Think

@cloudflare/think では、1 つの基底クラスを継承するだけで、状態を持つ AI チャットエージェントを構築できます。返信をストリーミングし、会話を覚え、ツールを呼び出します。getModel() でモデルを渡すと、Think がチャットライフサイクルの残りを接続します。エージェントループ（モデルがツールを呼び、結果を読み、答えが出るまで続ける）、メッセージ永続化、ストリーミング、クライアントツール、ストリーム再開、拡張機能です。すべては Durable Object の SQLite が支えます。

Think は トップレベルエージェント（useAgentChat 経由でブラウザークライアントと WebSocket チャット）と サブエージェント（別のエージェントが chat() で RPC 駆動する子エージェント）の両方として使えます。

クイックスタート

インストール

npm i @cloudflare/think @cloudflare/ai-chat agents ai @cloudflare/shell zod workers-ai-provider

yarn add @cloudflare/think @cloudflare/ai-chat agents ai @cloudflare/shell zod workers-ai-provider

pnpm add @cloudflare/think @cloudflare/ai-chat agents ai @cloudflare/shell zod workers-ai-provider

bun add @cloudflare/think @cloudflare/ai-chat agents ai @cloudflare/shell zod workers-ai-provider

Think は AI SDK v6 と v7 に対応しています。ai@^6 は @ai-sdk/react@^3 と、ai@^7 は @ai-sdk/react@^4 と組み合わせます。プロジェクト全体で、AI SDK パッケージのメジャーバージョンを揃えてください。

サーバー

import { Think } from "@cloudflare/think";
import { createWorkersAI } from "workers-ai-provider";
import { routeAgentRequest } from "agents";

export class MyAgent extends Think {
	getModel() {
		return createWorkersAI({ binding: this.env.AI })(
			"@cf/moonshotai/kimi-k2.6",
		);
	}
}

export default {
	async fetch(request, env) {
		return (
			(await routeAgentRequest(request, env)) ||
			new Response("Not found", { status: 404 })
		);
	},
};

import { Think } from "@cloudflare/think";
import { createWorkersAI } from "workers-ai-provider";
import { routeAgentRequest } from "agents";

export class MyAgent extends Think<Env> {
	getModel() {
		return createWorkersAI({ binding: this.env.AI })(
			"@cf/moonshotai/kimi-k2.6",
		);
	}
}

export default {
	async fetch(request: Request, env: Env) {
		return (
			(await routeAgentRequest(request, env)) ||
			new Response("Not found", { status: 404 })
		);
	},
} satisfies ExportedHandler<Env>;

これで完了です。Think が WebSocket チャットプロトコル、メッセージ永続化、エージェントループ、メッセージのサニタイズ、ストリーム再開、クライアントツール対応、ワークスペースファイルツールを処理します。

クライアント

import { useAgent } from "agents/react";
import { useAgentChat } from "@cloudflare/ai-chat/react";

function Chat() {
	const agent = useAgent({ agent: "MyAgent" });
	const { messages, sendMessage, status } = useAgentChat({ agent });

	return (
		<div>
			{messages.map((msg) => (
				<div key={msg.id}>
					<strong>{msg.role}:</strong>
					{msg.parts.map((part, i) =>
						part.type === "text" ? <span key={i}>{part.text}</span> : null,
					)}
				</div>
			))}

			<form
				onSubmit={(e) => {
					e.preventDefault();
					const input = e.currentTarget.elements.namedItem("input");
					sendMessage({ text: input.value });
					input.value = "";
				}}
			>
				<input name="input" placeholder="Send a message..." />
				<button type="submit">Send</button>
			</form>
		</div>
	);
}

import { useAgent } from "agents/react";
import { useAgentChat } from "@cloudflare/ai-chat/react";

function Chat() {
	const agent = useAgent({ agent: "MyAgent" });
	const { messages, sendMessage, status } = useAgentChat({ agent });

	return (
		<div>
			{messages.map((msg) => (
				<div key={msg.id}>
					<strong>{msg.role}:</strong>
					{msg.parts.map((part, i) =>
						part.type === "text" ? <span key={i}>{part.text}</span> : null,
					)}
				</div>
			))}

