{"id":2026,"date":"2026-08-04T17:10:39","date_gmt":"2026-08-04T20:10:39","guid":{"rendered":"https:\/\/jrtx.com.br\/blog\/2026\/08\/04\/cloudflare-workers-atualizacao-de-agosto-traz-tracing-cicd-n\/"},"modified":"2026-08-04T17:10:39","modified_gmt":"2026-08-04T20:10:39","slug":"cloudflare-workers-atualizacao-de-agosto-traz-tracing-cicd-n","status":"publish","type":"post","link":"https:\/\/jrtx.com.br\/blog\/2026\/08\/04\/cloudflare-workers-atualizacao-de-agosto-traz-tracing-cicd-n\/","title":{"rendered":"Cloudflare Workers: Atualiza\u00e7\u00e3o de Agosto Traz Tracing, CI\/CD Nativo e Agentes IA"},"content":{"rendered":"

\nA Cloudflare Workers atualiza\u00e7\u00e3o<\/strong> de 4 de agosto de 2026 chega em um momento em que a plataforma de computa\u00e7\u00e3o serverless na edge ultrapassa a marca de 275 pontos de presen\u00e7a e j\u00e1 processa uma a cada cinco requisi\u00e7\u00f5es HTTP da internet global. N\u00e3o se trata de um pacote incremental de corre\u00e7\u00f5es: o que a empresa de San Francisco entrega hoje \u00e9 uma redefini\u00e7\u00e3o de como desenvolvedores criam, depuram, instrumentam e entregam software distribu\u00eddo \u2014 com intelig\u00eancia artificial embarcada diretamente no ciclo de desenvolvimento. Enquanto os rivais tradicionais de CDN como Akamai e Fastly ainda operam modelos de edge computing fragmentados em regi\u00f5es ou com runtimes limitados, o Cloudflare Workers<\/strong> se consolida como a \u00fanica plataforma que unifica serverless, armazenamento de objetos (R2), SQL distribu\u00eddo (D1), filas (Queues), WebSockets stateful (Durable Objects) e agora pipelines nativos de CI\/CD, rastreabilidade de agentes e debugging local assistido por IA.\n<\/p>\n

\nNo mercado brasileiro, onde a lat\u00eancia at\u00e9 a origem pode penalizar aplica\u00e7\u00f5es que dependem de data centers concentrados em S\u00e3o Paulo ou no exterior, a capacidade de executar l\u00f3gica de neg\u00f3cio diretamente no ponto de presen\u00e7a mais pr\u00f3ximo do usu\u00e1rio \u2014 seja em Fortaleza, no Rio de Janeiro ou em Porto Alegre \u2014 transforma a arquitetura de entrega de conte\u00fado e APIs. A Cloudflare Workers atualiza\u00e7\u00e3o<\/strong> anunciada hoje adiciona camadas de observabilidade e automa\u00e7\u00e3o que antes exigiam infraestrutura auxiliar cara, complexa e distante da edge. Profissionais de infraestrutura, SREs e desenvolvedores brasileiros que operam sob os requisitos da LGPD encontrar\u00e3o aqui justificativas s\u00f3lidas para revisar suas estrat\u00e9gias de deployment.\n<\/p>\n

\nO pano de fundo \u00e9 o crescimento da internet ag\u00eantica \u2014 um ecossistema onde bots inteligentes, assistentes aut\u00f4nomos e microservi\u00e7os de IA multiplicam as intera\u00e7\u00f5es na rede. Cloudflare responde com o Agent Development Lifecycle<\/strong>, anunciado hoje, que formaliza um ciclo completo de cria\u00e7\u00e3o, revis\u00e3o, deploy e observabilidade de agentes. O Workers deixa de ser apenas um runtime de fun\u00e7\u00f5es e passa a ser o alicerce sobre o qual se constroem, testam e monitoram agentes de software. \u00c9 uma virada arquitetural que acompanha a introdu\u00e7\u00e3o de primitivas como Cloudflare Wallets<\/strong> (identidade verific\u00e1vel e pagamentos program\u00e1veis para agentes via protocolo x402) e Cloudflare Agents<\/strong> (console unificado para sess\u00f5es de agentes em produ\u00e7\u00e3o).\n<\/p>\n

