6 月 23 日，腾讯云发布全新边缘 Web 与 AI Agent 托管平台 Tencent Cloud EdgeOne Makers（以下简称 Makers），进一步强化面向 Agent 时代的 AI 全链路布局。在原有 Web 全栈托管能力之上，Makers 全新升级 Agent 开发托管能力，开发者无需自建服务器、配置环境或拼装运行底座，即可统一构建、部署、托管 Web 与 AI Agent 应用，实现“一键开发部署，分钟级全球上线”。

相比此前的边缘全栈开发能力，本次升级新增了 Agent 运行所需的完整底座：运行时、沙箱工具、对话记忆、本地可调试的全链路追踪与内置模型等能力全部内置、开箱即用，开发者无需逐项搭建对接；同时支持 Git、CLI、Skills 等多种接入方式，一行指令便可让主流开发工具中完成的项目便捷部署上线。

Makers 此前已支持一站式全栈网站开发与部署，覆盖从代码编写、全栈构建、部署上线到安全加速的全流程。自 2025 年 12 月正式版上线以来，已服务超 30 万名用户，依托覆盖全球的边缘节点，成为众多中小企业和独立开发者的首选平台，既支撑出海建站，也满足海外服务触达国内用户的需求。

Agent 从开发到落地的现实挑战

早期的 Agent 跟普通后端差别不大——客服、问答、查订单这些场景里，它更像一个带业务接口的 LLM 服务。但随着模型能力增强，Agent 开始真正"动手"——处理文件、改代码、跑测试、操作浏览器、串复杂系统，逐渐接管过去需要人工完成的工作。为了限制权限边界、控制资源使用，沙箱成为必备项。

接下来直觉的做法，是把 Agent 逻辑与工具塞进同一个沙箱，链路短、状态共享方便。这个架构很简洁，但当进入企业级场景，多租户、安全隔离、成本效率等方面会有较多挑战。例如：改一行逻辑要重建一个包含完整工具链的镜像；并发场景下每个对话独占一份完整沙箱，资源开销快速堆叠；Agent 逻辑、凭证跟不可信代码在一个环境中，prompt injection 的攻击面变大；状态绑死在沙箱中，销毁即丢，难以恢复。

于是行业开始探索更解耦的方式——Agent 逻辑、工具沙箱、状态各自独立，每个组件按自己的生命周期调度，互不绑定。

但解耦组件多了，链路变长，环境割裂，落地时通常面临两类难题：要么业务代码与配置都要按平台特定形态写——导入平台 SDK、继承平台基类、声明平台专属配置；要么计算、状态、沙箱、可观测从一堆独立服务里挑出来自己拼装、自己适配框架。本地调试与链路追踪 也变得尤为重要。

随着 AI 编程工具的普及，开发者将创意转化为应用或 Agent 原型的效率大幅提升。然而，从一个可运行的原型，到真正对外上线、稳定服务用户，中间仍缺少一个顺畅的承接平台。一方面，Agent 的运行底座远比普通网页复杂，运行时、记忆、沙箱、链路追踪都要逐项拼装；另一方面，上线后的伸缩、容灾、安全隔离等运维投入同样不可回避。两道门槛叠加，开发者往往要在多个平台与工具间反复拼接，原型到生产的成本常被低估。

EdgeOne Makers 的选择

现在，基于 Makers，开发者能够快速完成构建、部署、运维的一站式流程，Agent 上线时间从天级压缩至分钟级。

在开发环节，灵活开放是 Makers 的突出优势。平台原生适配主流框架，支持 Next.js / Nuxt 等 Web 框架与 OpenAI Agents SDK / LangGraph / Claude Agent SDK / CrewAI 等 Agent 框架，也不限制 JS / Python 等开发语言；接入零侵入，无须引入平台 SDK——开发者在 CodeBuddy、WorkBuddy、Cursor、VS Code 等主流工具中完成的项目，仅需少量适配（调整目录、改写入口函数）即可接入，其余运行与运维能力在部署后自动生效。

此外，无论从零起步还是改造存量，Makers 都能灵活支持。企业可在现有网站中快速添加 Agent 能力：只需在原项目里添加一个目录，Agent 模块即可与现有业务无缝衔接，实现 Web 与 Agent 同项目统一托管；从零开发的用户，可直接使用平台预置的 19 个开发模板，覆盖快速开始、对话助手、文件处理、内容生成、流程编排、定时任务等 6 大场景，并适配主流框架。

在部署环节，开发者可通过 Git 连接与 CLI 命令两种方式将代码部署到 Makers，结合 CI/CD 集成，支持从开发、调试到部署的高频迭代与持续交付。部署成功后，代码自动分发至全球超 3200 个边缘节点，就近触达用户，上线即获得 CDN 加速与安全防护，实现「一键部署，全球分发」。为进一步简化操作，Makers 还支持在 WorkBuddy 中通过 Skill 以自然语言发起部署，由 AI 辅助完成环境判断与部署执行，逐步实现“对话即部署”的开发体验。

