Cloudflare web च्या मोठ्या भागाच्या पुढे बसते. अनेक teams साठी ते CDN, DNS provider, firewall आणि abusive automation विरुद्धची पहिली संरक्षणरेषा, हे सगळे एकाच ठिकाणी असते. त्याची bot products ह्याच स्थानासाठी बनवलेली आहेत: ती traffic लवकर पाहतात, त्याला challenge करायचे की थांबवायचे ते ठरवतात, आणि site owners ना crawlers, त्यात AI crawlers सुद्धा, त्यांच्या content पर्यंत कसे पोहोचतील यावर नियंत्रण देतात.
तुमच्या application ला वेगळा प्रश्न सोडवायचा असतो. request edge मधून गेल्यानंतर तुमच्या code ला कोण किंवा काय act करत आहे हे माहित असणे गरजेचे असते, जेणेकरून ते योग्य experience निवडू शकेल. हा person आहे का, AI assistant सोबत काम करणारा person आहे का, customer साठी काम करणारा agent आहे का, किंवा evidence ज्याचे स्पष्टीकरण देऊ शकत नाही असे काही आहे का? आणि तुमच्या code ला किती खात्री असावी?
हेच काम Proof of Actor साठी तयार केले आहे. हे एक focused, application-level layer आहे जे स्पष्ट evidence basis सह actor class परत करते, आणि हा result निर्णय घेणाऱ्या code ला दिला जातो. हे page Cloudflare च्या स्वतःच्या documentation वर आधारित, November 2026 पर्यंत, दोन्हींची न्याय्य तुलना करते, जेणेकरून प्रत्येक कुठे बसतो ते तुम्हाला कळेल.
थोडक्यात
| Cloudflare bot products | Proof of Actor | |
|---|---|---|
| यासाठी तयार केलेले | edge वर infrastructure आणि content चे संरक्षण | तुमच्या application ला product आणि policy decisions साठी actor context देणे |
| कुठे चालते | Cloudflare चे edge network, तुमच्या origin च्या पुढे | तुमचा server, edge layer, approved browser pages, HTTP API किंवा MCP server |
| मुख्य output | Challenges आणि rule actions; Enterprise Bot Management साठी 1 ते 99 मधील bot score आणि bot fields | Human, Human + AI, Agent किंवा Unknown, तसेच basis: verified, declared, inferred किंवा unknown |
| output कुठे जाते | Cloudflare rules, analytics आणि Workers | तुमचे application code आणि route व workflow नुसार actor analytics |
| AI-assisted people | bot score मध्ये वेगळी category नाही | त्यांच्या स्वतःच्या class मध्ये, Human + AI, जेव्हा declared किंवा supported integration द्वारे observed |
| अस्पष्ट traffic | score करून edge rules ने हाताळले जाते | Unknown हा first-class result, ज्यासाठी fallback तुम्ही प्रत्येक route साठी ठरवता |
| signed agents | Web Bot Auth verification आणि signed agent signals | RFC 9421 signature checks, तुमच्या code मध्ये verified basis म्हणून report केलेले |
| MCP servers आणि API callers | edge वर HTTP traffic म्हणून protected | tool call किंवा API request हाताळणाऱ्या server मध्ये caller context |
| CDN dependency | Cloudflare च्या network मधून जाणाऱ्या traffic ला लागू | तुम्ही वापरता त्या CDN वर, असल्यास, अवलंबून नाही |
| install केल्यावर default | तुम्ही सक्षम केलेल्या product आणि settings वर अवलंबून | observation mode; तुम्ही policy जोडत नाही तोपर्यंत काहीही बदलत नाही |
या page चा उर्वरित भाग प्रत्येक ओळ स्पष्ट करतो.
AI agent traffic साठी Cloudflare Bot Management ला पर्याय शोधत आहात?
