Cloudflare AI Search：為你的 Agent 加上一個專屬搜尋引擎

Cloudflare 在 2026 年 8 月 6 日宣布了 AI Search 的一系列開發者體驗更新，目標是讓你的 Agent 擁有自己的搜尋引擎，能直接從你的資料中找到答案，而不是依賴過時的訓練資料或繁瑣的網頁抓取流程。

過去，要自己拼湊 Workers AI、AI Gateway、Vectorize、R2 和 Browser Run 才能做出一個搜尋方案，現在 AI Search 自動處理這些底層細節，你只需要專注在資料和查詢上。

從索引到公開端點：核心功能一次看

這次更新帶來了幾個實用的新功能：

索引多種資料來源：你可以把結構化或非結構化資料（從單一檔案到整個網站）變成 Agent 可用的搜尋索引。目前網站必須是 Cloudflare 帳號下的 zone，但官方表示更多驗證所有權的方式即將推出。
跳過 sitemap：以前網站必須有 sitemap 才能加入，現在可以選擇「Discover」解析選項，讓系統自動跟隨連結找到頁面（背後由 Browser Run 的 /crawl 驅動）。
單一公開端點：啟用 public URLs 後，你會得到 /search 和 /mcp 兩個端點，可以一次搜尋多個實例或網站，而且不需要認證，方便直接分享給客戶。
自訂網域與存取控制：你可以把自訂網域掛在公開端點上（例如 search.example.com/mcp），也可以加上 Cloudflare Access 變成私有搜尋，只有授權的人或 Agent 能查詢。
EmDash 外掛：如果你的網站是用 EmDash（Cloudflare 的開源 CMS），AI Search 外掛可以直接加上語意搜尋。

另外，AI Search 會用明確的 bot 身份（Cloudflare-AI-Search）來爬取，遵循 robots.txt，並尊重網站的 bot 控制設定，這點對內容擁有者來說比較安心。

建立實例只需要一個指令，沒有 sitemap 的網站再加上 --parse-type discover，讓系統沿著連結找出頁面（背後同樣由 Browser Run 的 /crawl 驅動）：

npx wrangler ai-search create cloudflare-community \
  --namespace dev-stack \
  --source https://community.cloudflare.com \
  --type web-crawler \
  --parse-type discover

實際案例：Cloudflare Dev Stack MCP 怎麼用 AI Search

Cloudflare 自己也在用 AI Search，最明顯的例子是新的 Cloudflare Dev Stack MCP，它讓 coding agent 能取得即時、有引用的文件，而不是依賴訓練資料的舊知識。做法是：

每個表面建立一個索引：Cloudflare 為 Docs、Blog、API Docs、Community、Astro、Vite 等每個自有網站建立一個 AI Search 實例。因為都是 Cloudflare 擁有的資料，AI Search 可以把它們當成單一集合來處理，一個指令就能建立實例，沒有 sitemap 的網站就加上 –parse-type discover。
合併成單一搜尋：有兩種方式。
- Option A：用 Worker（Cloudflare 自己用的方式）：把 namespace 綁定到 Worker，建立一個遠端 MCP server，然後一個 tool call 就能同時查詢所有實例。適合要整合進現有 app 或 MCP server 的情境。
- Option B：啟用 public endpoints（不用寫程式）：直接開啟 public URLs，立刻得到 /search 和 /mcp 端點，查詢所有實例，不用部署任何東西。適合想要一鍵分享搜尋端點的情況。
品牌化與鎖定：掛上自訂網域，加上 Cloudflare Access 控制存取。

以 Option A 為例，先把 namespace 綁定寫進 wrangler.jsonc：

{
  "ai_search_namespaces": [
    { "binding": "AI_SEARCH", "namespace": "cloudflare-stack" }
  ]
}

接著註冊一個 tool，一次呼叫就能同時查詢 namespace 裡的所有實例：

// One tool, one call that searches every surface in the namespace at once.
context.registerTool(
  'search_dev_stack',
  {
    description: 'Search current docs across the Cloudflare stack.',
    inputSchema: z.object({ query: z.string() }),
  },
  async ({ query }) => {
    const res = await context.env.AI_SEARCH.search({
      query,
      ai_search_options: {
        instance_ids: ['developers-cloudflare-com', 'astro', /* ...every surface */],
        retrieval: { max_num_results: 10 },
        reranking: { enabled: true },
      },
    })
    // res.chunks come back cited and tagged with the instance they came from.
    return { content: [{ type: 'text', text: format(res.chunks) }] }
  }
)

這個 Dev Stack MCP 已經在 AI Playground 上可以試用，你也可以直接把 MCP URL 加到你的 coding agent 設定中，取代原本「先搜尋網頁再抓取全文」的慢速流程。設定檔中只要加上這一段：

