Cloudflare Kitesurf: เบราว์เซอร์ Agent-First ที่ทั้งเบาและเร็วกว่า Chromium ถึง 7 เท่า สำหรับการทำงานของ AI Agent

Kitesurf คืออะไร?

Kitesurf คือ เอ็นจิ้นเบราว์เซอร์แบบ headless ที่ไร้สถานะ ซึ่งออกแบบมาเพื่อ AI Agent โดยเฉพาะ มันไม่สามารถแสดงแท็บ เรนเดอร์ภาพเคลื่อนไหวแบบละเอียด หรือรันส่วนขยายได้ สิ่งที่มันทำได้คือเปิดหน้าเว็บ สร้างภาพหน้าจอ ดึงเนื้อหา HTML หรือ DOM โดยใช้ CPU และหน่วยความจำเพียงเศษเสี้ยวของที่ Chromium แบบ headless ต้องการ Cloudflare ประกาศเปิดตัวในช่วง Agents Week โดยวางกรอบโครงการนี้ให้เป็นโครงสร้างพื้นฐานสำหรับ "Agentic Cloud"

สถาปัตยกรรม: Rust, WebAssembly และ V8 Isolates

คอมมิตแรกเกิดขึ้นในเดือนพฤษภาคม 2026 และรุ่นเบตาสำหรับการผลิตถูกปล่อยออกมาหลังจากนั้นประมาณ 12 สัปดาห์ เอ็นจิ้นเขียนด้วยภาษา Rust คอมไพล์เป็น WebAssembly และประกอบขึ้นจากคอมโพเนนต์ Rust โอเพนซอร์สที่มีอยู่ :

• Blitz — เอ็นจิ้นการเรนเดอร์ DOM แบบโมดูลาร์
• Stylo — เอ็นจิ้น CSS ของ Mozilla/Firefox ที่พอร์ตไปยัง Rust
• Parley — เอ็นจิ้นการจัดวางข้อความ
• Boa JS — เอ็นจิ้น ECMAScript ใน Rust สำหรับการทำงาน JavaScript

เบราว์เซอร์ทั้งหมดทำงานภายใน V8 Isolates บน Cloudflare Workers ไม่ใช่เป็นกระบวนการ Chrome แยกต่างหาก แต่ละหน้าหรือ iframe แบบ out-of-process จะได้รับ isolate ของตัวเองที่มี global scope สะอาด ให้การแยกที่ป้องกันการปนเปื้อนข้ามหน้าและการโจมตีแบบ prompt injection Kitesurf ประกอบด้วย Worker เฉพาะทางสามหรือสี่ตัวที่สื่อสารกันผ่าน JavaScript Native RPC และ Dynamic Workers :

• Engine — Worker ที่เผชิญหน้ากับสาธารณะเพียงตัวเดียว รองรับ Chrome DevTools Protocol (CDP) ผ่าน WebSocket และ HTTP REST จัดเก็บสถานะเซสชัน และประสานงานคอมโพเนนต์อื่นๆ
• PageScript — isolate ต่อหน้าที่จัดการการสร้าง DOM การทำงาน JavaScript และการดึงข้อมูลเครือข่าย ใช้ Blitz และ Stylo
• PageRenderer — แปลงหน้าที่เรนเดอร์แล้วเป็นรูปภาพเมื่อมีการร้องขอภาพหน้าจอ
• Sandboxed outbound Worker — ควบคุมการดึงข้อมูลเครือข่ายเพื่อลดพื้นผิวการโจมตี

ฟีเจอร์ที่ถูกตัดออกไป?

เนื่องจากผู้ใช้ปลายทางคือ AI Agent Cloudflare จึงลบทุกอย่างที่เบราว์เซอร์สำหรับมนุษย์ต้องการ :

• ไม่มีแท็บ, การจัดการแท็บ หรือส่วนต่อประสานหน้าต่าง
• ไม่มีส่วนขยาย, ธีม หรือ UI ของเบราว์เซอร์
• ไม่มีแถบที่อยู่, บุ๊กมาร์ก, ประวัติ หรือตัวจัดการการดาวน์โหลด
• ไม่มีการเลื่อนแบบราบรื่นหรือภาพเคลื่อนไหว
• ไม่มีการเรนเดอร์บนหน้าจอที่สมบูรณ์แบบ — Kitesurf เรนเดอร์เพื่อ Agent ไม่ใช่เพื่อดวงตาของมนุษย์
• ไม่มีไปป์ไลน์เสียงหรือวิดีโอ
• ไม่มีเลเยอร์การประกอบ GPU สำหรับ WebGL

