Que tipos de agentes dá para criar no Cloudflare Agents?

Sim, dá para criar vários tipos de agentes no Cloudflare Agents: agentes de chat, voz, email, fluxos automáticos com agendamento, agentes conectados a ferramentas, servidores e clientes MCP, agentes no navegador, agentes com execução de código e experiências em tempo real para um usuário, uma sessão ou uma sala de jogo.

Na prática, o Cloudflare Agents funciona como base para montar agentes persistentes e com estado, apoiados por Durable Objects, com suporte nativo a comunicação em tempo real, chamadas de modelo de IA, agendamento, workflows e integrações. A partir dessa combinação, dá para ir de um contador sincronizado entre clientes até um agente que recebe entrada por chat, voz ou email, consulta um LLM via Workers AI ou AI Gateway, guarda estado, usa ferramentas como Browser Rendering, Vectorize e D1, e executa ações em vários passos.

Quais tipos de agentes o Cloudflare Agents suporta?

O Cloudflare Agents não prende o desenvolvedor a um único formato de agente. Pelos recursos listados na plataforma, é possível criar agentes persistentes com estado próprio, que continuam existindo entre uma interação e outra; agentes de chat com IA, com mensagens persistentes e streaming retomável; agentes de voz, com STT (fala para texto), TTS (texto para fala), VAD e streaming; agentes de email, capazes de enviar, receber e responder mensagens; agentes com WebSockets para comunicação em tempo real; agentes com tarefas agendadas, únicas, recorrentes ou em cron; agentes com workflows, para processos duráveis em várias etapas com aprovação humana; e agentes que funcionam como servidores ou clientes MCP. A própria documentação também cita agentes no navegador, integração com ferramentas expostas por WebMCP e agentes voltados para sessões, usuários ou salas de jogo, em escala de milhões quando ficam inativos em hibernação.

Que agentes de atendimento e conversa dá para montar?

Para quem quer criar um agente que fala com pessoas, o Cloudflare Agents cobre três canais de entrada mostrados pela plataforma: chat, email e voz. Em chat, a base usa WebSockets e Workers, com sincronização em tempo real entre cliente e agente. Em email, entra o suporte ao Cloudflare Email Service para enviar, receber e responder. Em voz, o pacote @cloudflare/voice adiciona um pipeline contínuo com STT, TTS, VAD, streaming e utilitários SFU. Com esse conjunto, surgem assistentes de suporte, copilotos internos, bots de triagem e agentes de conversa persistente que retomam o histórico depois.

No repositório, a Cloudflare lista exemplos específicos como assistant, ai-chat, multi-ai-chat, structured-input, workspace-chat, resumable-stream-chat e voice-agent, cobrindo desde fluxos de conversa simples até cenários mais complexos, com múltiplos modelos e retomada de sessão. O Cloudflare Agents atende tanto um agente de texto básico quanto uma experiência multimodal que combina voz, chat e contexto salvo, desde que a conversa dependa de estado, chamadas a LLM e ações conectadas a ferramentas.

Dá para criar agentes autônomos que planejam e executam tarefas?

Sim. A proposta do Cloudflare Agents, segundo a própria plataforma, é suportar agentes “agentic”, com autonomia para planejar, revisar passos e agir sobre ferramentas e serviços. O fluxo descrito passa por quatro partes: receber entrada do usuário, consultar um LLM, garantir a execução com estado e computação e, na sequência, agir usando ferramentas.

Nessa camada de execução, a Cloudflare combina Durable Objects como camada de estado com Workflows como camada de computação durável. Esse arranjo atende agentes que não só respondem, mas também disparam APIs, manipulam dados, voltam ao modelo para reavaliar o plano e seguem com novas etapas.

O exemplo do “LunchAgent” ilustra esse padrão: ele agenda ações em horários fixos, dispara um workflow para pesquisar restaurantes, guarda votos no estado do agente, consulta um modelo em Workers AI para redigir o resultado e atualiza os clientes conectados. Com essa arquitetura, entram em cena automações internas, assistentes operacionais e processos com várias decisões intermediárias, todos apoiados por estado persistente e computação durável na borda.

Que tipos de agentes com ferramentas e integrações externas são possíveis?

O Cloudflare Agents foi desenhado para agentes que usam ferramentas, não só texto gerado por modelo. A plataforma lista ferramentas para invocar APIs, manipular dados e integrar sistemas externos. Entre os recursos nomeados estão MCP servers para acesso estruturado a APIs, Browser Rendering para tarefas de navegador, Vectorize para busca vetorial e D1 para banco de dados.

