该工具面向的是记者、研究人员和网络运营商,他们需要快速了解互联网流量、网络中断或网络质量的情况,但不想花时间学习 Radar 现有的复杂仪表盘和数据集。Cloudflare 产品负责人 Lai Yi Ohlsen 表示,Radar Researcher 的初衷就是让 Radar 公开的互联网测量数据更容易被查询。
Radar Researcher 完全跑在 Cloudflare 自己的开发者平台上,是公司“吃自己的狗粮”的一个绝佳展示。系统各部分是这样配合的:
所有信息都通过 Radar 的 API 返回,确保底层大语言模型依赖的是真实、可验证的数据,而不是凭空生成内容。
Radar Researcher 是在 Cloudflare 的 “代理周”(Agents Week) 期间发布的,这是公司内部一个聚焦于基于 Cloudflare 开发者平台构建的 AI 代理的全员活动。该工具用到了 Workers、Durable Objects、Workers AI、AI Gateway、R2 存储以及 Cloudflare 的数据层——这恰恰展示了任何开发者用来构建自己 AI 代理的同一套工具。
同一天,Cloudflare 还在 Radar 上启用了 WebMCP 支持。WebMCP 是一个新兴的 Web 标准,它允许浏览器中的 AI 代理直接发现并调用页面上的工具,而不是去抓取 HTML。这使得 Radar 成为“代理就绪”的——它已经通过了自身的代理就绪性检查——也标志着 Cloudflare 正在推动其属性同时面向人类用户和自主 AI 代理开放。
Radar Researcher 极大降低了获取全球互联网测量数据的门槛。以前,要从 Cloudflare Radar 中提取洞察,需要折腾复杂的可视化界面、理解API端点,或者手动筛选数据集。现在,一个报道区域性断网的记者,或者一个调查流量异常的网络运营人员,只需问一个问题,就能得到带图表支撑的答案。
该工具保留了底层图表、数据集和查询轨迹的访问权限,所以用户仍然可以核实并深入挖掘这些发现。它的结论范围受限于 Cloudflare 网络及其相关数据源能够观测到的内容。