INTEGRITY Dokumentace

Dokumentace pro agenty

Agenti AI, tedy nástroje jako Cursor, GitHub Copilot nebo Claude Code, dokážou odpovídat na otázky o produktech Cloudflare, generovat konfiguraci a volat jménem uživatele API Cloudflare. Dokumentace Cloudflare proto nabízí obsah ve formátech vhodných pro agenty, dovednosti pro agenty a servery MCP, díky nimž může váš agent AI přímo vyhledávat v dokumentaci a komunikovat se službami Cloudflare.

Tato stránka popisuje dostupné přístupy a jejich nastavení.

Rychlý start

Tyto materiály pokrývají různé aspekty používání agentů AI s dokumentací Cloudflare. Začněte tím, který je pro vás nejrelevantnější:

Pochopení klíčových konceptů

Seznamte se s dovednostmi pro agenty a s MCP (Model Context Protocol).

Nastavit svého agenta

Nainstalujte dovednosti a servery MCP pro svůj konkrétní nástroj AI.

Získání dokumentace ve formátu vhodném pro agenty

Snižte spotřebu tokenů a zároveň zlepšete přesnost odpovědí svého agenta.

Základní pojmy

Dovednosti agenta

Dovednosti agenta ↗ jsou strukturované pokyny pro konkrétní úkoly, které si nástroje AI načítají podle potřeby. Dovednost může agenta naučit třeba nasadit Cloudflare Worker nebo nastavit pravidlo WAF (Web Application Firewall). Dovednosti agentovi poskytují pokyny specifické pro Cloudflare, které by jinak neměl k dispozici. Cloudflare publikuje dovednosti pro oblasti Workers, úložiště, AI, sítě, zabezpečení a další v Repozitář Cloudflare Skills ↗.

Každý agent má vlastní způsob instalace dovedností. Podrobnosti najdete v Nastavení agenta, kde najdete pokyny k instalaci.

Model Context Protocol (MCP)

Model Context Protocol ↗ (MCP) je otevřený standard, který definuje, jak se nástroje AI připojují k externím nástrojům, datům a službám. Server MCP je aplikace, která zpřístupňuje konkrétní funkce. Po připojení k agentovi může agent tyto funkce využívat jako součást své práce, například při vyhledávání v dokumentaci, vytváření záznamů DNS nebo nasazování Workers.

Cloudflare provozuje spravované vzdálené servery MCP, díky nimž agent během práce dokáže vyhledávat v dokumentaci, volat API Cloudflare a dotazovat se na logy a analytická data.

Existují dva přístupy:

Každý agent má vlastní Nastavení agenta zahrnuje instalaci serveru MCP jako součást rychlého startu (Quick start). Úplný seznam dostupných serverů MCP najdete v Servery MCP pro Cloudflare.

Flexibilita modelů

Agenti AI používají velké jazykové modely (LLM) k pochopení vašich požadavků a generování odpovědí. Model ovlivňuje kvalitu, rychlost a cenu odpovědí. To, z kolika modelů si můžete vybrat, závisí na konkrétním agentovi:

Přístupy ke kontextu

Způsob, jakým si agent uchovává informace o vašem projektu mezi konverzacemi, ovlivňuje, kolik si toho pamatuje napříč relacemi:

Nastavit svého agenta

Každý podporovaný agent má vlastní podrobný návod k nastavení, který pokrývá instalaci, dovednosti, konfiguraci serveru MCP, ukázkové výzvy, tipy a řešení problémů.

Začínáme

Dokumentace ve formátu Markdown pro LLM

Nástroje AI pracují s Markdownem lépe než s HTML, protože jeho jednoznačná struktura má oproti značkám HTML nižší režii. To snižuje počet zbytečně spotřebovaných tokenů (jednotek textu, se kterými modely AI pracují) a vede k lepším výsledkům.

Každou stránku dokumentace lze získat ve formátu Markdown některým z následujících způsobů, které využívají Markdown for Agents.

Kopírování z aktuální stránky

Na libovolné stránce dokumentace vyberte Kopírovat jako Markdown, kterým zkopírujete aktuální stránku jako Markdown.

Připojte /index.md k adrese URL

Přidejte /index.md na konec adresy URL kterékoli stránky. Například:

https://developers.cloudflare.com/workers/get-started/index.md

Odešlete Accept: text/markdown hlavička

Libovolnou stránku si vyžádejte s Accept: text/markdown, která serveru sdělí, že dáváte přednost formátu Markdown před HTML:

curl "https://developers.cloudflare.com/workers/get-started/" \
  --header "Accept: text/markdown"

Odpověď obsahuje x-markdown-tokens a x-original-tokens hlavičky s odhadovaným počtem tokenů pro dokument Markdown a původní dokument HTML, což se hodí při plánování kontextového okna (kontextové okno je maximální počet tokenů, které model AI dokáže najednou zpracovat).

Koncové body pro celý web

Tyto koncové body se řídí standard llms.txt ↗ a poskytují obsah dokumentace ve formátu Markdown:

Endpoint Popis
/llms.txt Index stránek seskupený podle kategorie produktu, s odkazy na vlastní llms.txt
/llms-full.txt Úplný obsah celé dokumentace v jednom souboru, určený pro offline indexování, hromadnou vektorizaci (převod obsahu na číselné reprezentace pro vyhledávání podobnosti) nebo modely s velkým kontextovým oknem

Koncové body pro jednotlivé produkty

Každý produkt má vlastní vyhrazený llms.txt a llms-full.txt. Použijte je, pokud potřebujete dokumentaci jen pro konkrétní produkt.

Endpoint Popis
/workers/llms.txt Index stránek dokumentace Workers
/workers/llms-full.txt Úplný obsah všech stránek dokumentace Workers

Nahraďte /workers/ s libovolnou cestou k produktu. Úplný seznam dostupných produktů najdete v /llms.txt.

specifikace OpenAPI

specifikace OpenAPI ↗ je strojově čitelný popis API: obsahuje všechny dostupné koncové body, parametry, které každý z nich přijímá, a odpovědi, které vrací. Když tento popis přidáte do kontextu svého nástroje AI, může nástroj generovat volání API pro služby Cloudflare, aniž byste museli ručně hledat v dokumentaci.

Úplná specifikace OpenAPI pro API Cloudflare je k dispozici pro nástroje AI pro programování, klienty API a generátory kódu:

Endpoint Popis
cloudflare/api-schemas ↗ Úplná specifikace OpenAPI pro API Cloudflare (JSON)

Úplnou referenci API najdete v Dokumentace Cloudflare API.

Obsah

0 stránek zrcadlených z dokumentace Cloudflare pro docs-for-agents.