\nNeste post t\u00e9cnico, voc\u00ea encontrar\u00e1 uma an\u00e1lise detalhada de cada componente da Cloudflare Workers atualiza\u00e7\u00e3o<\/strong>: o novo sistema de tracing para agentes e SDKs de IA, o pipeline de CI\/CD nativo com Artifacts<\/strong> e Workflows<\/strong>, o debug local com agentes de IA integrados ao wrangler dev<\/strong>, as mudan\u00e7as no WAF que impactam aplica\u00e7\u00f5es serverless, e o que tudo isso significa para a infraestrutura de empresas que operam no Brasil. Ao final, a JRT Technology Solutions<\/strong> \u2014 que implementa e gerencia solu\u00e7\u00f5es Cloudflare para clientes corporativos \u2014 compartilha recomenda\u00e7\u00f5es pr\u00e1ticas para ado\u00e7\u00e3o imediata.\n<\/p>\n

1. Vis\u00e3o Geral da Cloudflare Workers Atualiza\u00e7\u00e3o de 4 de Agosto de 2026<\/h3>\n

\nA leva de lan\u00e7amentos de hoje abrange cinco frentes principais no ecossistema Workers<\/strong>: (1) tracing nativo para agentes constru\u00eddos com o Agents SDK<\/strong>, os frameworks Think<\/strong> e Flue<\/strong>, e chamadas diretas ao AI SDK<\/strong>; (2) pipelines de CI\/CD executados inteiramente na edge, disparados por push em reposit\u00f3rios Artifacts<\/strong> e orquestrados por Workflows<\/strong>; (3) debugging local de Workers com agentes de IA que inspecionam traces e logs via uma API OpenAPI exposta pelo Local Explorer<\/strong>; (4) o an\u00fancio do Agent Development Lifecycle<\/strong>, que estabelece um corpo de padr\u00f5es de engenharia (Cloudflare Codex<\/strong>) consumido por agentes de revis\u00e3o de c\u00f3digo, especifica\u00e7\u00f5es e relat\u00f3rios de incidente; e (5) atualiza\u00e7\u00f5es no WAF<\/strong> que introduzem regras contra vulnerabilidades cr\u00edticas rec\u00e9m\u2011divulgadas, incluindo CVE-2026-50522<\/strong> (Microsoft SharePoint) e CVE-2026-66066<\/strong> (Ruby on Rails Active Storage), com impacto direto em Workers que operam como proxy reverso ou que exp\u00f5em APIs REST.\n<\/p>\n

\nDo ponto de vista do desenvolvedor que j\u00e1 usa wrangler<\/strong> e o ecossistema Workers<\/strong>, as mudan\u00e7as s\u00e3o imediatas: o arquivo de configura\u00e7\u00e3o wrangler.toml<\/code> ganha novas se\u00e7\u00f5es de observabilidade e triggers de eventos, e a instrumenta\u00e7\u00e3o de agentes passa a ser autom\u00e1tica para quem utiliza os SDKs suportados. O overhead de ado\u00e7\u00e3o \u00e9 m\u00ednimo \u2014 uma linha em observability.traces.enabled = true<\/code> \u00e9 suficiente para come\u00e7ar a receber traces no dashboard da Cloudflare, na aba Agents<\/strong>.\n<\/p>\n

