Cloudflare تطلق Radar Researcher لاستكشاف بيانات الإنترنت عبر المحادثة والرسوم التفاعلية
بدأت Cloudflare إتاحة Radar Researcher كنسخة beta داخل Cloudflare Radar. تتيح الأداة طرح أسئلة بلغة طبيعية حول اتجاهات الإنترنت وبيانات الحركة والجودة، ثم تعرض إجابات مصحوبة برسوم تفاعلية مبنية على بيانات Radar الفعلية عبر API، دون الحاجة إلى التنقل بين الصفحات أو كتابة استعلامات API يدوياً.
أبرز النقاط
- Radar Researcher متاح كنسخة beta داخل جميع صفحات Cloudflare Radar.
- يحوّل الأسئلة باللغة الطبيعية إلى إجابات ورسوم Radar تفاعلية تستند إلى بيانات API الفعلية.
- يمكن شرح أي رسم موجود في Radar عبر خيار Explain with AI الذي يمرر الرسم والبيانات والفلاتر الحالية إلى الأداة.
- تعرض الأداة trace يوضح تفسير السؤال ومصادر البيانات واستدعاءات الأدوات المستخدمة في الإجابة.
- بُنيت الخدمة على Cloudflare Workers وAgents SDK وDurable Objects وWorkers AI وAI Gateway.
- يستخدم الوكيل Cloudflare MCP server وCode Mode للوصول إلى Radar API دون تعريف ثابت لكل endpoint.
- أضافت Cloudflare دعماً لـ WebMCP كي تتمكن وكلاء المتصفح من التعامل مع وظائف Radar مباشرة.
أضافت Cloudflare أداة Radar Researcher إلى منصة Cloudflare Radar في إصدار beta، لتجعل استكشاف بيانات الإنترنت العالمية أقرب إلى محادثة مباشرة. بدلاً من البحث عن الصفحة المناسبة وضبط الفلاتر أو الرجوع إلى توثيق API، يمكن للمستخدم كتابة السؤال بلغة طبيعية والحصول على شرح مختصر ورسوم Radar التفاعلية المرتبطة بالبيانات.
تعتمد الأداة على البيانات المفتوحة التي ينشرها Radar من شبكة Cloudflare، وتشمل مؤشرات مثل طلبات DNS عبر 1.1.1.1، وحركة HTTP، وبيانات جودة الاتصال التي يجمعها Cloudflare Speed Test. وتؤكد الشركة أن الإجابات تستند إلى Radar API، وليس إلى تخمينات نموذج اللغة وحدها.
يتوفر Radar Researcher في كل صفحات Radar عبر لوحة جانبية يمكن فتحها من الترويسة، بحيث يواصل المستخدم تصفح المنصة أثناء المحادثة. يمكن اختيار إجابة موجزة أو تقرير أوسع متعدد المحاور، كما تقترح الأداة أسئلة متابعة، وتحفظ المحادثات في سجل قابل للبحث والتثبيت والمشاركة. روابط المحادثات المشتركة تنتهي صلاحيتها تلقائياً بعد 30 يوماً.
من النقاط المهمة للمستخدمين التقنيين أن الأداة تعرض trace قابلاً للتوسيع يوضح كيف فسّر الـ LLM السؤال، ومجموعات البيانات التي بحث فيها، واستدعاءات الأدوات التي استخدمها للوصول إلى النتيجة. وعند استخدام خيار Explain with AI بجوار أي رسم في Radar، تحصل الأداة على الرسم المعروض وبياناته الدقيقة من API ومعلمات العرض الحالية، مثل الموقع والفترة الزمنية والفلاتر، ثم تشرح ذلك السياق تحديداً.
تقنياً، بُنيت الخدمة بالكامل على منصة مطوري Cloudflare. تعمل المحادثات عبر Cloudflare Worker يستخدم Cloudflare Agents SDK، وكل محادثة هي Durable Object بحالة مستقلة وقاعدة SQLite خاصة بها. وتستخدم Workers AI نماذج مفتوحة، من بينها Kimi K2.7، مع سلسلة fallback عبر ثلاث عائلات نماذج، فيما تمر الاستدعاءات عبر AI Gateway للتسجيل وتتبع التكلفة والتخزين المؤقت ووسائل الحماية.
بدلاً من بناء أداة منفصلة لكل endpoint من مئات endpoints في Radar API، يربط الفريق الوكيل بـ Cloudflare MCP server عبر Code Mode. يمتلك النموذج ثلاث أدوات فقط: البحث والتنفيذ والتوثيق؛ ثم يبحث في مواصفات OpenAPI عن الـ endpoint الملائم وينفذ كوداً صغيراً لجلب البيانات الحية. هذا يعني أن إضافة مجموعات بيانات جديدة إلى Radar يمكن أن تصبح متاحة للأداة من دون تعديل ثابت في الـ prompt.
ولضمان دقة الرسوم، لا يطلب Radar Researcher من النموذج كتابة الأرقام داخل النص. يعيد الكود مسار API مع النتيجة، بينما يصدر النموذج مواصفة رسم خفيفة تشير إلى هذا المسار. بعد ذلك يعرض frontend الرسوم باستخدام مكونات التصور نفسها الموجودة في Radar، ما يحافظ على ارتباط الرسم بالبيانات الدقيقة القادمة من API.
أضافت Cloudflare أيضاً دعماً لـ WebMCP في Radar، وهو معيار ويب ناشئ يتيح لوكلاء المتصفح اكتشاف أدوات الصفحة واستدعاءها مباشرة بدلاً من تحليل DOM ومحاولة تخمين طريقة عمل الواجهة. يمكن للوكلاء مثلاً تغيير البلد أو المنطقة أو ASN والفترة الزمنية، والبحث داخل Radar، إضافة إلى استخدام وظائف مثل URL Scanner وفحص تقرير نطاق أو دعم post-quantum TLS.
Radar Researcher متاح حالياً كنسخة beta عبر Cloudflare Radar، وتقول الشركة إنها ستواصل توسيع مجموعات البيانات التي تفهمها الأداة وتحسين التحليل وطرق التفاعل معها.
لماذا يهم؟
تزيل الأداة جزءاً كبيراً من حاجز الوصول إلى بيانات الإنترنت لمن يحتاج نتيجة سريعة أو استكشافاً أولياً، مثل المطورين ومشغلي الشبكات والباحثين والصحفيين. والأهم عملياً أن الرسوم لا تُبنى من أرقام يولدها الـ LLM، بل من نتائج Radar API نفسها، مع trace يساعد المستخدم على مراجعة مسار الوصول إلى النتيجة. كما يقدم تنفيذها مثالاً واضحاً على بناء agent يتعامل مع API واسعة عبر MCP وOpenAPI بدلاً من صيانة أدوات مخصصة لكل endpoint.