AIエージェント

Cloudflare、新CLI「cf」をベータ公開：全API操作をエージェントから

2026/10/3 （更新: 2026/10/13）

🤖 AIを使用して執筆

Wranglerの約280からcfの3,000超へ

手で足すCLIでは、コマンドで呼べる操作の数はチームが書いた数で決まり、スキーマから生成すればスキーマに載る全操作がコマンドになる。その差を示すのが、コマンドで呼べる操作の数についての作り手の数字である。Wranglerがコマンドにしていた操作は約280で、cfは3,000を超えるCloudflare APIの全操作をコマンドとして持つ¹。同じ日のForgeの告知は、同じAPIの操作を3,500を超えると書く³。どちらも「を超える」という下限の書き方である。Wranglerは製品チームがそれぞれのやり方でコマンドを足してきたCLIで、作り手は、約280の経路の範囲ですらチームをまたいで型を揃えるのはほぼ不可能だったと書く¹。製品ごとのチームが書いた分だけがコマンドになる作り方である。

作り手が生成へ移した理由の一つは、Wranglerを使う主体が変わったことである¹。2026年3月にWranglerの利用の4分の1をエージェントが占め、前年は一桁台の割合だった。告知の前の週には48%に達した。エージェントは1日に使う異なるコマンドの数がほぼ2倍で、6個以上のコマンドを使う確率がほぼ4倍である¹。作り手は続けて「エージェントはCLIを好む。しかしWranglerが提供するのは約280の操作分のコマンドで、Cloudflareは数千の操作を提供している」と書く¹。本稿の推測では、使う操作の種類が多いほど、手で足したコマンドに無い操作に当たる場面が増える。

スキーマから全操作のコマンドを組むこと自体はcfに限らない。Cloudflare自身も、cfより前にCloudflare APIのOpenAPIスキーマからSDKとTerraformプロバイダとMCPサーバーを生成しており、CLIは手作業で更新していたと書く²。AWS CLIも、サービスごとの操作の一覧（サービスのモデル）に並ぶ全操作を順に回してコマンドの表を組む⁴。Forgeの告知も、SDK（プログラムからAPIを呼ぶためのライブラリ）からCLIを生成する連鎖は他の生成器では一般的だと書く³。本稿がcfについて見るのは、生成の範囲をCLIへ広げ、Cloudflareの全APIをコマンドにしたことと、次の節の検索である。

生成する方法なら、APIに操作が増えても同じ手順でコマンドを増やせる。生成したコマンドがAPIの変更に付いていく仕組みは次のとおりである。cfの告知によれば、CLIのコマンドはAPI文書とSDKの生成に使うのと同じスキーマから作る¹。Forgeはいまcfに要る出力を生成しており、API文書とSDKは今後数か月で担う予定である³。Forgeの告知は、各チームのAPIリポジトリで変更のたびに走り、変更を検査して、その変更を強調したCLI・文書・SDKのプレビュービルドを作ることを目指すと書く³。APIを変えたチームが、出荷前に生成物を入れて試せるようにする狙いである。

cfが生成で持つのはAPIの操作であり、Workersの開発と配備のすべてではない。作り手は、多くのWorkersはエージェントで簡単に移行できると書く一方、esbuildを使い続けるJavaScript WorkersとRustとPythonのWorkersの開発と配備は当面Wranglerに委ねる¹。Cloudflareはベータ終了後18か月にわたってWranglerの保守を続けると書くが、保守の終了後にこれらの構成がどこへ移るかは書いていない¹。

3,000の経路から一つを探す cf cli search

コマンドが全操作に増えると、一覧を読む限り、エージェントが一つを選ぶために読む説明の数もコマンドの数に比例して増える。コマンドの数が3,000を超えたあと、作り手自身もこの問いを立てている。作り手は「CLIに3,000通りの経路があるとき、エージェントはコンテキストを膨らませずに、必要な操作をどう素早く見つけるのか」と書く¹。コンテキストとは、モデルが一度に読める入力の範囲（コンテキストウィンドウ）である。MicrosoftのPlaywright CLIのREADMEは、コーディングエージェントがMCP（エージェントが外部のツールを呼ぶための規約）よりCLIを好むようになりつつあると書き、その理由を、大きなツールのスキーマをコンテキストに読み込まずに、目的別の簡潔なコマンドで動けることに置く⁵。READMEのこの比較は、CloudflareのAPIを対象にしていない。Cloudflare自身は2026年2月に、search()とexecute()の2つのツールでCloudflare APIの全体を扱うMCPサーバーを公開し、消費するトークンは約1,000で、APIのエンドポイントの数によらず一定だと書く⁶。CLIの側では、コマンドが少なければ --help の一覧を全部読んでもよいが、3,000個の説明を読めば、それだけでコンテキストの大きな部分を使う。

作り手の答えが cf cli search である。エージェントがやりたいことを自然言語で尋ねると、APIの説明と引数から作った小さな検索索引が、合うコマンドの候補を返す¹。エージェントが初めて --help を実行したとき、cfはこの命令があることを知らせる¹。返ってくる候補の数を告知は書いていないが、候補が少数に収まれば、読む説明の数はコマンドの総数ではなく候補の数で決まる。

同じ問題をモデルの側で解く例がある。Anthropicのtool searchの文書は、利用できるツールが30〜50を超えるとClaudeが正しいツールを選ぶ能力が落ちると書き、すべてのツール定義を先に読み込む代わりに、カタログを検索して必要なツールだけを読み込む仕組みを提供する⁷。同じ文書は、検索を挟めば数千のツールからでも選択の精度は高いままだと書き、ふつうは1回の要求に要る3〜5個のツールだけを読み込むとも書く⁷。cfはCLIの側で、Anthropicはモデルの側で、候補を絞ってから選ばせている。全操作を出す設計である限り、中から探す仕組みは要り続ける。

使う操作が少数で固定なら、手で選んだコマンドで足りる

cfの利点が出ない条件もある。決まった少数の操作だけを繰り返す自動化では、手で選んだ少数のコマンドを渡せば、一覧を読んでも説明は少なく、検索の手順も要らない。tool searchの文書は、ツールが10未満のときや、毎回すべてのツールを使うときには、検索を挟まない通常の呼び出しのほうが合うと書く⁷。同じ手順の配備を毎回繰り返すだけの作業に、全操作のコマンドを渡す必要はない。

本稿の数え方は、エージェントがコマンドを実行するシェルの安全を含まない。Anthropicは、エージェントが生成したコードを実行するには、隔離と資源の制限と監視を備えた実行環境が要ると書いており、本稿は、CLIが全操作を呼べるかどうかによらず、シェルで実行させる限り同じ要件が当てはまると考える⁸。

この記事はAIを使用して執筆されました。内容には誤りが含まれる可能性があります。事実や数字の出典は脚注から確かめられます。