			<form
				onSubmit={(e) => {
					e.preventDefault();
					const input = e.currentTarget.elements.namedItem(
						"input",
					) as HTMLInputElement;
					sendMessage({ text: input.value });
					input.value = "";
				}}
			>
				<input name="input" placeholder="Send a message..." />
				<button type="submit">Send</button>
			</form>
		</div>
	);
}

設定

{
  "$schema": "./node_modules/wrangler/config-schema.json",
  // Set this to today's date
  "compatibility_date": "2026-09-20",
  "compatibility_flags": [
    "nodejs_compat"
  ],
  "ai": {
    "binding": "AI"
  },
  "durable_objects": {
    "bindings": [
      {
        "class_name": "MyAgent",
        "name": "MyAgent"
      }
    ]
  },
  "migrations": [
    {
      "new_sqlite_classes": [
        "MyAgent"
      ],
      "tag": "v1"
    }
  ]
}

# Set this to today's date
compatibility_date = "2026-09-20"
compatibility_flags = ["nodejs_compat"]

[ai]
binding = "AI"

[[durable_objects.bindings]]
class_name = "MyAgent"
name = "MyAgent"

[[migrations]]
new_sqlite_classes = ["MyAgent"]
tag = "v1"

トレーシング

Think は内部で wrapAISDK() を使い、モデルターン、ツール呼び出し、承認ライフサイクルの区間を計測します。AI SDK をラップしたり、アダプターを設定したりする必要はありません。invoke_agent、chat、execute_tool、tool_approval のスパンを Workers Observability へ送るには、Workers トレースを有効にします。

{
  "$schema": "./node_modules/wrangler/config-schema.json",
  "observability": {
    "traces": {
      "enabled": true
    }
  }
}

[observability.traces]
enabled = true

トレースは Cloudflare ダッシュボードの Agents ビューに表示されます。会話とトレースのタイムラインを確認できます。トレーシングをオフにするには、observability.traces.enabled を false にします。Think のエージェントクラスを変更する必要はありません。

スパン属性、ペイロード制御、トレースのエクスポート、AI SDK v6 または v7 の直接セットアップはトレーシングを参照してください。

Think と AIChatAgent の比較

Think と AIChatAgent はどちらも Agent を継承し、同じ cf_agent_chat_* WebSocket プロトコルを話します。目的は異なります。

AIChatAgent はプロトコルアダプターです。onChatMessage をオーバーライドし、streamText の呼び出し、ツールの接続、メッセージ変換、Response の返却は自分で担当します。AIChatAgent が処理するのは配管です。メッセージ永続化、ストリーミング、中止、再開です。LLM 呼び出しそのものはすべて呼び出し側の責任です。

Think は方針の決まったフレームワークです。判断は枠組み側が行います。getModel() がモデルを返し、getSystemPrompt() または configureSession() がプロンプトを設定し、getTools() がツールを返します。デフォルトの onChatMessage が完全なエージェントループを実行します。パイプライン全体ではなく、個別の部品をオーバーライドします。

観点	AIChatAgent	Think
最小のサブクラス	約 15 行（`streamText` + ツール + システムプロンプト + 応答）	3 行（`getModel()` のみ）
ストレージ	平坦な SQL テーブル	Session: ツリー構造のメッセージ、コンテキストブロック、コンパクション、FTS5
再生成	破壊的（古い応答を削除）	非破壊的な分岐（古い応答を保持）
コンテキスト管理	手動	LLM が読み書きできる永続メモリ付きコンテキストブロック
サブエージェント RPC	組み込みなし	`StreamCallback` 付き `chat()`
プログラム起点のターン	`saveMessages()`	`saveMessages()`、`submitMessages()`、`continueLastTurn()`
コンパクション	`maxPersistedMessages`（最も古いものを削除）	オーバーレイによる非破壊的な要約
検索	なし	セッション内およびセッション横断の FTS5 全文検索

AIChatAgent を使う場合

LLM 呼び出しを完全に制御したい（RAG、複数モデル、独自ストリーミング）
HTTP ミドルウェアやテスト向けに Response 戻り値が欲しい
メモリ要件のないシンプルなチャットボットを作る