पर्याय शोधणारे बहुतेक teams edge बद्दल नाराज नसतात. त्यांना edge ने उत्तर द्यायचा उद्देश नसलेला नवीन प्रश्न असतो: एक AI agent, एक AI-assisted person आणि एक सामान्य visitor सगळेच त्याच signup form, API route किंवा MCP tool पर्यंत पोहोचत आहेत, आणि product ला त्यांना वेगळ्या प्रकारे हाताळावे लागते. येथे साधी विभागणी दिली आहे.
जिथे Proof of Actor निर्णयाची जागा घेते. जर तुम्ही सध्या bot scores किंवा bot fields वापरून product व्यवहार चालवत असाल, उदाहरणार्थ AI-drafted submissions label करणे, agents ना structured endpoint कडे route करणे, किंवा विशिष्ट workflow साठी अस्पष्ट callers साठी fallback निवडणे, तर त्या कामासाठी Proof of Actor अधिक योग्य आहे. ते actor class, Human, Human + AI, Agent किंवा Unknown, evidence basis सह, थेट तुमच्या application code ला देते. routing आणि policy decision अशा code मध्ये जाते ज्याला आधीच प्रत्येक route काय करते हे माहीत असते, आणि तुम्ही जोही CDN वापरता त्यावर ते तसंच काम करते.
जिथे Proof of Actor Cloudflare ला पूरक ठरते. Proof of Actor हे network security product नाही. Cloudflare च्या November 2026 पर्यंतच्या documentation नुसार, त्याचे DDoS protection attacks आपोआप detect आणि mitigate करते आणि सर्व plans वर उपलब्ध आहे, आणि त्याचे Web Application Firewall incoming web आणि API requests managed आणि custom rules विरुद्ध तपासते. तो layer ठेवावा. Volumetric attacks, exploit attempts आणि abusive automation origin पर्यंत पोहोचण्याआधीच थांबवले पाहिजेत, आणि Proof of Actor ते करण्याचा प्रयत्न करत नाही.
म्हणून "हे पर्याय आहे का?" याचे थेट उत्तर असे आहे: तुमच्या app मध्ये actor classification आणि per-route routing साठी हो, आणि edge DDoS आणि WAF protection साठी नाही. बहुतेक production teams शेवटी दोन्ही layers ठेवतात, प्रत्येक त्याच्यासाठी बनवलेले काम करत.
Cloudflare ची bot products कशासाठी बनलेली आहेत
Cloudflare च्या November 2026 पर्यंतच्या documentation नुसार, ते तीन bot-specific products देते:
- Bot Fight Mode, Free plan वर उपलब्ध, जे domain वर detected bot traffic ला single toggle ने challenge करते.
- Super Bot Fight Mode, Bot Management add-on नसलेल्या Pro, Business आणि Enterprise plans साठी, जे bot category नुसार configurable actions जोडते.
- Bot Management for Enterprise, जे per-request bot scores, custom rules, per-endpoint handling आणि detailed analytics जोडते.
bot score हा, Cloudflare च्या शब्दांत, 1 ते 99 मधील असा score आहे जो request bot कडून आली असण्याची शक्यता दर्शवतो, जिथे 1 म्हणजे request automated होती याबद्दल उच्च खात्री, आणि 99 म्हणजे ती human कडून आली याबद्दल उच्च खात्री. Cloudflare ची documentation सांगते की granular scores हे Bot Management खरेदी केलेल्या Enterprise customers साठी उपलब्ध आहेत, तर इतर plans मध्ये automated, likely automated, likely human आणि verified bot असे grouped results दिसतात. Scores WAF custom rules मध्ये requests block, challenge किंवा allow करण्यासाठी वापरता येतात, आणि ते Workers मध्येही उपलब्ध असतात.
Cloudflare verified bots सुद्धा सांभाळते, ज्यांचे त्याचे documentation bots किंवा agents म्हणून वर्णन करते जे कोण आहेत आणि काय करतात याबद्दल पारदर्शक असतात, जसे search engine crawlers, monitoring services आणि user-driven agents. Verification Web Bot Auth signature किंवा IP validation, तसेच non-abusive behaviour, अशा पद्धतींवर अवलंबून असते.
