Cloudflare AI Search：为智能体打造数据搜索引擎，简化开发并预览定价

今天，我们很高兴宣布 Cloudflare AI Search 的几项开发者体验改进，让搜索方案开箱即用、易于管理。以前，你需要把 Cloudflare 的各个基础组件（Workers AI、AI Gateway、Vectorize、R2、Browser Run）拼接起来，现在 AI Search 可以自动完成这些工作，而且做得更好。我们的目标是给你的智能体配上它们自己的搜索引擎，让它们能轻松找到数据，从而为自己和它们服务的人提供更好的答案。

我们还为 AI Search 的客户提前预览了定价，方便你了解它如何随规模扩展。我们设计的定价模型可预测、可扩展：使用默认模型时，嵌入（embedding）和重排序（reranking）都是免费的，因此无需操心预估 token 数量。

现在，在 AI Search 中，用户可以：

• 为你的智能体索引一组数据：让结构化和非结构化数据都能方便地供智能体使用，范围从单个文件到你拥有的网站。（目前它必须是你 Cloudflare 账户下的一个 zone，不过更多的所有权验证方式即将推出。）
• 网站无需再提供 sitemap：以前，AI Search 要求网站必须有 sitemap 才能使用网站集成。现在你可以选择“Discover”解析选项，把没有 sitemap 的网站添加为数据源。
• 获得一个可跨命名空间搜索的统一公开端点：在命名空间上启用公开 URL 后，你会得到 /search 和 /mcp 端点，可以无需认证地同时搜索多个实例或网站，方便你轻松分享给客户。
• 在公开端点上使用你自己的自定义域名：你现在可以在公开 URL 之上添加自己的域名，从而为你的 /search 和 /mcp 端点打上自己的品牌（例如 search.example.com/mcp）。你也可以加上 Cloudflare Access，创建私有的搜索实例。
• 通过 AI Search 插件，为基于 EmDash 构建的站点添加语义搜索：如果你的站点运行在我们的开源 CMS EmDash 上，AI Search 插件可以为你的内容增加语义搜索。
• 预览 AI Search 的新定价模型：我们希望定价可预测并能随你一同扩展，因此把嵌入和重排序的成本包含在内：使用 Workers AI 目录中的特定模型时，它们是免费的。

最后，我们还会分享 AI Search 在我们自家平台上的使用示例，包括 Cloudflare.com、我们的开发者文档、EmDash、Cloudflare Dev Stack MCP，甚至你正在阅读的这篇博客文章（试试 cmd+K）。

AI Search 实战：驱动全新的 Cloudflare Dev Stack MCP

我们使用 AI Search 的方式之一，是在全新的 Cloudflare Dev Stack MCP 中，你现在就可以在我们的 AI Playground 里试用。它为编码智能体提供来自整个 Cloudflare 开发者生态系统的最新、带引用的文档，让它们基于最新的功能和修复来构建，而不是依赖过时的训练数据。

下面是我们用 AI Search 现有功能构建它的过程：

1. 为每个来源建立索引

我们为每个 Cloudflare 自有的来源各创建了一个 AI Search 实例：Docs、Blog、API Docs、Community、Astro、Vite、Vitest、Hono、Replicate、OpenNext。（它们都归 Cloudflare 所有。）

它们涵盖不同的领域，但由于网站数据归 Cloudflare 所有，AI Search 可以把它们视为同一组数据，并以相同的方式全部摄取。只要把 AI Search 指向一个或一组站点，它就会处理爬取、摄取、嵌入和检索。创建实例只需一条命令；对于没有 sitemap 的站点，加上 --parse-type discover，就能通过跟踪链接来发现页面（由 Browser Run 的 /crawl 提供支持）：

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

2. 把多个实例合并成一个搜索

接下来是有趣的部分：用一次查询在全部 10 个实例中得出答案。有两种方式。

方案 A：在 Worker 中实现（我们为 Cloudflare Stack MCP 采用的做法）

我们把命名空间绑定到一个 Worker 上，创建了一个远程 MCP 服务器，并对全部 10 个实例发起一次多实例调用。我们选择这条路径，是因为我们正在把技术栈搜索加入 Cloudflare 的 MCP 服务器，使其作为一个工具，与智能体已经连接的 Cloudflare 工具一起提供。

绑定配置，位于 wrangler.jsonc:

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

然后，一个工具只需一次调用，就会分发到你指定的各个实例：

// 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) }] }
  }
)