ผลลัพธ์ที่ได้คือเอ็นจิ้นที่คล่องตัวซึ่งมุ่งเน้นไปที่การสร้างเอาต์พุตที่มีโครงสร้างที่เครื่องอ่านได้: สตริง HTML, ต้นไม้ DOM หรือภาพหน้าจอ

การวัดประสิทธิภาพ: CPU และหน่วยความจำน้อยลง 3–7 เท่า

Cloudflare เผยแพร่ผลลัพธ์ค่ามัธยฐานจากการรัน "Quick Action" ห้าครั้งบนคลังข้อมูล 14 URL โดยเปรียบเทียบ Kitesurf กับ Chromium ใน warm pool ตารางอย่างเป็นทางการซึ่งคัดลอกจากเอกสารของ Cloudflare แสดงให้เห็นถึงข้อได้เปรียบด้านทรัพยากรที่ชัดเจน:

ข้อแลกเปลี่ยน: Chromium ยังคงเร็วกว่าในแง่ของเวลาจริง (wall-clock time) ประมาณ 1.7–1.8 เท่า สาเหตุหลักมาจากเอ็นจิ้น JavaScript ที่คอมไพล์แบบ JIT ของ V8 ที่มีประสิทธิภาพเหนือกว่าไปป์ไลน์ Rust/Wasm ของ Kitesurf สำหรับเวลาแฝงต่องาน สำหรับงานภาพหน้าจอ เวลาจริงของ Kitesurf คือ 1,148 ms เทียบกับ 637 ms ของ Chromium และสำหรับการแยก HTML คือ 785 ms เทียบกับ 443 ms

การประมาณการต้นทุนของ Cloudflare ระบุว่าการโหลดหน้าเว็บด้วย Kitesurf หนึ่งครั้งมีต้นทุนประมาณ $0.00089 ที่ขนาดใหญ่ เมื่อเทียบกับ $0.0031 สำหรับเซสชัน Chromium ใน warm pool ซึ่งเป็นการลดต้นทุนถึง 3.5 เท่า

วิธีสลับมาใช้: แค่เพิ่ม Query Parameter เดียว

ไคลเอนต์ Puppeteer, Playwright, chrome-remote-interface และ MCP/CDP ที่มีอยู่สามารถเลือกใช้ Kitesurf ได้โดยการเพิ่มพารามิเตอร์ query เดียวใน endpoint ของ Browser Run :

browser=kitesurf

ตัวอย่างเช่น บน CDP หรือ Quick Action endpoint ของ Browser Run โค้ดที่มีอยู่ยังคงทำงานได้โดยไม่เปลี่ยนแปลง มีเพียงเอ็นจิ้นการเรนเดอร์ที่อยู่เบื้องหลังเท่านั้นที่เปลี่ยนไป Kitesurf ผ่านการทดสอบ Web Platform Tests มากกว่า 215,000 รายการ โดยครอบคลุม DOM ประมาณ 97% และ HTML subtest 96% ดังนั้นสคริปต์อัตโนมัติที่มีอยู่จึงแทบจะไม่เสียหาย

Kitesurf ให้ใช้ฟรีในรุ่นเบตา โดยมีขีดจำกัดต่อบัญชี และยังสามารถทดลองใช้งานผ่าน playground สาธารณะที่ kitesurf.cloudflare.app

ข้อจำกัดในปัจจุบัน

เอกสารของ Cloudflare ระบุอย่างชัดเจนถึงสิ่งที่ Kitesurf ยังไม่สามารถทำได้ :

• การเล่นวิดีโอ — ไม่มีไปป์ไลน์สื่อ
• การเรนเดอร์ WebGL — ไม่มีเลเยอร์การประกอบ GPU
• Bot challenge ที่ตรวจสอบลายนิ้วมือ TLS — Kitesurf ไม่มีสแต็ก TLS ของเบราว์เซอร์จริง ดังนั้นบริการป้องกันบอทบางอย่างจะบล็อกมัน
• เซสชันล็อกอินแบบถาวร — เอ็นจิ้นไม่มีสถานะโดยการออกแบบ ไม่รองรับเซสชันล็อกอินระยะยาว