AI traffic साठी खास, AI Crawl Control site owners ना कोणत्या AI services त्यांच्या content ला access करतात यावर visibility देते, individual crawlers allow किंवा block करू देते, आणि crawlers robots.txt किती चांगल्या प्रकारे पाळतात ते track करते. Cloudflare ची documentation ते सर्व plans वर उपलब्ध असल्याचे सांगते.
या कामासाठी, म्हणजे कोणते automated traffic तुमच्या origin आणि content पर्यंत पोहोचते ते edge वर ठरवण्यासाठी, ही मजबूत साधने आहेत.
प्रत्येक कुठे चालते, आणि त्याचा output कुठे जातो
सर्वात व्यावहारिक फरक म्हणजे location.
Cloudflare ची bot products Cloudflare च्या network वर, तुमच्या origin च्या पुढे, चालतात. त्यांचा output Cloudflare ची controls जिथे असतात तिथे जातो: WAF custom rules, bot analytics, आणि Cloudflare च्या bot management variables reference नुसार, Cloudflare Workers मधील request.cf object. request थांबवायची की challenge करायची हे ठरवण्यासाठी तेच योग्य ठिकाण आहे.
Proof of Actor तुमच्या application logic जिथे असते तिथे चालते: Node.js middleware, Next.js, तुम्ही नियंत्रित करता तो edge layer, तुम्ही मान्य केलेल्या pages वरील browser collector, generic HTTP API, किंवा तुमचा MCP server. त्याचा output structured result म्हणून तुमच्या application code मध्ये, आणि route आणि workflow नुसार विभागलेल्या actor analytics मध्ये जातो. तपशीलांसाठी integration paths पाहा.
हे location product decisions साठी महत्त्वाचे आहे. कोणता route कोणत्या workflow चा आहे, तुमच्या स्वतःच्या assistant ने action घेतले का, client ने स्वतःला declared केले का, आणि त्या route चा business impact काय आहे, हे तुमच्या code ला माहीत असते. "verified agent ला structured endpoint द्या, लोकांना normal flow मध्ये ठेवा, AI-assisted submissions label करा" अशा per-route निर्णयांची जागा त्या ज्ञानाच्या जवळच असते. Proof of Actor actor context नेमकी तिथे ठेवते, आणि ते एका provider च्या network मध्ये नव्हे तर तुमच्या stack मध्ये चालत असल्यामुळे, ते Cloudflare मागे, दुसऱ्या CDN मागे, किंवा कोणताही CDN नसतानाही तसंच काम करते.
scores विरुद्ध basis असलेली class
Score हा protection rule साठी कार्यक्षम input आहे: threshold निवडा आणि त्याच्या वर किंवा खाली action घ्या. request automated असण्याची शक्यता किती आहे हे सांगण्यासाठी तो तयार केलेला असतो.
Product decisions साठी अधिक समृद्ध उत्तर लागते. Proof of Actor चार classes पैकी एक परत करते:
- Human: दिसणारे signals human-directed interaction सूचित करतात.
- Human + AI: person ने AI assistance सह interaction निर्देशित केला, जी declared होती किंवा supported integration द्वारे observed झाली.
- Agent: automated किंवा agent-origin interaction.
- Unknown: evidence reliable determination ला पाठिंबा देत नाही.
प्रत्येक result सोबत त्याचा evidence basis असतो: verified, उदाहरणार्थ प्रकाशित key विरुद्ध तपासलेली RFC 9421 HTTP Message Signature; declared, जेव्हा client किंवा तुमच्या application ने ते सांगितले असेल; inferred, स्पष्टपणे inference म्हणून label केलेले; किंवा unknown. तुमची team प्रत्येक result वाचू शकते आणि त्यामागचे evidence पाहू शकते, आणि ग्राहकाच्या experience वर परिणाम करणारा निर्णय असेल तेव्हा हेच आवश्यक असते, attack surface नव्हे.
