Workers バインディング

このガイドでは、最初の Workers AI プロジェクトのセットアップとデプロイ手順を説明します。Workers、Workers AI バインディング、大規模言語モデル（LLM）を使い、Cloudflare のグローバルネットワーク上に最初の AI アプリケーションをデプロイします。

1. Cloudflare アカウント ↗ に登録します。
2. Node.js ↗ をインストールします。

create-cloudflare CLI（C3）で新しい Worker プロジェクトを作成します。C3 ↗ は、Cloudflare への新規アプリケーションのセットアップとデプロイを支援するコマンドラインツールです。

次のコマンドで、hello-ai という名前の新しいプロジェクトを作成します。

npm create cloudflare@latest -- hello-ai

yarn create cloudflare hello-ai

pnpm create cloudflare@latest hello-ai

npm create cloudflare@latest を実行すると、create-cloudflare パッケージ ↗ のインストールを求められ、セットアップが進みます。C3 は Cloudflare Developer Platform CLI である Wrangler もインストールします。

セットアップでは、次のオプションを選びます。

• What would you like to start with? では、Hello World example を選びます。
• Which template would you like to use? では、Worker only を選びます。
• Which language do you want to use? では、TypeScript を選びます。
• Do you want to use git for version control? では、Yes を選びます。
• Do you want to deploy your application? では、No を選びます（デプロイ前にいくつか変更します）。

これで新しい hello-ai ディレクトリが作成されます。hello-ai ディレクトリには次が含まれます。

• src/index.ts にある "Hello World" Worker。
• wrangler.jsonc 設定ファイル。

アプリケーションのディレクトリへ移動します。

cd hello-ai

Worker を Workers AI に接続するには、AI バインディングを作成する必要があります。Bindings を使うと、Workers から Cloudflare Developer Platform 上のリソース（Workers AI など）とやり取りできます。

Workers AI を Worker にバインドするには、Wrangler ファイルの末尾に次を追加します。

{
	"ai": {
		"binding": "AI"
	}
}

[ai]
binding = "AI"

バインディングは、Worker コード内の env.AI で 利用できます。

Pages Function に Workers AI をバインドすることもできます。詳細は Functions Bindings を参照してください。

これで Worker 内で推論タスクを実行できます。ここでは LLM の gemma-4-26b-a4b-it を使い、質問に答えます。

hello-ai アプリケーションディレクトリの index.ts を、次のコードで更新します。

export default {
	async fetch(request, env) {
		const response = await env.AI.run("@cf/google/gemma-4-26b-a4b-it", {
			messages: [
				{
					role: "system",
					content: "You are a helpful assistant.",
				},
				{
					role: "user",
					content: "What is the origin of the phrase Hello, World",
				},
			],
			chat_template_kwargs: {
				enable_thinking: false,
			},
		});

		return Response.json(response);
	},
};

export interface Env {
	// If you set another name in the Wrangler config file as the value for 'binding',
	// replace "AI" with the variable name you defined.
	AI: Ai;
}

export default {
	async fetch(request, env): Promise<Response> {
		const response = await env.AI.run("@cf/google/gemma-4-26b-a4b-it", {
			messages: [
				{
					role: "system",
					content: "You are a helpful assistant.",
				},
				{
					role: "user",
					content: "What is the origin of the phrase Hello, World",
				},
			],
			chat_template_kwargs: {
				enable_thinking: false,
			},
		});

		return Response.json(response);
	},
} satisfies ExportedHandler<Env>;

ここまでで、Worker に AI バインディングを作成し、reasoning を無効にした Gemma 4 26B A4B モデルを実行するよう Worker を設定しました。グローバルにデプロイする前に、プロジェクトをローカルでテストできます。

プロジェクトディレクトリで wrangler dev を実行し、Workers AI をローカルでテストします。

npx wrangler dev

wrangler dev の実行後、ログインを求められます。npx wrangler dev を実行すると、Wrangler は Worker を確認するための URL（多くの場合 localhost:8787）を表示します。Wrangler が提示する URL を開くと、次のような形の応答が返ります。

{
	"id": "<generated id>",
	"object": "chat.completion",
	"created": 0,
	"model": "@cf/google/gemma-4-26b-a4b-it",
	"choices": [
		{
			"index": 0,
			"message": {
				"role": "assistant",
				"content": "<generated response>",
				"refusal": null
			},
			"finish_reason": "stop",
			"logprobs": null
		}
	]
}

AI Worker をグローバルにデプロイする前に、次のコマンドで Cloudflare アカウントにログインします。

npx wrangler login

Cloudflare ダッシュボードへのログインを求める Web ページが開きます。ログイン後、Wrangler が Cloudflare アカウントを変更してよいか確認されます。下にスクロールし、Allow を選んで続行します。

最後に Worker をデプロイし、プロジェクトをインターネットから利用できるようにします。次のコマンドでデプロイします。

npx wrangler deploy

https://hello-ai.<YOUR_SUBDOMAIN>.workers.dev

Worker は、カスタムの workers.dev サブドメインにデプロイされます。この URL を開くと、AI Worker を実行できます。

このチュートリアルを完了すると、Worker を作成し、AI バインディングで Workers AI に接続し、Gemma 4 26B A4B モデルで推論タスクを実行できるようになります。

• Cloudflare Developers community on Discord ↗ - Cloudflare Discord サーバーに参加し、機能リクエストの送信、バグ報告、フィードバックの共有を Cloudflare チームへ直接行えます。
• Models - Workers AI のモデルカタログを閲覧します。
• AI SDK - AI モデルとの統合方法を確認します。