Cloudflare Python Workers 正式推出

Cloudflare Python Workers 現已正式推出（GA），將 Python 轉化為 Cloudflare 開發者平台上的第一等語言。這讓開發者能夠直接將 Python 應用程式和程式庫部署至邊緣，並與 Cloudflare 服務（如 Workers AI、R2、D1、Hyperdrive 和 Durable Objects）無縫整合。

與 Cloudflare 繫結的原生整合

Python Workers 現在原生支援 Cloudflare 開發者平台的繫結，消除了在 RPC 边界上手動轉換 Python 與 JavaScript 物件類型的需求。過去，開發者必須使用膠水程式碼（例如 Pyodide 的 to_js）將資料傳送至 Cloudflare Queues 等服務。現在，執行時與 Python SDK 已封裝此過程，提供更符合 Python 風格的介面：

self.env.QUEUE.send({"key": "value"})

支援常見的 Web 框架

開發者現在可以在 Python Workers 中執行標準的 Python Web 框架，包括 FastAPI、Django 和 Flask。這透過內建的連接器實現，將 Cloudflare Workers 執行時與 Web Server Gateway Interface (WSGI) 和 Asynchronous Server Gateway Interface (ASGI) 標準橋接。

ASGI 支援： workers.asgi 套件允許 FastAPI 等非同步框架在不需額外 Web 伺服器（如 Uvicorn）的情況下執行。
WSGI 支援： workers.wsgi 套件讓 Django 等同步框架得以部署。

由於 Cloudflare 全球網路負責負載平衡與擴展，這些連接器僅作為輕量級橋樑，將原生 JavaScript 請求轉譯為 Python 應用程式所預期的標準結構，無需在 worker 內執行完整伺服器的開銷。

透過 Hyperdrive 連接資料庫

Python Workers 現在支援 TCP 套接字，這曾是資料庫驅動程式的阻礙。由於 Python Workers 在 WebAssembly (Wasm) 沙箱中執行，標準的 POSIX 網路系統呼叫通常會失敗。Cloudflare 使用 Workers 的 connect API 實作套接字系統呼叫，將 Python 套接字操作轉譯為 JavaScript 呼叫。

這使得標準資料庫驅動程式（如 aiomysql 或 asyncpg）能透過 Hyperdrive 連接關係型資料庫。例如，Python Worker 現在可利用 Hyperdrive 繫結提供的主機、埠與憑證，使用 aiomysql 執行 SQL 查詢。

擴展 Wasm 套件生態系

為解決具有原生 C/C++/Rust 擴充功能的套件限制，Cloudflare 提出並協助標準化 PEP 783，定義了 PyEmscripten 平台。這讓套件維護者能為 PyEmscripten 平台建構並發佈 wheel，使其在所有實作該平台的環境中可用。

Cloudflare 也穩定了 Pyodide 建構工具鏈，並在 cibuildwheel 中新增 PyEmscripten 支援，簡化套件維護者採用此標準的流程。

AI 代理與工作流程開發

Python 的資料科學生態系使其非常適合用於 AI 代理。Cloudflare 確保 requests 和 httpx 等 HTTP 客戶端可在 Wasm 環境中透過 JavaScript fetch API 路由請求。結合新的套接字支援，這讓 openai、langchain 和 mcp 等套件能原生在 Python Workers 中執行。

開發者可將這些套件與 Workers AI 結合，實現無伺服器 GPU 推論，或使用 langchain-cloudflare 套件在邊緣協調 AI 工作流程。

社群見解與技術考量

儘管正式推出是重大里程碑，社群討論也凸顯了若干技術取捨與架構考量：

冷啟動效能： 部分開發者對冷啟動時間表示擔憂。競爭對手（Wasmer）在一次基準測試中聲稱，Cloudflare Workers 上的最小 Python 應用程式啟動時間（約 900ms）遠高於其自身實作（60ms），但這些數字可能已過時。
urllib3 維護問題： urllib3 的維護者指出，雖然 Cloudflare 貢獻了對 Pyodide/Emscripten 的支援，但長期維護責任仍落在上游專案上。他們警告 Emscripten 後端仍屬實驗性，網路語意可能與標準後端不同。
資源開銷： 社群成員建議，基於 Pyodide 的架構可能比原生 V8 執行時消耗更多記憶體。

"我很樂見這項工作已貢獻至上游，對 Pyodide 和 Cloudflare 都有幫助。但我認為，資助對上游專案的貢獻，與資助後續必須支援該專案的維護者之間，存在著顯著差異。"

生產就緒的模式

Cloudflare 提供了多個使用 Python Workers 可建構的範例：

非同步 AI 協調： 使用 Cloudflare Queues、Workflows 和 Workers AI 的圖像到圖像生成器。
即時串流處理： 使用 Durable Objects 維持長久狀態的 Bluesky Jetstream WebSocket 消費者。
MCP 伺服器： 使用官方 Python MCP 套件部署 Model Context Protocol 伺服器。
RAG 系統： 使用 Workers AI 和 Vectorize 建構 Retrieval-Augmented Generation 系統。