方案 B：开启公开端点（无需代码）

如果你根本不想写 Worker，就在命名空间上启用公开 URL。你会立刻得到 /search 和 /mcp 端点，可以查询每一个实例，无需认证，也无需部署任何东西。

如果你像我们一样，要把搜索集成进已有的应用或 MCP 服务器，就选 Worker。如果只想一键获得一个可分享的搜索端点，就选公开端点。

3. 加上品牌并锁定访问

公开端点自带一个默认的公开 URL，但你可以在其上使用自己的自定义域名，为端点打上品牌（例如 search.example.com/mcp）。

如果搜索应当是私有的，就在该域名前加上 Cloudflare Access。这样端点就需要登录，只有获得授权的人（或智能体）才能查询。

亲自试试：使用 Dev Stack MCP

借助 Cloudflare Dev Stack MCP 服务器，你可以询问任何工具，或描述你想构建的应用，然后得到关于如何在 Cloudflare 技术栈上以最佳方式构建它的最新、带引用的回答。

AI Playground 值得一试，但真正的妙处在于把 MCP 接入你的编码智能体，让技术栈的最新文档只需一次工具调用即可获得。这取代了通常的退路（网页搜索，再抓取整页内容），后者既慢、又耗 token，还常常落到错误或过时的来源上。要在你选用的智能体中使用，只需把 Dev Stack MCP 的 URL 填入你的 MCP 配置。例如：

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

驱动我们的博客、开发者文档和 Cloudflare.com 的搜索

我们使用 AI Search 的方式，与客户使用它的方式相同：Cloudflare 博客的搜索早已运行在它之上，今天开发者文档和 Cloudflare.com 也加入了进来。所有这些都使用混合搜索，在一次查询中同时进行语义和关键词搜索，因此既能处理开放式的“这是做什么的”之类的问题，也能精确查找名称或关键词。我们最近用我们新的开源 CMS EmDash 重建了博客，而我们新的

EmDash AI Search 集成正是现在驱动该搜索的组件。你也可以把它添加到自己的 EmDash 站点，开箱即得对你的内容的同样搜索。

AI Search 遵守所有机器人政策

AI Search 在后台由 Browser Run /crawl 提供支持，但更进一步，它以自己专属的机器人身份来表明自己：Cloudflare-AI-Search。与 Browser Run 一样，它遵循 robots.txt，使用不可更改的公开 user agent 表明身份，并会遵守站点设置的任何机器人管控措施。

预览定价：可预测的定价

AI Search 在测试期间目前免费，尚未启用计费；在开始计费之前，我们会提前很久给你发送邮件通知。在我们迈向正式发布（GA）的过程中，以下是摄取、存储和查询，以及嵌入和重排序的定价预览（预览价格在开始计费前可能会有变动）：

† 每月共用一个 5M 摄取 token 的额度池，涵盖当前支持的任何文件类型（例如文本、图像）。‡ 每月共用一个 2,000 次查询的额度池，两种查询类型共享。

我们的目标是提供你能预测的定价，首先从你的搜索所依赖的模型做起。嵌入把你的文本转换成搜索用来匹配的向量，重排序则对结果重新排序，让最相关的排在前面。使用 AI Search 默认设置或 Workers AI 目录中的特定模型时，两者都是免费的，因此索引和每次搜索背后的模型不是你需要操心的成本。答案生成和查询改写是可选步骤，运行在你选择的模型上，按 Workers AI 用量计费，你也可以对任意模型/提供商使用 AI Gateway 额度。

预览定价下的账单示例

下面是 Workers Paid 套餐下的一份月度账单示例：为一个包含 20,000 份文档（约 2000 万 token 的文本）外加 1,000 张图像（假设每张约 1,000 token）的数据源创建一个新的 AI Search 实例，每月 30,000 次语义查询，使用默认的 AI Search 嵌入和重排序模型。摄取时按约 10% 的重叠进行分块，下面表现为 × 1.1：

图像计入基础摄取，同时还会产生图像附加项费用。存储按每份文档约 10 KB、每张图像 1 MB 估算。索引主要是一次性成本，因此之后的月份主要是查询费用，接近 $21。

立即开始

AI Search 现已可以启用和使用。把它指向你的站点，开启同时支持语义和关键词匹配的混合搜索，你就有了一个属于自己数据的搜索引擎，随时供你的智能体使用。一条命令即可创建：

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

之后，你可以查询它，通过 /mcp 把它接入智能体，或者在公开的 /search 端点上设置自定义域名，与你的用户分享。更多信息请查阅 AI Search 文档。