No repositório, essa abordagem aparece em exemplos como dynamic-tools, agents-as-tools, agent-skills e codemode-mcp, mostrando cenários em que o agente escolhe qual ferramenta acionar, compõe sequências de chamadas e registra o que fez. O SDK traz também suporte a subagentes, em que um agente compõe outros em uma estrutura pai/filho, e a agent tools, permitindo usar subagentes voltados a chat como ferramentas.

Com esse ferramental, surgem agentes de pesquisa, agentes que consultam bases internas, agentes que operam como ponte para serviços externos e agentes que coordenam outros agentes especializados. Em projetos cheios de integrações, com necessidade de chamadas tipadas, persistência e rastreabilidade, o Cloudflare Agents aparece como camada de orquestração que mantém estado e controla o ciclo inteiro de cada ação.

Uma forma prática de pensar nos tipos de agentes do Cloudflare Agents é separar por canal de entrada e por grau de autonomia: chat, voz e email de um lado; consulta, execução e workflows do outro.

O Cloudflare Agents serve para agentes MCP, navegador e execução de código?

Serve, e esse conjunto de modos aparece como um dos diferenciais do SDK. O pacote suporta agentes que atuam como servidores MCP ou se conectam como clientes MCP, com transportes como HTTP, SSE e RPC, além de elicitation. Também há WebMCP, que expõe ferramentas do lado do navegador para os agentes via WebSocket.

Outro tipo suportado é o browser agent, rodando dentro da aba do navegador com agents/browser, em que o agente vive no front-end e ainda assim conversa com a infraestrutura do Cloudflare. Já no modo mais avançado, o recurso de Code Mode permite que o LLM gere TypeScript executável em vez de fazer uma chamada de ferramenta por vez. Esse código roda com execução isolada em um Worker, com sistema de arquivos virtual, mantendo cada sessão contida.

A combinação desses blocos cobre casos em que o agente precisa acessar ferramentas do navegador, operar como camada MCP para outros apps ou decidir ações com mais liberdade, escrevendo e executando código com segurança. No repositório aparecem exemplos dedicados como mcp, mcp-client, mcp-server, webmcp, codemode e dynamic-workers, usados como referência para montar arquiteturas mais complexas.

Que exemplos práticos mostram o que dá para criar?

Os exemplos oficiais deixam claro o alcance do Cloudflare Agents. Há um CounterAgent simples, que mantém um número no estado persistente e sincroniza mudanças automaticamente com todos os clientes conectados. Esse caso mostra o básico: métodos chamáveis, estado durável e atualização em tempo real.

No outro extremo, o exemplo de almoço em equipe junta agendamento, workflow, busca, armazenamento vetorial, estado compartilhado e geração de texto por LLM, numa rotina que puxa dados, registra votos e fecha a decisão em um horário definido. O repositório ainda lista demos para chat, ferramentas dinâmicas, recuperação de contexto, aprovações humanas, pagamentos x402, notificações push, webhooks do GitHub, autenticação, email e até um jogo da velha, mostrando que a estrutura não fica restrita a interfaces de conversa tradicionais.

Na descrição do projeto, a Cloudflare informa que você pode rodar milhões de agentes, um por usuário, sessão ou sala de jogo, e que eles entram em hibernação quando estão ociosos, sem custo nesse estado. O recorte inclui desde interfaces de uso individual e coprocessos por sessão até experiências multiusuário em tempo real com salas, partidas e ambientes compartilhados.

Cloudflare Agents não é só um “chatbot pronto”. Pelas fontes, trata-se de uma estrutura para criar agentes persistentes com estado, rotinas, ferramentas e execução durável. Quem utiliza o serviço apenas para respostas a prompts ignora boa parte do que a plataforma expõe.

Como escolher o tipo de agente certo no Cloudflare Agents?

A escolha passa principalmente por três decisões. Primeiro, como o usuário fala com o agente: por chat, email, voz ou navegador. Segundo, o que o agente precisa fazer: apenas conversar, chamar ferramentas, consultar banco, disparar workflows ou coordenar subagentes. Terceiro, quanto estado e tempo real o projeto exige: um agente por usuário, por sessão ou por ambiente compartilhado.

Quando a demanda é atendimento contínuo, faz mais sentido olhar para chat, voz ou email. Em cenários de automação com etapas e aprovações, workflows e agendamento assumem o centro do desenho. Em arquiteturas em que o agente opera como camada de integração, MCP, Browser Rendering, Vectorize e D1 ganham relevância como blocos de construção.

Em experiências que exigem sincronização imediata entre cliente e servidor, WebSockets e hooks como useAgent, useAgentChat e useVoiceAgent entram no front-end para manter o estado fluindo. O ponto de encontro entre todos esses formatos é a mesma base técnica: agentes persistentes sobre Durable Objects, com chamadas de IA e execução sob demanda em cima da infraestrutura da Cloudflare.

Perguntas frequentes