AI agents, signed agents आणि AI-assisted people
Cloudflare ने agent verification मध्ये गुंतवणूक केली आहे. November 2026 पर्यंतच्या त्याच्या documentation नुसार, Cloudflare Web Bot Auth ला support करते, ही अशी authentication method आहे जी RFC 9421 वर आधारित, HTTP messages मधील cryptographic signatures वापरून bots आणि agents verify करते. त्याच्या docs मध्ये signed agent signal, Enterprise customers साठी Bot Management मधील cf.bot_management.signed_agent field म्हणून exposed, असे वर्णन आहे, आणि July 1, 2026 पासून Direct versus Intermediary access field, जे single-operator bots आणि many end users चालवू शकतील अशा agentic services यांच्यात फरक करते. Cloudflare सर्व plans वर AI crawler आणि agent access policies देखील देते.
Proof of Actor signed requests ला broader picture मधील एक भाग म्हणून हाताळते. जेव्हा request वैध HTTP Message Signature घेऊन येते आणि ती प्रकाशित key विरुद्ध तपासली जाते, तेव्हा result Agent आणि verified basis असा असतो, आणि तो थेट तुमच्या route handler ला दिला जातो. verifying signed agent requests guide मध्ये flow दाखवलेला आहे. वैध signature कोणत्या key ने request sign केली हे सिद्ध करते, त्या agent ला काय करण्याची परवानगी आहे ते नाही, त्यामुळे authorization तुमच्या application मध्येच राहते, जिथे ते असायला हवे.
मोठा फरक मध्ये असलेल्या people मध्ये आहे. काही users AI assistant सोबत काम करतात: support tickets draft करणे, forms भरणे, onboarding मधून जाणे. Edge bot scoring automation आणि people वेगळे करण्यासाठी बनलेले आहे, आणि या समूहासाठी वेगळी श्रेणी देण्याचे त्याच्याकडे कारण नाही. तुमचे product अनेकदा तसे करते. Proof of Actor Human + AI हा स्वतःचा class म्हणून report करते, फक्त जेव्हा assistance declared असते किंवा supported integration द्वारे observed होते, त्यामुळे तुम्ही AI-drafted submissions label करू शकता, AI-assisted users workflow मधून कसे जातात ते measure करू शकता, किंवा त्यांना अधिक सुलभ path देऊ शकता. अधिक माहितीसाठी AI-assisted interaction glossary entry पाहा.
Unknown हा result आहे, threshold नाही
प्रत्येक detection system ला असे traffic भेटते ज्याचे स्पष्टीकरण ते देऊ शकत नाही. edge वर, अस्पष्ट traffic score ज्या rule मध्ये बसतो त्यानुसार हाताळले जाते. यामुळे एका संपूर्ण zone मध्ये protection सुसंगत राहते.
application च्या आत, एकच setting प्रत्येक route साठी क्वचितच योग्य असते. public documentation page साठी आलेली अस्पष्ट request आणि account credentials बदलण्यासाठी आलेली अस्पष्ट request, वेगवेगळ्या handling ला पात्र असतात. Proof of Actor Unknown ला first-class result म्हणून परत करते, तुमचा Unknown rate वेळेनुसार track करते, आणि route नुसार fallback निवडू देते: public content वर allow करा, account changes वर विद्यमान checks ठेवा, high-impact actions वर review कडे पाठवा. handling Unknown traffic guide patterns कव्हर करते, आणि Unknown classification entry honest Unknown forced guess पेक्षा का चांगले आहे ते स्पष्ट करते.
MCP servers आणि APIs
Cloudflare तुमच्या network मधून जाणाऱ्या कोणत्याही HTTP traffic प्रमाणेच MCP servers आणि APIs चे संरक्षण करते. ते उपयुक्त आहे, आणि request तुमच्या service पर्यंत पोहोचण्यापूर्वी घडते.
