性大幅提升。

19 个 MCP 服务器全景图

该项目是一个 pnpm monorepo，包含 19 个独立 MCP 服务器应用和 6 个共享基础设施包：

核心产品服务器

服务器	功能描述
Cloudflare API	通过 search() 和 execute() 两个工具访问全产品线 2,500+ API
Workers Bindings	在 AI 对话中直接操作 D1 数据库、R2 存储、KV 等 Workers 开发原语
Workers Builds	获取 Workers 构建历史、部署状态并进行管理
Workers Observability	查询 Workers 日志、计算统计数据、定位错误
Browser Run	抓取网页、转换为 Markdown、截取屏幕截图（AI 友好）
Container (Sandbox)	在云端沙箱中运行代码，AI 无需本地环境即可执行验证
AI Gateway	搜索 AI 请求日志，查看 Prompt 和 Response 详情
AutoRAG	列出和搜索 AI Search 文档库
Documentation	实时查询 Cloudflare 最新官方文档（解决 LLM 知识过时问题）
Radar	探索全球互联网流量数据、AS 信息、异常事件、趋势图表
Logpush	快速汇总 Logpush 任务健康状况
DNS Analytics	跨账号审查 DNS 配置，获取性能报告
Audit Logs	查询审计日志，生成报告（谁、何时、用什么操作了什么）
Cloudflare One CASB	自动发现 SaaS 应用安全配置错误
GraphQL	通过 GraphQL API 获取分析数据
DEX Analysis	数字体验监控，快速了解组织关键应用健康状况

技术架构亮点

每个服务器应用都遵循统一的架构规范：

• 共享包 @repo/mcp-common：统一的工具注册协议、OAuth 认证集成、Cloudflare SDK API 客户端、Zod 验证 schema
• 共享包 @repo/mcp-observability：统一的日志和指标采集
• 共享包 @repo/eval-tools：AI Agent 工具调用评测基础设施
• Turbo 构建系统：19 个应用统一构建、类型检查和测试
• 三阶段部署：开发环境（wrangler dev）→ Staging → 生产环境

技术栈一览

• 语言：TypeScript（强类型保障）
• 框架：Cloudflare Workers（边缘运行）、Durable Objects（状态管理）
• MCP 协议：SDK v2，createMcpHandler() 无状态处理器（2026-07-28 规范）
• 认证：OAuth 2.0（@cloudflare/workers-oauth-provider）、Cloudflare Access
• 依赖：Vercel AI SDK、Zod、cloudflare npm SDK

如何使用：零配置还是深度定制？

方式一：直接使用官方托管服务器（推荐）

Cloudflare 已在 *.mcp.cloudflare.com 部署了所有服务器的远程端点。用户无需部署任何基础设施，直接在 Claude、Cursor、Windsurf 等 MCP 客户端中填入 URL 即可：

{
  "mcpServers": {
    "cloudflare-api": {
      "url": "https://mcp.cloudflare.com/mcp"
    }
  }
}

通过 OAuth 授权后，AI 就能以你的身份操作 Cloudflare 资源。

方式二：本地开发 + Wrangler 部署

克隆 monorepo 后：

git clone https://github.com/cloudflare/mcp-server-cloudflare
cd mcp-server-cloudflare
pnpm install

# 本地开发
npx wrangler dev --config apps/workers-bindings/wrangler.jsonc

# 部署到 Workers
npx wrangler deploy --env production

每个服务器独立部署，URL 格式为 https://{app-name}.mcp.cloudflare.com/mcp。

认证配置

Cloudflare 支持两种认证模式：

• Cloudflare Access：适合企业内部，通过 IdP（GitHub、Google、Okta 等）验证身份，支持细粒度工具权限控制
• API Token：适合 CI/CD 和自动化场景，创建一个具有最小必要权限的 Cloudflare API Token，以 Bearer Token 方式传入

优势与局限

显著优势

1. 零运维接入：官方托管服务器开箱即用，无需管理基础设施
2. 云端沙箱执行：Container MCP 让 AI 能在隔离环境中真正运行代码并验证结果
3. 文档实时性：Documentation Server 直接读取最新文档，解决了大模型知识陈旧的根本痛点
4. 安全精细化：通过 Cloudflare Access 和 OAuth Scoped Permissions，可控制 AI 能调用哪些工具
5. 统一协议升级：2026 年全面升级至 Streamable HTTP + 无状态架构，兼顾性能和兼容性

已知局限

1. 强 Cloudflare 绑定：目前仅支持 Cloudflare 服务，非 Cloudflare 用户无法使用
2. 部分服务器依赖 Durable Objects：无状态化改造虽已完成，但沙箱容器等特殊服务器仍需状态管理
3. 本地开发门槛：需要 Node.js + Wrangler CLI + Cloudflare 账号，调试链路较长
4. OAuth 复杂配置：在 MCP 客户端中配置 OAuth 流程对普通用户有一定学习成本

行业意义

Cloudflare MCP Server 的出现，代表了 AI Agent 工具生态的重要演进方向——将云平台能力直接封装为 AI 可调用的标准化工具。相比传统的 API 文档 + Prompt Engineering 方案，MCP 提供了：

• 类型安全的工具定义（Zod Schema）
• 标准化的调用协议（MCP 2026-07-28）
• 统一的认证和权限模型（OAuth 2.0 Scoped）

这使得 AI Agent 能以"可信第三方"的身份安全地操作企业云资源，而不只是给出建议。从 Cloudflare 官方选择 Claude 作为首发 MCP 客户端合作伙伴，到企业级 MCP Server Portal 的发布，一个围绕 MCP 协议的企业 AI 工具生态正在成形。

---

项目数据来源：GitHub (cloudflare/mcp-server-cloudflare)，Star 4,280+，Apache-2.0 许可证，最后更新 2026-09-24