\nA tabela a seguir resume as principais mudan\u00e7as da Cloudflare Workers atualiza\u00e7\u00e3o<\/strong> e seus impactos pr\u00e1ticos. Use\u2011a como refer\u00eancia r\u00e1pida antes de mergulhar nos detalhes de cada se\u00e7\u00e3o.\n<\/p>\n\n\n\n\n\n\n\n\n\n
Recurso<\/th>\nAntes<\/th>\nDepois<\/th>\nImpacto<\/th>\n<\/tr>\n<\/thead>\n
Agent Tracing<\/td>\nSem visibilidade nativa sobre agentes; desenvolvedores logavam manualmente cada turno, chamada de modelo, uso de ferramentas e consumo de tokens<\/td>\nTracing autom\u00e1tico para Agents SDK, Think, Flue e AI SDK; exibi\u00e7\u00e3o em waterfall no dashboard; grava\u00e7\u00e3o opcional de payloads de mensagens e ferramentas<\/td>\nDebug e auditoria de agentes em produ\u00e7\u00e3o sem c\u00f3digo adicional; identifica\u00e7\u00e3o precisa de gargalos em chamadas de IA e ferramentas<\/td>\n<\/tr>\n
CI\/CD Nativo com Artifacts + Workflows<\/td>\nCI\/CD externo (GitHub Actions, GitLab CI) com runners pr\u00f3prios; YAML complexo; aus\u00eancia de integra\u00e7\u00e3o nativa com Artifacts<\/td>\nWorkflows disparados por push em reposit\u00f3rios Artifacts; sandboxes isoladas com cache de depend\u00eancias; steps definidos em TypeScript via CI SDK<\/td>\nCI\/CD rodando na pr\u00f3pria rede da Cloudflare; elimina\u00e7\u00e3o de runners externos; deploys de Workers e Workers for Platforms User Workers diretamente da edge<\/td>\n<\/tr>\n
Debugging Local com Agentes IA<\/td>\nwrangler dev oferecia logs locais; debugging exigia console.log tempor\u00e1rio ou deploy com logs de teste<\/td>\nCaptura autom\u00e1tica de traces OpenTelemetry e logs correlacionados; Local Explorer com API OpenAPI; agentes IA identificam falhas, corrigem c\u00f3digo e reverificam<\/td>\nCiclo de debug local reduzido a segundos; sem necessidade de deploy para testar corre\u00e7\u00f5es; agentes podem fechar o loop completo de detec\u00e7\u00e3o e corre\u00e7\u00e3o<\/td>\n<\/tr>\n
Agent Development Lifecycle<\/td>\nN\u00e3o havia framework formal para ciclo de vida de agentes na plataforma<\/td>\nCloudflare Codex define padr\u00f5es de engenharia; agentes de revis\u00e3o consomem RFCs estruturadas; valida\u00e7\u00e3o autom\u00e1tica de consist\u00eancia em c\u00f3digo, specs e incidentes<\/td>\nQualidade e consist\u00eancia de agentes em escala; governan\u00e7a automatizada para times que desenvolvem m\u00faltiplos agentes<\/td>\n<\/tr>\n
WAF \u2013 Regras Cr\u00edticas (Agosto 2026)<\/td>\nRegras SSRF Cloud em modo Disabled; sem cobertura para CVE-2026-50522 (SharePoint RCE) e CVE-2026-66066 (Rails RCE)<\/td>\nNova regra para SharePoint RCE em Block; regra Rails RCE mantida Block; SSRF Cloud elevada de Disabled para Block; remo\u00e7\u00e3o de regras SSRF Beta redundantes<\/td>\nProte\u00e7\u00e3o imediata contra exploits ativos; Workers que servem como proxy para origens SharePoint ou Rails ganham mitiga\u00e7\u00e3o sem configura\u00e7\u00e3o adicional<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

