Verktøyet er rettet mot journalister, forskere og nettverksoperatører som trenger raske svar om internettrafikk, avbrudd og nettverkskvalitet uten å måtte sette seg inn i Radars eksisterende dashbord og datasett . Ifølge Cloudflares produktleder Lai Yi Ohlsen er Radar Researcher designet for å gjøre Radars offentlige internettmålinger enklere å spørre om .

Slik fungerer det under panseret

Radar Researcher er bygget utelukkende på Cloudflares egen utviklerplattform, noe som gjør det til en "dogfooding"-demonstrasjon av selskapets teknologistabel. Slik fungerer hver del av systemet:

• øktstyring: En Cloudflare Worker som kjører Cloudflare Agents SDK, håndterer hver samtale. Hver økt er et statefullt Durable Object med sin egen SQLite-database, som bevarer chattehistorikk og streamer svar selv om brukeren forlater siden .
• AI-modell: Kjerneforklaringen drives av Workers AI som kjører åpne modeller som Kimi K2.7. Modellen oversetter en naturlig språk-spørring til en dataundersøkelse: den slår opp relevante Radar-datasett, genererer interaktive diagrammer (linjediagrammer, kart, histogrammer osv.) og gir en forklaring på vanlig språk av funnene .
• Sideoppgaver: Mindre, raskere modeller håndterer perifere oppgaver som å skrive samtaleoverskrifter og foreslå oppfølgingsspørsmål, slik at de ikke bremser hovedsvaret .
• Kontekstbevissthet: Verktøyet mottar gjeldende dato og klokkeslett, samt grunnleggende tilkoblingskontekst (IP-lokasjon, nettverk), slik at det kan skreddersy lokasjonsspesifikke svar .

All informasjon leveres via Radars API, noe som sikrer at den underliggende LLM-en stoler på ekte, verifiserbare data i stedet for genererte spekulative resultater .

Bredere kontekst: Agents Week og WebMCP

Radar Researcher ble lansert under Cloudflares Agents Week, en selskapssomfattende uke som setter søkelyset på AI-agenter bygget på Cloudflares utviklerplattform . Hele verktøyet kjører på Workers, Durable Objects, Workers AI, AI Gateway, R2-lagring og Cloudflares datalag – og demonstrerer de samme verktøyene enhver utvikler kan bruke for å bygge sin egen AI-agent .

Samme dag aktiverte Cloudflare også WebMCP-støtte på Radar. WebMCP er en ny nettstandard som lar nettleserbaserte AI-agenter oppdage og kalle en sides verktøy direkte, i stedet for å skrape HTML. Dette gjør Radar agent-klar – det består nå sin egen agent-klarhetsjekk – og signaliserer Cloudflares satsing på å gjøre sine egenskaper tilgjengelige for både mennesker og autonome AI-agenter .

Hva dette betyr for datatilgang

Radar Researcher senker terskelen til et av de største offentlige depotene av internettmålingsdata. Tidligere krevde det å hente ut innsikt fra Cloudflare Radar å navigere i komplekse visualiseringer, forstå API-endepunkter eller manuelt filtrere datasett. Nå kan en journalist som dekker et regionalt avbrudd, eller en nettverksoperatør som undersøker trafikkavvik, ganske enkelt stille et spørsmål og få et svar med støttende diagrammer .

Verktøyet bevarer tilgangen til de underliggende diagrammene, datasettene og spørringssporene, slik at brukere fortsatt kan verifisere og grave dypere i funnene . Konklusjonene er fortsatt begrenset av hva Cloudflares nettverk og relaterte datakilder kan observere .

Verktøyet er rettet mot journalister, forskere og nettverksoperatører som trenger raske svar om internettrafikk, avbrudd og nettverkskvalitet uten å måtte sette seg inn i Radars eksisterende dashbord og datasett . Ifølge Cloudflares produktleder Lai Yi Ohlsen er Radar Researcher designet for å gjøre Radars offentlige internettmålinger enklere å spørre om .

Slik fungerer det under panseret

Radar Researcher er bygget utelukkende på Cloudflares egen utviklerplattform, noe som gjør det til en "dogfooding"-demonstrasjon av selskapets teknologistabel. Slik fungerer hver del av systemet:

• øktstyring: En Cloudflare Worker som kjører Cloudflare Agents SDK, håndterer hver samtale. Hver økt er et statefullt Durable Object med sin egen SQLite-database, som bevarer chattehistorikk og streamer svar selv om brukeren forlater siden .
• AI-modell: Kjerneforklaringen drives av Workers AI som kjører åpne modeller som Kimi K2.7. Modellen oversetter en naturlig språk-spørring til en dataundersøkelse: den slår opp relevante Radar-datasett, genererer interaktive diagrammer (linjediagrammer, kart, histogrammer osv.) og gir en forklaring på vanlig språk av funnene .
• Sideoppgaver: Mindre, raskere modeller håndterer perifere oppgaver som å skrive samtaleoverskrifter og foreslå oppfølgingsspørsmål, slik at de ikke bremser hovedsvaret .
• Kontekstbevissthet: Verktøyet mottar gjeldende dato og klokkeslett, samt grunnleggende tilkoblingskontekst (IP-lokasjon, nettverk), slik at det kan skreddersy lokasjonsspesifikke svar .

All informasjon leveres via Radars API, noe som sikrer at den underliggende LLM-en stoler på ekte, verifiserbare data i stedet for genererte spekulative resultater .

Bredere kontekst: Agents Week og WebMCP

Radar Researcher ble lansert under Cloudflares Agents Week, en selskapssomfattende uke som setter søkelyset på AI-agenter bygget på Cloudflares utviklerplattform . Hele verktøyet kjører på Workers, Durable Objects, Workers AI, AI Gateway, R2-lagring og Cloudflares datalag – og demonstrerer de samme verktøyene enhver utvikler kan bruke for å bygge sin egen AI-agent .

Samme dag aktiverte Cloudflare også WebMCP-støtte på Radar. WebMCP er en ny nettstandard som lar nettleserbaserte AI-agenter oppdage og kalle en sides verktøy direkte, i stedet for å skrape HTML. Dette gjør Radar agent-klar – det består nå sin egen agent-klarhetsjekk – og signaliserer Cloudflares satsing på å gjøre sine egenskaper tilgjengelige for både mennesker og autonome AI-agenter .

Hva dette betyr for datatilgang

Radar Researcher senker terskelen til et av de største offentlige depotene av internettmålingsdata. Tidligere krevde det å hente ut innsikt fra Cloudflare Radar å navigere i komplekse visualiseringer, forstå API-endepunkter eller manuelt filtrere datasett. Nå kan en journalist som dekker et regionalt avbrudd, eller en nettverksoperatør som undersøker trafikkavvik, ganske enkelt stille et spørsmål og få et svar med støttende diagrammer .

Verktøyet bevarer tilgangen til de underliggende diagrammene, datasettene og spørringssporene, slik at brukere fortsatt kan verifisere og grave dypere i funnene . Konklusjonene er fortsatt begrenset av hva Cloudflares nettverk og relaterte datakilder kan observere .