Cloudflare Dynamic Worker Loader: Sandboxing von KI-Agenten mit Isolates

Was der Dynamic Worker Loader tut
Der Dynamic Worker Loader ist eine API, die es einem Cloudflare Worker ermöglicht, einen neuen Worker mit zur Laufzeit spezifiziertem Code zu erstellen, der in seiner eigenen sicheren Sandbox läuft. Dies adressiert das Sicherheitsbedürfnis, KI-generierten Code auszuführen, ohne Ihre Anwendung Sicherheitslücken auszusetzen.
Technische Implementierung
Die Funktion verwendet Isolate – Instanzen der V8-JavaScript-Ausführungsmaschine – als zugrundeliegenden Sandbox-Mechanismus. Isolate starten in wenigen Millisekunden und verwenden einige Megabyte Speicher, was sie etwa 100-mal schneller und 10- bis 100-mal speichereffizienter macht als typische Linux-Container.
Hier ist das grundlegende Codemuster aus der Quelle:
// Lassen Sie Ihre LLM Code wie diesen generieren.
let agentCode: string = `
export default {
async myAgent(param, env, ctx) {
// ...
}
}
`;
// Laden Sie einen Worker, um den Code auszuführen
let worker = env.LOADER.load({
compatibilityDate: "2026-03-01",
mainModule: "agent.js",
modules: {
"agent.js": agentCode
},
env: {
CHAT_ROOM: chatRoomRpcStub
},
globalOutbound: null,
});
// Rufen Sie RPC-Methoden auf, die vom Agentencode exportiert werden
await worker.getEntrypoint().myAgent(param);
Wichtige Fähigkeiten
- Keine globalen Nebenläufigkeitsgrenzen: Im Gegensatz zu containerbasierten Lösungen gibt es keine Grenzen für gleichzeitige Sandboxen oder Erstellungsraten
- Null Latenz: Dynamische Worker laufen typischerweise auf derselben Maschine und im selben Thread wie der erstellende Worker
- Globale Bereitstellung: Unterstützt in allen Hunderten von Cloudflare-Standorten weltweit
- Sicherheitskontrollen: Kann Internetzugriff blockieren (globalOutbound: null) oder abfangen
- RPC-basierter API-Zugriff: Agenten können über RPC-Stubs, die im env-Parameter definiert sind, auf bestimmte APIs zugreifen
Kontext und Einschränkungen
Dieser Ansatz baut auf Cloudflares Code-Mode-Konzept auf, bei dem Agenten Code schreiben, anstatt Tool-Aufrufe zu tätigen. Die Hauptbeschränkung im Vergleich zu Containern ist, dass Agenten JavaScript schreiben müssen (obwohl Worker technisch Python und WebAssembly unterstützen). Für kleine, von KI-Agenten generierte Codeschnipsel lädt und läuft JavaScript schneller.
📖 Lesen Sie die vollständige Quelle: HN AI Agents
👀 Siehe auch

Oodle.ai startet Agent Observability zu 10 $/Million Traces
Oodle.ai bietet Agenten-Tracing für 10 $ pro Million Spans mit subsekündlicher P99-Abfragelatenz und speichert 100 % der Traces ohne Sampling in einem S3-basierten Spaltenspeicher.

Lokale semantische Suche für KI-Gespräche mit fastembed und LanceDB
Ein Entwickler hat 368K KI-Konversationsnachrichten lokal mit fastembed für CPU-basierte Embeddings und LanceDB als serverlosen Vektorspeicher indiziert und dabei eine p50-Suchlatenz von 12ms ohne API-Schlüssel erreicht.

Google Surf MCP: Kostenlose Google-Suche MCP mit PDF-Verarbeitung und abgestufter Extraktion
Google Surf MCP ist ein kostenloser MCP-Server für Google-Suche und URL-Extraktion, der PDFs verarbeitet und einen abgestuften Extraktionsmodus (Abstract/Volltext) bietet, um Tokens zu sparen.

Mengram AI: Automatisches Speicher-Tool für Claude-Code-Sitzungen
Mengram AI erhält automatisch den Kontext zwischen Claude Code-Sitzungen aufrecht, indem es kognitive Profile lädt, relevante vergangene Kontexte in Prompts einfügt und neues Wissen speichert. Es speichert semantisches, episodisches und prozedurales Gedächtnis, das sich basierend auf Fehlern weiterentwickelt.