重點摘要：Cloudflare 在 2026 年 4 月推出 isitagentready.com，把「你的網站對 AI agent 準備好了嗎」變成一個可檢查、可重掃的分數，並同步在 Cloudflare Radar 上線「AI agent 標準採用度」資料集。它用四大維度評分，每個沒通過的項目都給你一段能直接餵給 coding agent 的實作提示。對做 GEO 的團隊，這是把「AI 可讀性、可操作性」落地成工程待辦的好起點。
本文為 2026-08-24 的工具解析。外部事實附來源與日期；最後的落地建議是 YOTRON 的工程分析。
Cloudflare 為什麼做代理就緒度分數
Cloudflare 的論點很直接：網頁先學會對瀏覽器說話，再學會對搜尋引擎說話，現在必須學會對 AI agent 說話。為此他們推出 isitagentready.com，協助站長了解如何讓網站被 agent 正確發現、存取、理解與操作；同時在 Cloudflare Radar 推出一個追蹤各項 agent 標準採用度的新資料集。來源：Cloudflare Blog，2026-04-17
他們刻意拿自家開刀當示範——把 Cloudflare 開發者文件重新整理成「最適合 agent 閱讀」的文件站，讓 AI 工具能更快、更便宜地回答問題。這個「以身作則」的做法，本身就是 GEO 的一個工程訊號。來源：Cloudflare Blog，2026-04-17
全網現況：多數網站還沒為 agent 準備好
Cloudflare Radar 取前 20 萬個最常造訪網域，濾掉與 agent 就緒無關的類別（如轉址、廣告伺服器、通道服務），再用新工具掃描，結果相當清楚：
- robots.txt 幾乎普及（78%），但絕大多數是為傳統搜尋引擎爬蟲而寫，不是為 AI agent。
- Content Signals 僅 4%：這是讓你在 robots.txt 宣告 AI 使用偏好的新標準，正在起步。
- Markdown 內容協商通過率 3.9%（對
Accept: text/markdown回傳 markdown）。 - MCP Server Cards 與 API Catalogs（RFC 9727）合計不到 15 個網站出現在整個資料集裡。
換句話說，越新的 agent 標準採用率越低——這代表越早採用、越容易在 agent 生態中脫穎而出。這份圖表每週更新，也可透過 Data Explorer 或 Radar API 存取。來源：Cloudflare Blog，2026-04-17
四大評分維度
輸入網址後，Cloudflare 會實際對網站發請求，檢查它支援哪些標準，並依四個維度給分：來源：Cloudflare Blog，2026-04-17
- Discoverability（可發現）：robots.txt、sitemap.xml、Link response header（RFC 8288）。robots.txt 是 agent 第一個查看的地方，它定義爬取規則並指向 sitemap；Link header 讓 agent 不必解析 HTML 就能從回應標頭直接找到資源，例如
Link: </.well-known/api-catalog>; rel="api-catalog"。 - Content（可讀）：Markdown for Agents。當 agent 送出
Accept: text/markdown，伺服器回傳乾淨的 markdown 版本。Cloudflare 實測 markdown 版本可減少最多 80% token，讓回應更快、更便宜、也更可能被完整讀入有限的 context window。 - Bot Access Control（可控）：Content Signals、robots.txt 的 AI bot 規則、Web Bot Auth。Content Signals 讓你在 robots.txt 用
Content-Signal指令，分別控制內容能否用於 AI 訓練（ai-train）、作為推論/接地的 AI 輸入（ai-input）、以及是否出現在搜尋結果（search）。 - Capabilities（可操作）：Agent Skills、API Catalog（RFC 9727）、透過 RFC 8414/9728 的 OAuth server 探索、MCP Server Card、WebMCP。這一維度衡量 agent 能不能真的「用」你的站，而不只是讀。
此外也會檢查 agentic commerce 標準（x402、Universal Commerce Protocol、Agentic Commerce Protocol），但目前不計入分數。每個沒通過的檢查，工具都會給一段可直接交給 coding agent 的提示，讓它替你實作。來源：Cloudflare Blog，2026-04-17
工具本身也「以身作則」
isitagentready.com 自己就是 agent-ready 的範例：它公開一個無狀態 MCP server（https://isitagentready.com/.well-known/mcp.json），透過 Streamable HTTP 提供 scan_site 工具，任何相容 MCP 的 agent 都能直接程式化掃描網站，不必開網頁。它還發布 Agent Skills 索引（/.well-known/agent-skills/index.json），為每個檢查的標準附上技能文件，讓 agent 不只知道要改什麼，也知道怎麼改。來源：Cloudflare Blog，2026-04-17
從 Dashboard 端管理：AI Crawl Control
如果你的網站已在 Cloudflare 上，代理就緒度不只是外部掃描，也整合進 Dashboard。AI Crawl Control 的 Directives 分頁會顯示 AI 爬蟲如何與各主機名的 robots.txt 互動，並提供一張「Agent Readiness」卡片，協助你評估網站對 AI agent 的設定完整度；狀態卡也會顯示 Cloudflare 是否正在為你託管 robots.txt。來源：Cloudflare AI Crawl Control 文件，2026
跨網域的採用度資料則能透過 Radar 的 agent readiness API 取得，回傳各掃描網域的就緒度摘要，方便做產業對照與趨勢追蹤。來源：Cloudflare Radar API 文件，2026
GEO 落地：把四維度變成工程待辦
對想提升 GEO 表現的團隊，這套框架的價值在於把抽象的「AI 可讀性」拆成可檢查、可重掃的工程項目。實務順序：
- 先掃一次公開首頁，鎖定沒過的 Discoverability 項。 確認 robots.txt 存在、指向有效 sitemap.xml，並考慮加上關鍵資源的 Link header。這是投報率最高的基礎。
- 開啟 Markdown 內容協商。 讓伺服器在收到
Accept: text/markdown時回傳乾淨 markdown；token 大幅下降，等於讓 agent 更完整、更便宜地讀你的內容。 - 用 Content Signals 明確表態。 在 robots.txt 分別宣告
ai-train、ai-input、search，把「歡迎引用、拒絕訓練」這類立場講清楚，而不是一刀全擋或全開。 - 只補你真的有的 Capabilities。 有 API 就補 API Catalog 與 OAuth 探索；有工具能力才做 MCP Server Card。沒有的介面不用硬做。
- 改完後重掃同一個公開網址，並用 Radar 追蹤產業對照。 把分數當成回歸測試的基準線，而不是終點。
YOTRON 的觀點
Cloudflare 這套框架最有用的地方，是它把 agent 就緒度從「感覺」變成「四個維度、一組可重掃的檢查、每項都有實作提示」。這正是 GEO 該有的工程化樣子：可量測、可驗證、可回歸。
兩點提醒。第一，分數是診斷輸入，不是成效證明；真正的 GEO 表現仍要看實際被 AI 搜尋與生成引擎引用的資料。第二，別為衝分而做不屬於你產品的介面——先把 robots.txt、sitemap、Markdown 內容協商這些每個網站都適用的基礎做好，再談 MCP 與 agentic commerce 這類進階能力。
想把網站的 AI agent 就緒度與 GEO 可引用性做成可驗證的工程流程，歡迎與 YOTRON 聯繫。