2. Agent Tracing: Observabilidade Profunda Impulsiona a Cloudflare Workers Atualiza\u00e7\u00e3o<\/h3>\n

\nA rastreabilidade de agentes de IA deixa de ser um desejo de engenharia para se tornar realidade nativa com esta Cloudflare Workers atualiza\u00e7\u00e3o<\/strong>. O Agents SDK<\/strong> agora emite traces automaticamente que revelam cada turno do agente, as chamadas ao modelo de linguagem (model calls), as execu\u00e7\u00f5es de ferramentas (tool runs), os pedidos de aprova\u00e7\u00e3o humana (approvals), o consumo de tokens e as opera\u00e7\u00f5es do runtime do Workers. Tudo isso aparece em um waterfall de spans no dashboard da Cloudflare, na aba Agents<\/strong>, permitindo que times de SRE e engenharia inspecionem sess\u00f5es individuais, repitam conversas inteiras e diagnostiquem falhas sem instrumentar c\u00f3digo manualmente.\n<\/p>\n

\nPara ativar o tracing, a configura\u00e7\u00e3o \u00e9 m\u00ednima. Basta adicionar o bloco de observabilidade ao wrangler.toml<\/code> \u2014 ou ao arquivo de configura\u00e7\u00e3o equivalente no formato JSON Schema do Wrangler. Os traces come\u00e7am a fluir imediatamente ap\u00f3s o pr\u00f3ximo deploy. Veja o trecho de configura\u00e7\u00e3o que habilita a funcionalidade:\n<\/p>\n

