Bài viết này do AI tạo ra, có thể mắc sai sót.
Cloudflare vừa mở beta Radar Researcher, trợ lý cho phép đặt câu hỏi bằng ngôn ngữ tự nhiên để khai thác dữ liệu Internet từ Cloudflare Radar. Thay vì tự tìm biểu đồ, chọn bộ lọc và gọi API, người dùng có thể nhận câu trả lời kèm biểu đồ tương tác dựa trên dữ liệu thực từ mạng Cloudflare.
Cloudflare Radar vốn công bố các góc nhìn từ mạng toàn cầu của hãng, gồm DNS từ resolver 1.1.1.1, HTTP traffic và dữ liệu chất lượng mạng từ Cloudflare Speed Test. Radar Researcher đặt lớp giao tiếp hội thoại lên các nguồn dữ liệu này: người dùng mô tả điều muốn biết, hệ thống tìm endpoint phù hợp rồi trả về câu trả lời với biểu đồ tương tác.
Điểm quan trọng là số liệu không được suy đoán từ ảnh biểu đồ. Theo Cloudflare, khi có dữ liệu, hệ thống giữ kết quả API trong một “envelope”; model chỉ sinh đặc tả biểu đồ tham chiếu đến đường dẫn dữ liệu. Frontend sau đó render bằng thành phần biểu đồ Radar có sẵn. Cách này giảm rủi ro model làm tròn, cắt ngắn hoặc diễn giải sai dãy số.
Mỗi câu trả lời có trace mở rộng để kiểm tra cách model diễn giải câu hỏi, dataset nào đã được gọi và quá trình xử lý. Đây là chi tiết đáng giá với kỹ sư mạng, nhà báo và nhóm vận hành: biểu đồ đẹp không đủ; cần biết kết luận dựa trên tập dữ liệu và phạm vi lọc nào.
Radar Researcher cũng nhận ngữ cảnh của biểu đồ hiện có. Khi dùng chức năng Explain with AI, hệ thống nhận ảnh chụp biểu đồ, số liệu thô từ Radar API và tham số như vị trí, khoảng ngày, bộ lọc. Vì vậy lời giải thích bám vào đúng biểu đồ đang xem, không phải mô tả chung chung.
Cloudflare đưa ví dụ về shutdown Internet tại Iran đầu năm 2026. Radar Researcher có thể tra event outage và dữ liệu traffic tương ứng, sau đó dựng timeline bằng ngôn ngữ dễ đọc. Trong ví dụ của hãng, HTTP traffic index tại Iran giảm từ khoảng 0,58 ngày 7/1 xuống gần 0 vào 9/1, bắt đầu hồi phục một phần quanh 17/1 và quay về gần mức trước đó vào 27/1.
Đây không phải kết luận để áp dụng máy móc cho mọi sự cố. Nhưng với NOC, SOC, ISP, báo chí dữ liệu hoặc nhóm nghiên cứu, cách hỏi trực tiếp rồi kiểm tra trace có thể rút ngắn thời gian từ tín hiệu bất thường đến bước phân tích ban đầu.
Mỗi hội thoại chạy trong Durable Object, có SQLite riêng để lưu lịch sử, tiêu đề và phản hồi streaming. Thành phần xử lý chính là Cloudflare Worker; model chạy qua Workers AI, còn AI Gateway đảm nhiệm logging, cache, theo dõi chi phí và lớp an toàn. Cloudflare dùng Cloudflare MCP server với Code Mode để agent tìm OpenAPI spec, viết đoạn mã nhỏ và gọi trực tiếp API Radar thay vì đóng cứng công cụ cho từng endpoint.
Thiết kế này có lợi thế mở rộng: khi Radar thêm dataset, agent có thể tìm thấy qua spec thay vì chờ cập nhật prompt thủ công. Đổi lại, người vận hành vẫn cần coi câu trả lời AI là lớp hỗ trợ phân tích, không thay thế kiểm chứng độc lập khi xử lý incident hoặc đưa ra quyết định vận hành.
Cloudflare cũng công bố hỗ trợ WebMCP trên Radar. API imperative có thể đăng ký tool JavaScript để agent điều khiển các chức năng UI như lọc theo quốc gia, khu vực, châu lục hoặc ASN; đổi ngày; tìm page và thực thể. API declarative biến form HTML hiện có thành tool để agent quét URL, tra báo cáo domain hoặc kiểm tra post-quantum TLS key exchange.
Hãng nhấn mạnh đây là progressive enhancement: browser không hỗ trợ WebMCP vẫn hoạt động bình thường. Với người quản trị web và mạng, đây là ví dụ đáng theo dõi về cách mở giao diện dữ liệu cho agent mà không buộc agent phải scrape DOM một cách giòn và khó kiểm soát.
Radar Researcher có thể giúp người không quen API tiếp cận dữ liệu Internet nhanh hơn. Tuy nhiên, câu hỏi đặt ra, phạm vi thời gian, lựa chọn quốc gia/ASN và cách đọc baseline vẫn quyết định chất lượng kết luận. Trace và dữ liệu gốc là phần cần được dùng để kiểm chứng, không phải chi tiết trang trí.
Trong sự cố, thời gian thường mất ở khâu định vị dashboard, lọc dữ liệu và so sánh nhiều góc nhìn. Nếu công cụ có thể dựng biểu đồ đúng dữ liệu và gợi ý câu hỏi tiếp theo, đội vận hành có thêm một điểm vào nhanh hơn cho triage. Kết quả vẫn nên được đối chiếu với telemetry nội bộ, BGP, DNS, log CDN và thông báo từ upstream.
Việc chuẩn hoá thao tác cho agent có thể bền vững hơn automation dựa vào click và DOM selector. Các portal nội bộ nếu muốn đi theo hướng này cần phân quyền kỹ, giới hạn hành động ghi và lưu audit log; không nên để agent có quyền thao tác vận hành nhạy cảm chỉ vì UI đã “agent-ready”.
Radar Researcher đưa dữ liệu Internet công khai vào giao diện hội thoại nhưng vẫn giữ biểu đồ tương tác, dữ liệu API và trace để kiểm tra. Với cộng đồng network, giá trị không nằm ở việc thay kỹ sư bằng chatbot mà ở chỗ rút ngắn đường từ câu hỏi đến dữ liệu có thể xác minh.
