Cloudflare propone el ciclo de vida de agentes para sustituir al SDLC

Cloudflare ha presentado el Agent Development Lifecycle, una propuesta con la que quiere jubilar el clásico ciclo de vida de desarrollo de software. Su argumento: los modelos generan código cada vez más rápido, pero las fases siguientes se atascan en pipelines de integración continua con humanos en medio. La salida que plantea es pasar de equipos de software a fábricas automatizadas donde los agentes cubren el ciclo completo.

Los requisitos que fija la compañía para esa plataforma son concretos. Tiene que ser programática, escalable en horizontal y dirigida por eventos. Cada agente necesita su propio despliegue de previsualización para poder probar contra entornos de producción a la vez, sin cuellos de botella de staging, y los cambios deben ser atómicos. Los bucles de retroalimentación salen de datos de producción, no de intervenciones manuales.

Workflows como orquestador

Bajo ese esquema, la pieza central es Workflows, el producto de la casa que Cloudflare coloca como capa de orquestación. A diferencia de un pipeline estático, un workflow puede levantar contenedores sobre la marcha, ejecutar navegadores headless y despachar subagentes. Encima de esa primitiva va @cloudflare/ci, un sistema de integración y entrega continua que corre directamente sobre Workflows y permite encadenar pasos con caché de dependencias y soporte de credenciales. Con eso, según Cloudflare, los agentes pueden asumir fallos, corregir errores y clasificar incidencias por su cuenta. En el blog hay un ejemplo de workflow nocturno que recoge hallazgos, lanza a un agente revisor y lee su respuesta.

Trazas y mínimo privilegio

El segundo bloque es la observabilidad. La telemetría de aplicación al uso recoge métricas de infraestructura, pero no la razón detrás de lo que decide un agente. Cloudflare ha sacado un panel con trazas compatibles con OpenTelemetry que muestra las llamadas exactas al modelo, la ejecución de herramientas y el consumo de tokens. Se integra con Think, Flue y el AI SDK, y permite reproducir sesiones, inspeccionar los traspasos entre subagentes y depurar argumentos mal formados sin leer logs a mano.

Para cerrar el círculo está el Agent Access Model. La premisa es que un agente opera a velocidad de máquina y no se puede contener con instrucciones en el prompt, así que las políticas se aplican en las capas de red y de ejecución. Cada agente recibe credenciales de vida corta atadas a una tarea y con un techo de capacidades; un mecanismo de trinquete de confianza las recorta en cuanto el agente toca un recurso protegido. La idea es mantener el mínimo privilegio y cortar el movimiento lateral si al agente le llega una entrada maliciosa.

Cloudflare reconoce que son primeras iteraciones y no ha publicado cifras de rendimiento ni comparativas con pipelines convencionales. Lo relevante para quien opera CI/CD es que aparecen primitivas concretas, y que vienen atadas a su plataforma: orquestación, observabilidad y control de identidad de agentes en el mismo proveedor.