{\n  \"$schema\": \".\/node_modules\/wrangler\/config-schema.json\",\n  \"observability\": {\n    \"traces\": {\n      \"enabled\": true\n    }\n  }\n}<\/code><\/pre>\n
\nAplica\u00e7\u00f5es que utilizam os frameworks Think<\/strong> e Flue<\/strong> \u2014 camadas de abstra\u00e7\u00e3o para constru\u00e7\u00e3o de agentes sobre o Workers \u2014 emitem traces automaticamente, sem nenhuma linha adicional de c\u00f3digo. J\u00e1 para chamadas diretas ao AI SDK<\/strong> (vers\u00f5es 6 e 7), \u00e9 necess\u00e1rio envolver o namespace do SDK com a fun\u00e7\u00e3o wrapAISDK()<\/code>. O exemplo a seguir mostra como instrumentar chamadas ao modelo, fornecendo tamb\u00e9m identidade do agente e contexto de runtime:\n<\/p>\n
import * as ai from \"ai\";\nimport { wrapAISDK } from \"agents\/observability\/ai\";\n\nconst tracedAI = wrapAISDK(ai);\n\nawait tracedAI.generateText({\n  model,\n  prompt: \"Find an available appointment\",\n  runtimeContext: {\n    agentId: \"booking-agent-production\",\n    conversationId: \"conversation-123\",\n  },\n  telemetry: {\n    functionId: \"booking-agent\",\n    includeRuntimeContext: {\n      agentId: true,\n      conversationId: true,\n    },\n  },\n});<\/code><\/pre>\n
\nUm ponto cr\u00edtico de seguran\u00e7a e privacidade: a grava\u00e7\u00e3o de payloads de mensagens e ferramentas n\u00e3o<\/strong> \u00e9 ativada por padr\u00e3o. O Cloudflare adota a postura de opt-in<\/i> expl\u00edcito. Se voc\u00ea deseja armazenar os conte\u00fados trafegados \u2014 \u00fatil para debugging profundo, mas potencialmente sens\u00edvel \u2014 \u00e9 preciso passar as flags storeMessages: true<\/code> e storeTools: true<\/code> no segundo argumento de wrapAISDK<\/code>. Essa decis\u00e3o de design \u00e9 particularmente relevante para empresas brasileiras que processam dados pessoais sob a LGPD<\/strong>, pois evita a captura acidental de informa\u00e7\u00f5es que exigiriam consentimento ou anonimiza\u00e7\u00e3o.\n<\/p>\n
\nNa pr\u00e1tica, o impacto operacional \u00e9 substancial. Antes desta atualiza\u00e7\u00e3o, o desenvolvedor que suspeitasse de um loop infinito de ferramentas em um agente de agendamento teria que instrumentar cada chamada com logs manuais, analisar volumes enormes de sa\u00edda no wrangler tail<\/strong> e, muitas vezes, reproduzir o problema em produ\u00e7\u00e3o. Agora, ele abre o dashboard, localiza a sess\u00e3o problem\u00e1tica pelo conversationId<\/code> e inspeciona o waterfall para identificar exatamente qual tool call disparou o comportamento indesejado. O Agents SDK<\/strong> correlaciona automaticamente spans de modelo, ferramentas e runtime, eliminando o trabalho de colagem que consumia horas de equipes de SRE.\n<\/p>\n
3. CI\/CD Nativo no Cloudflare Workers: Build e Deploy Automatizados na Edge<\/h3>\n
\nA Cloudflare Workers atualiza\u00e7\u00e3o<\/strong> de agosto de 2026 tamb\u00e9m enterra a depend\u00eancia de runners externos para integra\u00e7\u00e3o cont\u00ednua. O novo pipeline nativo combina dois componentes que j\u00e1 existiam separadamente \u2014 Artifacts<\/strong> (reposit\u00f3rios de objetos versionados) e Workflows<\/strong> (orquestra\u00e7\u00e3o de jobs na edge) \u2014 e os une por meio de um trigger que dispara o workflow a cada push em um reposit\u00f3rio. O resultado \u00e9 um sistema de CI\/CD que roda inteiramente na rede da Cloudflare, dentro de sandboxes isoladas, com cache inteligente de depend\u00eancias e steps definidos programaticamente em TypeScript.\n<\/p>\n
\nO cora\u00e7\u00e3o da novidade est\u00e1 no CI SDK<\/strong> (@cloudflare\/ci<\/code>). Cada step do pipeline \u00e9 um ci.runner()<\/code> que invoca um comando em uma sandbox ef\u00eamera. A diretiva cache.inputs<\/code> aponta para arquivos de lock (pnpm-lock.yaml<\/code>, bun.lock<\/code>, package-lock.json<\/code>) e garante que o step de instala\u00e7\u00e3o de depend\u00eancias s\u00f3 execute novamente quando o lockfile mudar. Isso reduz o tempo de build de minutos para segundos na maioria dos casos. Veja um exemplo completo de pipeline de CI que faz install, lint, teste, typecheck e build em paralelo, e depois deploy:\n<\/p>\n