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

定價預覽：把 embedding 和 reranking 的成本拿掉

AI Search 目前還在 beta，免費使用，計費尚未啟用。官方提前公布了定價預覽，重點是：使用預設模型時，embedding 和 reranking 完全免費，所以你不用擔心 token 數量的波動。

定價分為 ingestion（每個月 5M tokens 的池子，涵蓋所有檔案類型）、storage（按量計費）、queries（每個月 2,000 次查詢的池子，semantic 和 keyword 共用）。Answer generation 和 query rewriting 是選用步驟，會用你選擇的模型，按 Workers AI 用量計費，也可以用 AI Gateway credits。

各項目的預覽價格與每月免費額度如下：

	預覽用量價格	每月免費額度（所有 Workers 方案）
Ingestion
Base Ingestion	$0.75 / 1M tokens	5M tokens †
圖片處理（加購）	+$0.50 / 1M tokens	5M tokens †
Storage
儲存資料	$2.00 / GB-month	10 GB
Query
Semantic（hybrid 與 vector search）	$0.75 / 1k queries	2,000 queries ‡
全文搜尋	$0.10 / 1k queries	2,000 queries ‡
Embedding 與 Reranking
Ingestion 與 query	搭配精選 Workers AI 模型免費；第三方模型另行計費	N/A

† 每月 5M ingestion tokens 為單一共用池，涵蓋目前支援的所有檔案類型（例如文字與圖片）。‡ 每月 2,000 次查詢為單一共用池，由兩種查詢類型共用。

官方給了一個範例：一個 20,000 份文件（約 20M tokens）加上 1,000 張圖片的資料源，每月 30,000 次 semantic queries，用預設模型，第一個月的費用約 $21（主要是 indexing 的一次性成本），之後月份因為只剩查詢，費用會更低。官方的逐項試算如下，第一個月合計約 $35，之後月份以查詢為主、接近 $21：

項目	用量	價格	本月費用
Base ingestion	（20M tokens 文字 + 1M tokens 圖片）× 1.1 - 5M 免費 = 18.1M tokens	$0.75 / 1M tokens	$13.58
圖片加購	1M tokens 圖片 × 1.1 = 1.1M tokens	$0.50 / 1M tokens	$0.55
儲存	約 1.2 GB（在 10 GB 免費額度內）	$2 / GB-mo	$0
查詢（semantic）	30,000 - 2,000 免費 = 28K	$0.75 / 1k	$21.00
Embedding（Workers AI）	使用精選 Workers AI 模型即已內含用量	$0	$0
Reranking（Workers AI）	使用精選 Workers AI 模型即已內含用量	$0	$0
總計			~$35

對產品開發者的意義

AI Search 的定位很清楚：讓「給 Agent 一個搜尋引擎」變成一個可管理的服務，而不是自己拼裝基礎元件。對產品 builder 來說，幾個值得注意的點：

降低整合成本：不需要自己處理爬蟲、embedding、向量儲存和 reranking，一個指令就能建立索引，對 prototyping 或 production 都適用。
MCP 原生支援：直接提供 /mcp 端點，讓 Agent 可以透過標準協定查詢，這對目前主流的 coding agent 生態系很友善。
定價可預測：把 embedding 和 reranking 的成本內建，讓預算規劃更簡單，尤其適合用量會波動的場景。

不過要注意，目前網站索引僅限 Cloudflare 帳號下的 zone，這對非 Cloudflare 使用者是個限制。另外，定價預覽可能還會調整，正式計費前官方會再通知。

如果你正在為 Agent 打造知識庫或搜尋功能，不妨先試試 AI Search，用一個指令建立索引，然後透過 /mcp 接上你的 Agent，看看是否能取代原本的網頁搜尋流程。建立索引的指令長這樣：

npx wrangler ai-search create my-search \
  --namespace my-namespace \
  --source https://my-website.com \
  --type web-crawler \
  --hybrid-search

參考來源

Cloudflare AI Search: give your agents a search engine for your data

本文由 AI 協助自上述來源整理，經人工審核後發布。

導覽

語言

Cloudflare AI Search：為你的 Agent 加上一個專屬搜尋引擎

從索引到公開端點：核心功能一次看

實際案例：Cloudflare Dev Stack MCP 怎麼用 AI Search

定價預覽：把 embedding 和 reranking 的成本拿掉

對產品開發者的意義

參考來源

從索引到公開端點：核心功能一次看

實際案例：Cloudflare Dev Stack MCP 怎麼用 AI Search

定價預覽：把 embedding 和 reranking 的成本拿掉

對產品開發者的意義

參考來源

訂閱 RSSSubscribe via RSS

延伸閱讀

訂閱 RSS