Vercel 官方部落格分析了當前網站面臨的三種主要 AI 機器人(Bot)流量:用於模型訓練的「訓練爬蟲」、用於即時生成回答的「搜尋引擎」,以及代表用戶執行任務的「AI 代理人」。這三者對網站的價值與頻寬消耗各不相同。文章指導開發者如何利用 robots.txt、Vercel 防火牆(Firewall)與 Edge Middleware,針對不同類型的 AI 流量進行精準的允許、限制或阻擋,以在保護智慧財產權與獲取搜尋流量之間取得平衡。
Vercel 宣布推出 Vercel MCP(Model Context Protocol)伺服器,讓開發者能將 Vercel 平台與支援 MCP 的 AI 工具(如 Claude Desktop、Cursor 等)無縫連接。透過此整合,AI 助手可以直接讀取專案狀態、管理部署、查詢日誌並調整環境變數。這大幅提升了 AI 輔助開發的效率,讓開發者在編輯器中就能透過自然語言完成 Vercel 的運維操作。
Vercel 宣布支援 Model Context Protocol (MCP) 伺服器部署。開發者現在可以將 MCP 伺服器作為 Serverless Functions 部署在 Vercel 上,並透過 SSE (Server-Sent Events) 與 Claude Desktop 或 Cursor 等 AI 工具連接。這簡化了 AI Agent 連結私有數據與 API 的流程,並享有 Vercel 的即時擴展與安全管理優勢。
數位體驗平台 Sitecore 透過 Vercel AI SDK 打造了其全新的 AI 助手「Sitecore Stream」。該助手專為企業行銷人員設計,能理解並遵循品牌規範。文章深入探討了如何利用 AI SDK 的串流(Streaming)、工具呼叫(Tool Calling)等功能,快速整合多種大語言模型,並在 Next.js 環境下提供流暢、安全的品牌專屬 AI 互動體驗。
本文探討如何透過 Vercel Workflow 優化 AI 分析應用的開發與交付。AI 任務通常耗時且步驟複雜,傳統 Serverless 容易遇到超時問題。Vercel Workflow 提供多步驟、具狀態且支援自動重試的架構,讓開發者能輕鬆串接 LLM API 與資料處理流程,大幅提升 AI 分析的執行效率與系統穩定性。