const deps = await ci.runner({\n  name: \"install\",\n  command: \"bun install --frozen-lockfile\",\n  cache: { inputs: [\"package.json\", \"bun.lock\"] },\n});\n\nawait Promise.all([\n  deps.runner({ name: \"lint\", command: \"bun run lint\" }),\n  deps.runner({ name: \"test\", command: \"bun run test\" }),\n  deps.runner({ name: \"typecheck\", command: \"bun run typecheck\" }),\n  deps.runner({ name: \"build\", command: \"bun run build\" }),\n]);\n\nawait deps.runner({ name: \"deploy\", command: \"bun wrangler deploy\" });<\/code><\/pre>\n
\nPara que o workflow seja disparado automaticamente a cada push no reposit\u00f3rio, basta declarar o trigger cf.artifacts.repo.pushed<\/code> na configura\u00e7\u00e3o do Wrangler, vinculando\u2011o ao script do Worker e ao nome do workflow. Isso elimina a necessidade de webhooks, secrets de tokens externos ou manuten\u00e7\u00e3o de runners auto\u2011hospedados. A autoriza\u00e7\u00e3o \u00e9 feita com o pr\u00f3prio token da API Cloudflare, e voc\u00ea pode restringir o acesso do token apenas ao step de deploy, mantendo os demais steps isolados e sem permiss\u00f5es sens\u00edveis.\n<\/p>\n\n\n\n\n\n\n\n\n\n
Elemento do Pipeline<\/th>\nDescri\u00e7\u00e3o<\/th>\nBenef\u00edcio sobre CI Tradicional<\/th>\n<\/tr>\n<\/thead>\n
Artifacts repo push trigger<\/td>\nDispara workflow automaticamente ao fazer push em reposit\u00f3rio Artifacts<\/td>\nZero configura\u00e7\u00e3o de webhooks; integra\u00e7\u00e3o nativa com versionamento da pr\u00f3pria Cloudflare<\/td>\n<\/tr>\n
ci.runner() sandbox<\/td>\nExecuta comandos em sandbox isolada e ef\u00eamera na edge<\/td>\nSem runners pr\u00f3prios; isolamento forte entre steps; seguran\u00e7a refor\u00e7ada<\/td>\n<\/tr>\n
Cache de depend\u00eancias<\/td>\ncache.inputs aponta lockfiles; reusa depend\u00eancias entre steps<\/td>\nInstala\u00e7\u00e3o de pacotes apenas quando lockfile muda; builds at\u00e9 10x mais r\u00e1pidos<\/td>\n<\/tr>\n
Deploy step<\/td>\nStep final que executa wrangler deploy ap\u00f3s valida\u00e7\u00f5es<\/td>\nToken de API pode ser restrito exclusivamente a este step; deploy at\u00f4mico<\/td>\n<\/tr>\n
Workers for Platforms User Workers<\/td>\nSuporte a deploy de User Workers em plataformas multi-tenant<\/td>\nEmpresas SaaS podem oferecer CI\/CD White Label para seus pr\u00f3prios clientes<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
\nPara times brasileiros que operam com equipes enxutas e n\u00e3o desejam manter uma frota de GitHub Actions runners ou servidores Jenkins, o CI\/CD nativo remove um ponto de fric\u00e7\u00e3o significativo. Na JRT Technology Solutions<\/strong>, j\u00e1 configuramos pipelines de CI\/CD para clientes corporativos que migraram de AWS CodePipeline para esta nova abordagem, obtendo redu\u00e7\u00e3o de lat\u00eancia de build e eliminando custos de transfer\u00eancia de dados entre a nuvem p\u00fablica e a rede da Cloudflare.\n<\/p>\n
4. Debugging Local com Agentes IA: Como a Cloudflare Workers Atualiza\u00e7\u00e3o Redefine o Ciclo de Desenvolvimento<\/h3>\n
\nSe h\u00e1 um an\u00fancio que personifica a converg\u00eancia entre ferramentas de desenvolvimento e intelig\u00eancia artificial nesta Cloudflare Workers atualiza\u00e7\u00e3o<\/strong>, \u00e9 o debugging local assistido por agentes. O wrangler dev<\/strong> e o vite dev<\/strong> agora capturam automaticamente traces estruturados no formato OpenTelemetry<\/strong> e logs de console correlacionados durante invoca\u00e7\u00f5es locais do Worker. Mas a m\u00e1gica acontece quando o tooling detecta uma sess\u00e3o de agente de IA: ele exp\u00f5e uma API no endpoint \/cdn-cgi\/explorer\/api<\/code> que segue o padr\u00e3o OpenAPI, permitindo que o agente consulte traces, logs e estado de bindings em tempo real.\n<\/p>\n
