--- title: "Cloudflare 推出代理就緒度分數：用四大維度檢查你的網站對 AI Agent 是否準備好" description: "Cloudflare isitagentready.com 用四大維度替網站的 AI agent 就緒度打分。本文解析評分邏輯與官方歷史樣本，說明採用率為何不等於成效、如何在 Dashboard 用 AI Crawl Control 管理爬蟲存取，並把四個評分維度轉成可落地的 GEO 工程待辦清單。" canonical: "https://yotron-ai.com/blog/cloudflare-agent-readiness-score-guide" published: "2026-08-24" last-updated: "2026-09-09" --- # Cloudflare 推出代理就緒度分數：用四大維度檢查你的網站對 AI Agent 是否準備好 Cloudflare isitagentready.com 用四大維度替網站的 AI agent 就緒度打分。本文解析評分邏輯與官方歷史樣本，說明採用率為何不等於成效、如何在 Dashboard 用 AI Crawl Control 管理爬蟲存取，並把四個評分維度轉成可落地的 GEO 工程待辦清單。 **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。 本文於 2026-09-09 回讀官方發布文章。採用率是該文的歷史樣本，不是本站實測或目前全網比例；工具規則與介面仍需依當次掃描確認。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](https://blog.cloudflare.com/agent-readiness/) 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。這是供應商的工程示範，不是本站引用成效或搜尋排名證據。[來源：Cloudflare Blog，2026-04-17](https://blog.cloudflare.com/agent-readiness/) ## 官方歷史樣本：採用率不等於成效 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。 採用率較低不能證明提早採用就會提升曝光或引用，也不能把經篩選的網域樣本視為所有網站。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](https://blog.cloudflare.com/agent-readiness/) ## 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](https://blog.cloudflare.com/agent-readiness/) 1. **Discoverability（可發現）**：robots.txt、sitemap.xml、Link response header（RFC 8288）。遵循爬取慣例的工具可先查看 robots.txt，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: ; rel="api-catalog"`。 2. **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 表示部分案例最多減少 80% token，不能套用為所有網站的預期效果；仍須核對內容完整度、延遲與用量。 3. **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，分別宣告內容的使用偏好，包括 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`）。 4. **Capabilities（可操作）**：Agent Skills、API Catalog（RFC 9727）、透過 RFC 8414/9728 的 OAuth server 探索、MCP Server Card、WebMCP。這一維度檢查相關介面的支援狀態；通過探索檢查仍不等於真實任務或授權流程已驗收。 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](https://blog.cloudflare.com/agent-readiness/) ## 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](https://blog.cloudflare.com/agent-readiness/) ## 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](https://developers.cloudflare.com/ai-crawl-control/features/track-robots-txt/) 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](https://developers.cloudflare.com/api/resources/radar/subresources/agent_readiness/methods/summary/) ## 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： 1. **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。先確認失敗對實際使用的影響，不以分數推定投報率。 2. **依需求評估 Markdown 表示。** 比較受測工具的內容完整度、用量與維護成本；若採同網址內容協商，需驗證 Content-Type、Vary 與 CDN 快取變體，不把它當成所有網站的必要條件。 3. **用 Content Signals 明確表態。** 在 robots.txt 分別宣告 `ai-train`、`ai-input`、`search`，這是偏好宣告，不是防火牆或所有平台的執行保證；需要強制存取控制時，另以驗證與伺服器規則實作並測試。 4. **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。 5. **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——先確認公開內容、存取規則與導覽符合需求，Markdown 表示則依實際工具使用評估，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](https://yotron-ai.com/contact)。 --- ## 相關推薦與延伸閱讀 - [Cloudflare AI Gateway 免費層：替 AI API 加上觀測與成本護欄](/blog/cloudflare-ai-gateway-free-observability)：用 Cloudflare AI Gateway 的免費核心功能集中管理 AI 請求，實作 logging、cache、rate limiting 與 GEO 查 - [Cloudflare Vectorize 免費額度：做出會回傳來源的 RAG](/blog/cloudflare-vectorize-free-rag-citations)：用 Cloudflare Vectorize 與 Workers AI 建立小型 RAG 原型，理解免費額度、向量維度計算、來源回傳與 GEO 引用保真。本文說 - [Cloudflare Workers AI 教學：API Key 取得與免費額度呼叫實戰](/blog/cloudflare-workers-ai-free-api)：想零成本串接開源大模型？本文手把手教你取得 Cloudflare Workers AI 的 Account ID 與 API Token，完整解析每日免費額度計 - [Supabase vs Cloudflare 儲存方案比較：資料庫整合與物件儲存怎麼選？](/blog/supabase-vs-cloudflare-storage)：比較 Supabase Storage 與 Cloudflare R2 的資料模型、權限、API、流量成本與適用情境，提供中小企業與 AI 應用的選型決策表。本