Think を使う場合

早く出荷したい（すべて接続済みの 3 行サブクラス）
永続メモリが必要（モデルが読み書きできるコンテキストブロック）
長い会話が必要（非破壊的なコンパクション）
会話検索が必要（FTS5）
サブエージェントシステムを作る（ストリーミング付きの親子 RPC）
能動的なエージェントが必要（スケジュールタスクや webhook からのプログラム起点ターン）
webhook や RPC 呼び出し元向けの、耐久的な非同期サブミッションが必要

ターン API を選ぶ

Think には、ターンを開始または継続する方法がいくつかあります。どれも 1 つの公開エントリポイント runTurn(options) に集まります。古いメソッドは便利なショートカットとして残っています。

runTurn()

runTurn() は、統一されたターン受付 API です。1 つのメソッド、3 つのモードで、options.mode で選びます。

モード	使うとき	戻り値	ショートカット先
`"wait"`（デフォルト）	呼び出し側が、モデル応答の完了までブロックできる	`Promise<TurnResult>`	`saveMessages()`
`"submit"`	素早い耐久的な受付と、あとからの状態確認が必要	`Promise<SubmitMessagesResult>`	`submitMessages()`
`"stream"`	応答をコールバックへストリーミングしたい（RPC）	`Promise<void>`	`chat()`

input は文字列、UIMessage、メッセージ配列、または wait と stream モードでは受付時に評価される関数 (current) => UIMessage[] を受け付けます（submit は関数入力を受け付けません）。

export class Assistant extends Think {
	async examples(inboundEventId) {
		// wait — block for the result
		const result = await this.runTurn({ input: "Summarize the latest thread" });
		if (result.status === "completed") {
			// result.message is the assistant message; result.continuation is false
		}

		// submit — durable acceptance, check status later
		const submission = await this.runTurn({
			mode: "submit",
			input: "Process this webhook",
			idempotencyKey: inboundEventId, // dedupe; safe to retry
		});
		// submission.accepted is true on first accept; submission.status is "pending"

		// stream — drive a callback (the same surface as chat())
		await this.runTurn({
			mode: "stream",
			input: "Stream me",
			callback: {
				onStart({ requestId }) {},
				onEvent(json) {}, // UIMessageChunk JSON
				onDone() {},
				onError(error) {},
			},
		});

		// continuation — continue the last assistant turn instead of sending input
		await this.runTurn({ continuation: true });
	}
}

export class Assistant extends Think<Env> {
	async examples(inboundEventId: string) {
		// wait — block for the result
		const result = await this.runTurn({ input: "Summarize the latest thread" });
		if (result.status === "completed") {
			// result.message is the assistant message; result.continuation is false
		}

		// submit — durable acceptance, check status later
		const submission = await this.runTurn({
			mode: "submit",
			input: "Process this webhook",
			idempotencyKey: inboundEventId, // dedupe; safe to retry
		});
		// submission.accepted is true on first accept; submission.status is "pending"

		// stream — drive a callback (the same surface as chat())
		await this.runTurn({
			mode: "stream",
			input: "Stream me",
			callback: {
				onStart({ requestId }) {},
				onEvent(json) {}, // UIMessageChunk JSON
				onDone() {},
				onError(error) {},
			},
		});

		// continuation — continue the last assistant turn instead of sending input
		await this.runTurn({ continuation: true });
	}
}

主な動作:

ブロッキングモードは入れ子にできません。 稼働中のターンの内側（例: ツールの execute）から wait / stream / continuation（または同等のショートカット）を呼ぶと例外になります。ターンキューがデッドロックするためです。ターン内からは runTurn({ mode: "submit" })（耐久的で、現在のターンがキューを空けたあとに実行）か、addMessages()（トランスクリプトのみ、推論なし）を使います。
submit はべき等です。 submissionId や idempotencyKey を渡します。既知のキーを再提出すると、2 つ目のターンは始まらず、既存レコードが accepted: false で返ります。プログラム起点のサブミッションを参照してください。
復旧に安全です。 wait、stream、排出済みの submit 経路は、復旧ファイバー内で推論を実行します。中断したターンは退避後に再開します。

runTurn は、オプションと結果の型と一緒にエクスポートされます。RunTurnOptions、RunTurnWait、RunTurnSubmit、RunTurnStream、TurnInputMessages、TurnResult です。