\nO fluxo de debug \u00e9 radicalmente mais curto. O agente identifica a opera\u00e7\u00e3o que falhou, prop\u00f5e uma corre\u00e7\u00e3o no c\u00f3digo fonte, reexecuta a requisi\u00e7\u00e3o e verifica o resultado \u2014 tudo sem deploy e sem inserir logs tempor\u00e1rios. Para desenvolvedores humanos, a mesma interface est\u00e1 dispon\u00edvel no Local Explorer<\/strong>, um dashboard local acess\u00edvel via navegador que exibe spans, tempos, atributos e erros. Os spans autom\u00e1ticos cobrem chamadas de handler, requisi\u00e7\u00f5es fetch()<\/code> de sa\u00edda e invoca\u00e7\u00f5es de bindings (KV, D1, R2, Durable Objects, Queues, etc.). Spans customizados criados pelo desenvolvedor aparecem lado a lado com os autom\u00e1ticos, compondo uma \u00e1rvore de telemetria completa.\n<\/p>\n
\nEste avan\u00e7o tem implica\u00e7\u00f5es pr\u00e1ticas imediatas para times que adotam arquiteturas baseadas em agentes. O ciclo tradicional de “codificar \u2192 fazer deploy \u2192 ler logs \u2192 corrigir \u2192 fazer deploy de novo” era medido em minutos ou horas. Com o novo pipeline local, o ciclo se comprime para segundos. Um engenheiro da JRT Technology Solutions<\/strong> que est\u00e1 depurando um agente de suporte a clientes que usa D1<\/strong> para consultas e Workers AI<\/strong> para classifica\u00e7\u00e3o de inten\u00e7\u00f5es pode, por exemplo, detectar que uma tool call est\u00e1 retornando payload malformado do R2, corrigir o schema de resposta e reexecutar a mesma conversa \u2014 tudo antes de abrir um pull request.\n<\/p>\n
\nAl\u00e9m disso, a API do Local Explorer \u00e9 read\u2011only<\/i>, o que impede que agentes de IA ou scripts automatizados realizem altera\u00e7\u00f5es n\u00e3o intencionais no ambiente local. Esse cuidado de seguran\u00e7a \u00e9 essencial em fluxos de trabalho que envolvem c\u00f3digo propriet\u00e1rio ou dados sens\u00edveis. Para empresas brasileiras que lidam com dados sob LGPD e precisam auditar cada acesso a informa\u00e7\u00f5es, o fato de que a API de debugging n\u00e3o exp\u00f5e muta\u00e7\u00f5es reduz a superf\u00edcie de risco durante o desenvolvimento.\n<\/p>\n
5. Agent Development Lifecycle: Engenharia de Agentes com Padr\u00f5es Automatizados<\/h3>\n
\nA Cloudflare Workers atualiza\u00e7\u00e3o<\/strong> n\u00e3o se limita a melhorias incrementais de runtime; ela introduz um framework formal para o ciclo de vida de agentes de software. O Agent Development Lifecycle<\/strong> (ADL) \u00e9 a resposta da Cloudflare ao problema que toda organiza\u00e7\u00e3o que constr\u00f3i agentes enfrenta: o c\u00f3digo \u00e9 escrito mais r\u00e1pido do que as equipes conseguem revisar, implantar e manter. O ADL se apoia em primitivas do Workers \u2014 Durable Objects<\/strong> para estado de sess\u00e3o, Queues<\/strong> para mensageria ass\u00edncrona, Workflows<\/strong> para orquestra\u00e7\u00e3o, Agents SDK<\/strong> para instrumenta\u00e7\u00e3o \u2014 e<\/p>\n
\n
Sua empresa ainda n\u00e3o usa Cloudflare de forma estrat\u00e9gica?<\/p>\n
A JRT Technology Solutions implementa Cloudflare CDN, WAF, Zero Trust e Workers para empresas que precisam de performance, seguran\u00e7a e escalabilidade.<\/p>\n
  
\n    <\/svg>
\n    Falar com especialista
\n  <\/a>\n<\/div>\n","protected":false},"excerpt":{"rendered":"
Descubra as novidades da atualiza\u00e7\u00e3o de agosto do Cloudflare Workers: Tracing, CI\/CD nativo e agentes IA. Clique e saiba mais!<\/p>\n","protected":false},"author":1,"featured_media":2025,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"om_disable_all_campaigns":false,"_monsterinsights_skip_tracking":false,"iawp_total_views":0,"footnotes":""},"categories":[1721],"tags":[3174,1962,3172,1933,2178,3173],"class_list":["post-2026","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-cdn-cloudflare","tag-agentes-ia","tag-atualizacao-cloudflare","tag-ci-cd-cloudflare","tag-cloudflare-workers","tag-desenvolvimento-na-nuvem","tag-tracing-cloudflare"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t