Kitesurf của Cloudflare: Trình duyệt dành cho AI Agent, không phải con người

Cloudflare cuối cùng đã trả lời câu hỏi mà họ tự đặt ra trong nhiều năm: chúng ta có nên tự xây dựng trình duyệt của riêng mình không? Lần này, câu trả lời là một tiếng "có" vang dội. Kết quả là Kitesurf, một trình duyệt được thiết kế đặc biệt cho AI agent, chạy hoàn toàn trên Cloudflare Workers. Nó hiện có sẵn miễn phí ở bản beta thông qua Browser Run.

Ý tưởng cốt lõi đằng sau Kitesurf là các trình duyệt truyền thống như Chromium được xây dựng cho con người, không phải máy móc. Chúng mang theo sự cồng kềnh—tab, chủ đề, tiện ích mở rộng, kết xuất pixel hoàn hảo—mà các mô hình AI đơn giản là không cần. Điều mà agent quan tâm là số token, cửa sổ ngữ cảnh, khả năng mở rộng và chi phí. Kitesurf loại bỏ các tính năng hướng đến con người và tập trung vào những gì quan trọng cho AI: trích xuất HTML hiệu quả, nội dung có cấu trúc và tiêu thụ tài nguyên thấp.

Nền tảng kỹ thuật là một loạt các tiến bộ trong nền tảng nhà phát triển của Cloudflare: hỗ trợ WebAssembly trưởng thành, dynamic workers, SQLite-based Durable Objects và worker-to-worker RPC. Những nguyên thủy này đã giúp xây dựng một trình duyệt chạy hoàn toàn trên edge, không liên quan đến công cụ trình duyệt truyền thống.

Quyết định thiết kế

Xây dựng một trình duyệt là một nhiệm vụ khổng lồ, vì vậy nhóm đã dựa nhiều vào phát triển hỗ trợ AI. Họ sử dụng bộ Web Platform Tests (WPT) làm chuẩn cho sự tuân thủ tính năng, để AI agent lặp lại dựa trên các mục tiêu rõ ràng. Để đảm bảo khả năng tương thích thực tế, họ cũng triển khai các bài kiểm tra tích hợp và hồi quy hình ảnh chạy script Puppeteer trên cả Chromium và Kitesurf, so sánh đầu ra ở mỗi bước.

Nhóm chọn Rust cho các thành phần quan trọng về hiệu suất, biên dịch sang WebAssembly qua wasm-bindgen để tránh các lớp giả lập. Xử lý ngoại lệ được thiết kế để bất kỳ lỗi nào cũng giảm xuống khung trống hoặc thiếu phần tử, không bao giờ là phiên chết. Cách ly là tối quan trọng: mỗi lần tải trang được coi là đầu vào không đáng tin cậy và mỗi thành phần chỉ có quyền truy cập vào các tài nguyên mà nó thực sự cần.

Không trạng thái là nguyên tắc chỉ đạo. Bất cứ khi nào có thể, các thành phần đều không trạng thái, khiến chúng có thể loại bỏ và song song về bản chất. Điều này phù hợp hoàn hảo với tự động hóa, nơi tải đến theo cụm và điều rẻ nhất là khởi động công việc chỉ tốn chi phí khi sử dụng và biến mất khi hoàn thành.

Kiến trúc

Kiến trúc của Kitesurf được xây dựng quanh ba thành phần chính: Engine, PageScript và PageRenderer. Engine là thành phần duy nhất hướng ra công chúng, xử lý CDP WebSocket và HTTP REST API, đồng thời lưu trữ trạng thái phiên. Tất cả các thành phần khác đều không trạng thái.

Truy cập mạng được dẫn qua một thành phần duy nhất, worker SandboxOutbound, thực thi CORS, chèn header dạng trình duyệt, lọc phản hồi và giữ cookie của mỗi trang trong jar riêng của chúng. Không gì khác có thể chạm vào mạng trực tiếp, được thực thi bởi Dynamic Workers.

Kết quả là một trình duyệt hiệu quả hơn đáng kể về tiêu thụ CPU và bộ nhớ so với Chromium cho các tác vụ agent phổ biến như chụp màn hình và trích xuất HTML. Đây là một cược táo bạo rằng tương lai của duyệt web không phải cho con người, mà cho các agent sẽ ngày càng hành động thay mặt chúng ta.