ショートカットを選ぶ

次の表は、各シナリオを最も直接的な呼び出しに対応づけます。各ショートカットのシグネチャは変わりません。狭い面だけ欲しいときはショートカットを、1 つのメンタルモデルで揃えたいときは runTurn() を使います。

用途	API
ブラウザーユーザーがチャットメッセージを送る	WebSocket チャットプロトコル上の `useAgentChat`
サーバーコードがモデル応答を待てる	`saveMessages()`
サーバーコードが素早い耐久的な受付と、あとからの状態確認を必要とする	`submitMessages()`
繰り返しのプロンプト駆動ターンやハンドラーを作る	`getScheduledTasks()`
親コードが特定の子へ直接ストリーミング RPC する	`subAgent(...).chat()`
親が保持する子エージェントへ作業を委譲する	`agentTool()` または `runAgentTool()`
ターンをアプリ所有のべき等な副作用で囲む	`startFiber()`
複数ステップの耐久オーケストレーションを調整する	Workflows
モデルターンを始めずにコンテキストやメッセージを追加する	`addMessages()`
高度なサブクラスや復旧コードがアシスタントターンを継続する	`continueLastTurn()`

呼び出し側がトリガーを所有し、ターン完了を待てる場合は saveMessages() を使います。タイムアウトの曖昧さで再試行が危険になる場合は submitMessages() を使います。

ターンなしでメッセージを追加する

モデルターンを始めずにトランスクリプトへ書き込むには addMessages() を使います。過去の履歴の取り込みや、次のターンが見るべき背景コンテキストの注入に使います。

export class Assistant extends Think {
	async importContext() {
		await this.addMessages([
			{
				id: crypto.randomUUID(),
				role: "user",
				parts: [{ type: "text", text: "Imported context" }],
			},
		]);
	}
}

export class Assistant extends Think<Env> {
	async importContext() {
		await this.addMessages([
			{
				id: crypto.randomUUID(),
				role: "user",
				parts: [{ type: "text", text: "Imported context" }],
			},
		]);
	}
}

addMessages() は Session ツリーへ追加（または upsert）します。

推論は実行せず、ターンキューにも入りません。ツールの execute 内から呼んでもデッドロックしません。
配列の要素は直線的に追加されます（それぞれ直前の要素の下に付きます）。取り込んだ履歴は 1 本のパスのままです。デフォルトでは最初のメッセージが、最新のコミット済みリーフに付きます。別の場所へ付けるには parentId を渡し、ルートメッセージにするには null を渡します。
追加は メッセージ id でべき等 です。既存メッセージをその場で更新するには { mode: "upsert" } を渡します。

推奨パターンは「コンテキストを追加してからターンを実行」です。addMessages() のあと runTurn() を呼びます。

転送、キャンセル、再生ポリシーを自分のコードが持つ、低レベルの親子ストリーミングには chat() を使います。親モデルや workflow が子エージェントへ委譲し、保持された子の実行、イベント再生、中止の橋渡し、UI ドリルインが欲しい場合はツールとしての Agents を使います。

ターン周辺のアプリケーションジョブが耐久単位である場合（webhook を一度だけ受け付ける、シリアライズされたチャネルやスレッド先を復元する、見える返信を投稿する、アプリレベルの復旧ポリシーを記録する）は、Think の外で startFiber() を使います。Think のサブミッションは会話受付とターンの直列化を担当し、managed fiber は外部ジョブの受付、べき等な副作用、アプリケーション復旧を担当します。

謝辞

Think の設計は Pi ↗ に着想を得ています。

例

Assistant の例

サブエージェントルーティング、共有ワークスペース、MCP、チャット復旧、GitHub OAuth を備えた、複数セッションの Think アシスタントを確認します。

Think

クイックスタート

インストール

サーバー

クライアント

設定

トレーシング

Think と AIChatAgent の比較

AIChatAgent を使う場合

Think を使う場合

ターン API を選ぶ

runTurn()

ショートカットを選ぶ

ターンなしでメッセージを追加する

このセクションの内容

はじめに

設定

ツール

アクション

チャネル

ライフサイクルフック

クライアントツール

メッセンジャー

スケジュールタスク

Workflows

サブエージェント RPC

プログラム起点のサブミッション

耐久復旧

Agent Skills

謝辞

例

Assistant の例

関連