几行代码，写一个生产级 Agent

几行代码跑起来

下面通过 CLI 拉一个 OpenAI Agents 模板，先把它跑起来：

$ npm install -g edgeone$ edgeone makers create --template openai-agents-starter-node$ cd openai-agents-starter-node && edgeone makers dev  ▸ runtime  http://localhost:8088  ▸ devtools http://localhost:8088/agent-metrics

打开 :8088 就能直接和模板自带的对话界面聊上。

打开 :8088/agent-metrics，平台已在 Runtime 启动时为 @openai/agents 与 OpenAI SDK 注册好 instrumentor，每一次请求的 LLM 调用、工具调用、Session 读写都自动入树，本地 SQLite 实时落盘——不需要额外接一行埋点代码。

几行代码背后

在模板里的主 handler 中除了一个由平台注入的 context，没有任何来自平台的 import：

// agents/chat/index.ts —— 路径自动映射到 POST /chatimport OpenAI from 'openai'import { Agent, run, OpenAIChatCompletionsModel } from '@openai/agents' export async function onRequest(context: any) {  const { message, conversation_id } = context.request.body  const { AI_GATEWAY_API_KEY, AI_GATEWAY_BASE_URL } = context.env   const client = new OpenAI({ apiKey: AI_GATEWAY_API_KEY, baseURL: AI_GATEWAY_BASE_URL })  const session = context.store.openaiSession(conversation_id)  const agent = new Agent({    name: 'Assistant',    instructions: 'You are a helpful assistant.',    model: new OpenAIChatCompletionsModel(client, '@makers/hy3-preview'),    tools: [context.tools.web_search],  })  const result = await run(agent, message, { session })  return Response.json({ reply: result.finalOutput })}

handler 里出现的三类平台能力——模型网关、会话存储、内置工具——都包在 context 上。

context.env 里的 AI_GATEWAY_* 是项目创建时平台自动签发并注入的环境变量，把它们交给 OpenAI SDK，调用就走内置的 AI 网关，不需要单独申请 Key——平台限时赠送了多种模型的 Token 额度；当然你也可以换成自己的 API Key。

context.store.openaiSession(cid) 返回的是 @openai/agents 原生的 Session，传给 run() 就接管对话历史读写——框架看到的是它自己的接口，平台对框架透明。换到 LangGraph、Claude Agent SDK 等其他框架，context.store 上挂的同样有各框架原生的会话存储类型，底层由平台 Blob 存储接管。

context.tools.* 是平台预置的工具集合，覆盖网页搜索、代码解释器、浏览器操作等常见动作，直接放进框架的 tools 里就行。沙箱类工具会在同对话首次调用时懒起一个微 VM，后续复用，超时回收——不会因为 handler 启动而预热，也不会因为冷启动而每次重建。

需要自定义工具时，context.sandbox 暴露的是沙箱原子接口，可以自由组合：

const runPython = tool({  name: 'run_python',  parameters: z.object({ code: z.string() }),  execute: async ({ code }) => {    const sb = await context.sandbox()       // 懒加载，按对话复用    return await sb.codeInterpreter.run(code)  },})

部署上线

本地跑通后，edgeone makers deploy 一行上线，上线后看到的是同一组 span、同一套 instrumentation。同项目里的前端代码也会一并部署，挂同一个域名。

平台资源调度会按 conversation_id 将同一对话请求落到同一 Agent 实例与工具沙箱，按需创建、空闲回收、业务代码无感。

到这里，一个能跑联网工具、带会话记忆、自带可观测、生产就绪的 Agent 就齐了。开发者真正写的，仍然是 @openai/agents 文档里的那几行。

Makers 团队还备了 LangGraph、Claude Agent SDK、CrewAI、DeepAgents 等其他框架的模板，以及 Python、JavaScript 两个不依赖任何框架的最小示例。除了 edgeone makers create 拉到本地，也可以直接在模板列表里一键部署到自己账号。

Discover Your Website Template - EdgeOne Makers

Makers Agents: 开箱即用的 Agent 开发平台 - EdgeOne Makers

从开发到上线运行到全球分发，Makers 进一步衔接了 Agent 时代的落地路径，让开发者不必再为部署、分发与运维自行搭建维护，从而更专注于 Agent 本身的设计与迭代。

据悉，目前已有团队基于 EdgeOne Makers 落地应用：有出海团队为现有网站接入了 AI 客服，也有开发者把专业经验做成了可对外提供服务的 SaaS 产品。今后，EdgeOne Makers 还将围绕 Agent 开发与运行场景持续迭代，腾讯云也将通过覆盖开发到部署的全链路产品矩阵，进一步释放全球开发者的创造力。

📢 现在注册参与活动，最高领取 5000 万 Tokens！

https://cloud.tencent.com/act/pro/edgeone-makers-agent?from=30074