89 operazioni su 18 servizi Cloudflare, accessibili da un agente conversazionale. Nessuna dashboard, nessun CLI: solo una conversazione.
Il problema
Gestire un'infrastruttura cloud moderna richiede di muoversi continuamente tra dashboard, terminali e documentazione. Creare un Worker, collegarlo a un database, configurare storage e cron job significa passare attraverso decine di schermate diverse, ognuna con la propria interfaccia.
Abbiamo voluto provare un approccio diverso: cosa succede se un agente AI può fare tutto questo al posto tuo, partendo da una richiesta in linguaggio naturale?
La soluzione: Cloudflare MCP Server integrato in AIsuru
Abbiamo integrato il Cloudflare MCP Server ufficiale nella piattaforma AIsuru, attraverso il protocollo MCP (Model Context Protocol) — lo standard aperto per la comunicazione tra assistenti AI e sistemi esterni.
Il risultato è un agente conversazionale che può operare direttamente sull'infrastruttura Cloudflare: creare Workers, gestire database, storage, code di messaggi, eseguire inferenze AI sull'edge e molto altro.
Configurazione
Collegare Cloudflare a un agente AIsuru richiede due soli parametri: l'API Token e l'Account ID del proprio account Cloudflare. L'interfaccia di configurazione rende il processo immediato.
Cosa può fare l'agente
Una volta configurato, l'agente ha accesso a 89 tool organizzati in 18 categorie di servizi Cloudflare:
| Categoria | Operazioni | Esempi |
|---|---|---|
| Workers | Creare, deployare, eliminare script serverless sull'edge | API gateway, microservizi, webhook handler |
| D1 Database | Creare database SQL, eseguire query, gestire schema | CRM, analytics, catalogo prodotti |
| R2 Storage | Gestire bucket e oggetti (compatibile S3) | Backup, file upload, asset statici |
| KV Store | Key-value distribuito globale con TTL | Configurazioni, cache, feature flag |
| Workers AI | Inferenze su Llama, Mistral, Stable Diffusion, embeddings | Generazione testo, immagini, analisi semantica |
| Queues | Messaggistica asincrona con dead letter queue | Notifiche, pipeline dati, event-driven |
| Durable Objects | Stato distribuito persistente con allarmi | Sessioni, contatori, coordinamento real-time |
| Workflows | Orchestrazione di flussi multi-step | Pipeline di elaborazione, automazioni |
| Altro | Cron, Secrets, Routing, Bindings, Versioning, Zones, Templates, Analytics | Schedulazione, credenziali, rollback, domini |
Esempio 1: creare un database in una frase
Alla richiesta "Crea un database D1 chiamato test-aisuru, crea una tabella utenti con nome ed email, e inserisci 3 utenti di esempio", l'agente esegue autonomamente una sequenza di operazioni: crea il database, definisce lo schema SQL, inserisce i record e verifica il risultato con una SELECT.
Il risultato include l'ID del database, la regione di deployment, lo schema della tabella creata, i dati inseriti e la conferma della query di verifica. Tutto in pochi secondi.
Esempio 2: deployare un Worker sull'edge globale
Con la richiesta "Crea un Worker chiamato hello-world che risponde con un JSON { message: 'Hello from AIsuru!' } a tutte le richieste", l'agente scrive il codice JavaScript completo (inclusi CORS headers), lo deploya sulla rete edge globale di Cloudflare e restituisce l'URL pubblico del servizio.
Il Worker è immediatamente attivo e raggiungibile. Da qui si possono aggiungere route su domini custom, secret per le credenziali, cron trigger per esecuzioni schedulate e bindings verso KV, R2 o D1 — tutto nella stessa conversazione.
Come funziona sotto il cofano
L'architettura si basa su tre componenti:
- AIsuru Agent — l'agente conversazionale che riceve le richieste dell'utente e decide quali operazioni eseguire
- MCP Gateway — il nostro middleware che orchestra la comunicazione tra gli agenti e i server MCP esterni, gestendo autenticazione, parametri e protocollo JSON-RPC
- Cloudflare MCP Server — il pacchetto ufficiale (
@cloudflare/mcp-server-cloudflare) che traduce le chiamate MCP in richieste verso le API Cloudflare
L'agente non ha bisogno di conoscere le API Cloudflare: il protocollo MCP gli espone i tool disponibili con i relativi parametri, e l'agente decide autonomamente quali usare e in che ordine, in base alla richiesta dell'utente.
Scenari d'uso concreti
Alcuni esempi di cosa si può realizzare combinando i tool disponibili:
- DevOps conversazionale — "Deploya il microservizio, configura il routing sul dominio, aggiungi le credenziali come secret e imposta un healthcheck ogni 5 minuti"
- Database admin — "Crea il database per il progetto X, definisci lo schema, inserisci i dati iniziali e fammi un report con una query aggregata"
- Pipeline AI sull'edge — "Prendi il testo dal KV, passalo a Llama per il riassunto e salva il risultato in D1"
- Gestione storage — "Crea un bucket di backup, caricaci i file di configurazione e listami tutto quello che c'è nella cartella reports/"
- Incident response — "Controlla le analytics delle ultime 24 ore, e se qualcosa non torna fai rollback del Worker all'ultima versione stabile"
Disponibilità
Lo schema Cloudflare MCP Server è disponibile per tutti gli agenti sulla piattaforma AIsuru. Per attivarlo serve un account Cloudflare (il piano gratuito include Workers, KV, R2 e D1) e un API Token con i permessi necessari.
Questa integrazione si aggiunge agli altri MCP Server già disponibili su AIsuru — PostgreSQL, MongoDB, MySQL, Salesforce, SharePoint, Microsoft 365, Monday.com, Zapier, n8n — e conferma la direzione verso agenti che non si limitano a rispondere a domande, ma operano concretamente sui sistemi.
Se volete provare l'integrazione o avete domande, contattateci su demo@memori.ai .