cloudflare/mcp

解決的問題

本專案為 AI Agent 與包含超過 2,500 個端點的龐大 Cloudflare API 進行互動提供了一種高 Token 利用率的方法。傳統的 Model Context Protocol (MCP) 伺服器通常將每個端點作為單獨的工具公開，這會消耗數百萬 Token 的上下文窗口空間。本伺服器將這種開銷從數百萬 Token 降低到約 1,000 Token。

工作原理

伺服器不採用列出所有 API 端點作為工具的方式，而是使用「程式碼模式 (Code Mode)」模式。AI Agent 不接收完整的 API 規範；相反，它使用三個主要工具：

• docs: 搜尋 Cloudflare 開發者文件。
• search: 允許 Agent 編寫 JavaScript 程式碼在伺服器端查詢 API 規範，以找到正確的端點。
• execute: 允許 Agent 編寫 JavaScript 來呼叫發現的 Cloudflare API 端點。

伺服器使用 Dynamic Worker Loader API 在隔離的 Workers 中執行這些程式碼。

適用對象

希望使用 LLM 驅動的 Agent 自動執行 Cloudflare 服務（如 Workers、KV、R2、D1、Pages 和 DNS），且不想耗盡 Agent 上下文窗口的開發者與 AI Agent 使用者。

亮點

• 極高的 Token 利用率：將上下文使用量從約 200 萬 Token（原始 OpenAPI 規範）降低到約 1k Token。
• 支援 Code Mode：將 API 發現與執行的邏輯轉移到伺服器端 JavaScript 執行。
• 廣泛的 API 覆蓋：支援幾乎所有的 Cloudflare 產品，包括 GraphQL Analytics API。
• 靈活的身份驗證：同時支援 OAuth 與 API 令牌。
• 可選的原生模式：如果需要，可以透過查詢參數禁用，返回傳統的 MCP 工具註冊方式。