Kitesurf ได้รับการปรับให้เหมาะสมสำหรับสิ่งที่ Cloudflare เรียกว่า "เซสชันที่เกิดขึ้นแล้วจบลงเป็นพักๆ" (bursty, disposable sessions): ขูดข้อมูล, แยกเนื้อหา, จับภาพหน้าจอ, แล้วไปต่อ สำหรับหน้าเว็บที่ซับซ้อนซึ่งต้องมีการเลียนแบบมนุษย์ การเล่นวิดีโอ หรือขั้นตอนการชำระเงินที่ยาวนาน Cloudflare แนะนำให้กลับไปใช้เอ็นจิ้น Chromium เริ่มต้นบน Browser Run (เพียงละเว้นพารามิเตอร์ browser=kitesurf)

แผนการเปิดเป็นโอเพนซอร์ส

Kitesurf ยังไม่เป็นโอเพนซอร์ส แต่ Cloudflare ระบุว่าเอ็นจิ้น จะถูกเปิดเป็นโอเพนซอร์ส ในอนาคต เนื่องจากทีมงานประกอบมันขึ้นมาจากคอมโพเนนต์ Rust โอเพนซอร์สที่มีอยู่ (Blitz, Stylo, Parley, Boa) เอ็นจิ้นจึงคาดว่าจะเป็นไปตามเส้นทางเดียวกัน แต่ยังไม่มีการประกาศไทม์ไลน์ที่เฉพาะเจาะจง

ความสัมพันธ์กับโครงสร้างพื้นฐาน Agent ที่กว้างขึ้นของ Cloudflare

Kitesurf เป็นหนึ่งในองค์ประกอบของการผลักดันผลิตภัณฑ์ในช่วง Agents Week ที่ใหญ่กว่าของ Cloudflare :

• กระเป๋าเงิน stablecoin ที่ตั้งโปรแกรมได้สำหรับ AI Agent — โครงสร้างพื้นฐานที่ช่วยให้ Agent ถือและทำธุรกรรมกับ stablecoin ได้โดยอัตโนมัติ (เช่น กระเป๋าเงินบนเชน USDC ที่จัดการผ่าน Workers) ทำให้ Agent สามารถจ่ายค่า API บริการ หรือไมโครทรานส์แอคชันได้ด้วยตนเอง
• WebMCP — โปรโตคอลสำหรับเปิดเผยเครื่องมือและความสามารถของเว็บไซต์ให้กับ AI Agent ที่ใช้เบราว์เซอร์ ทำให้ Agent สามารถค้นพบและเรียกใช้การกระทำเฉพาะของไซต์ (เช่น "ค้นหาสินค้า" หรือ "ส่งแบบฟอร์ม") ผ่านอินเทอร์เฟซที่มีโครงสร้าง ซึ่งคล้ายกับ Model Context Protocol แต่ปรับให้เหมาะกับเวิร์กโฟลว์ที่ขับเคลื่อนด้วยเบราว์เซอร์

ด้วยกันแล้ว Kitesurf มอบรันไทม์ของเบราว์เซอร์ WebMCP มอบเลเยอร์การค้นพบเครื่องมือ และกระเป๋าเงิน stablecoin ช่วยให้ Agent มีตัวตนทางเศรษฐกิจ — นี่คือวิสัยทัศน์ของ Cloudflare สำหรับสแตกโครงสร้างพื้นฐาน Agent ที่สมบูรณ์ซึ่งทำงานบน Workers

คำแนะนำสำหรับการใช้งาน

คำแนะนำของ Cloudflare ชัดเจน: ใช้ Kitesurf สำหรับงาน Agent ที่ไม่ต้องรักษาสถานะและมีปริมาณมาก เช่น การจับภาพหน้าจอ การแยก HTML และการตรวจสอบ DOM ซึ่งประสิทธิภาพของทรัพยากรมีความสำคัญมากที่สุด เปลี่ยนกลับไปใช้ Chromium (เอ็นจิ้นเริ่มต้นของ Browser Run) เมื่อใดก็ตามที่คุณต้องการวิดีโอ, WebGL, เซสชันล็อกอินแบบถาวร หรือเพื่อผ่านการตรวจสอบ bot detection ที่ตรวจสอบลายนิ้วมือ TLS จริง เอ็นจิ้นทั้งสองใช้อินเทอร์เฟซ CDP เดียวกัน ดังนั้นการสลับระหว่างทั้งสองจึงเป็นเพียงการเปลี่ยนแปลงพารามิเตอร์ ไม่ใช่การเขียนโค้ดใหม่