MCP server किंवा API ला पुढे जे अनेकदा हवे असते ते म्हणजे handler मधील caller context: हा tool कोणता agent कॉल करत आहे, ती identity verified आहे का फक्त declared आहे, आणि हा tool call allow, adapt, rate-limit किंवा review कडे पाठवायचा का. Proof of Actor MCP server integration आणि generic HTTP API देते, ज्यामुळे हा context tool किंवा endpoint logic जिथे चालते तिथे पोहोचतो. उदाहरणांसाठी MCP server caller identification आणि APIs use case पाहा.
दोन्ही एकत्र कसे वापरावे
सर्वात मजबूत setup प्रत्येक साधनाला स्वतःचा layer देतो:
- edge वर, Cloudflare attacks absorb करते, abusive automation ला challenge करते, known bots verify करते आणि तुमच्या AI crawler policies लागू करते.
- तुमच्या application मध्ये, Proof of Actor तुमच्यापर्यंत पोहोचणारा traffic Human, Human + AI, Agent किंवा Unknown म्हणून, basis सह, वर्गीकृत करते.
- तुमच्या code मध्ये, per-route policies तो context वापरून allow, adapt, challenge, review कडे पाठवणे किंवा rate-limit करणे ठरवतात, आणि Unknown साठी स्पष्ट fallback ठेवतात.
- तुमच्या analytics मध्ये, product आणि security teams कोणते routes आणि workflows प्रत्येक actor class वापरते ते पाहतात.
Proof of Actor observation mode मध्ये सुरू होते, त्यामुळे Cloudflare मागे ते जोडले तरी पहिल्या दिवशी काहीही बदलत नाही. तुम्ही तुमचा खरा actor mix पाहता, live traffic विरुद्ध policy preview करता, आणि एका वेळी एक route enforce करता. rolling out actor-aware policies safely guide याची पद्धत सांगते. Proof of Actor identity checks, KYC किंवा biometrics करत नाही; ते कोण किंवा काय act करत आहे ते report करते आणि निर्णय तुमच्यावर सोडते.
काय कधी निवडावे
तुमची मुख्य गरज edge protection असेल, म्हणजे abusive automation तुमच्या origin पर्यंत पोहोचण्याआधी थांबवणे, संपूर्ण zone मध्ये संशयास्पद traffic ला challenge करणे, आणि AI crawlers तुमच्या content ला कसे access करतात ते नियंत्रित करणे, तेव्हा Cloudflare चे bot products निवडा.
तुमची मुख्य गरज application-level actor context असेल, म्हणजे लोक, AI-assisted people किंवा agents प्रत्येक route वापरतात का हे जाणून घेणे, प्रत्येक result मागचे evidence पाहणे, Unknown ला जाणीवपूर्वक हाताळणे, MCP server आणि API handlers ना caller context देणे, आणि तुमच्या CDN वर अवलंबून नसलेल्या per-route product policies लिहिणे, तेव्हा Proof of Actor निवडा.
तुम्ही production website, API किंवा MCP server चालवत असाल, तर तुम्हाला बहुधा दोन्ही उत्तरांची गरज असते, म्हणूनच ही दोन्ही एकाच stack मध्ये आरामात बसतात. व्यापक category comparison साठी Proof of Actor vs bot management पाहा.
सुरुवात करा
Proof of Actor private beta मध्ये आहे. founding developer program द्वारे, निवडलेल्या teams ना मान्य usage limits अंतर्गत 12 महिन्यांपर्यंत मोफत सेवा मिळू शकते, automatic billing शिवाय. early access साठी अर्ज करा आणि आम्हाला कोणते application, API किंवा MCP server तुम्हाला आधी समजून घ्यायचे आहे ते सांगा.
या page वरील Cloudflare बद्दलची product माहिती Cloudflare च्या public documentation वर आधारित आहे, ज्यात bot score reference आणि Web Bot Auth reference, DDoS protection overview आणि WAF overview यांचा समावेश आहे, November 2026 पर्यंत.
Cloudflare हे Cloudflare, Inc. चे trademark आहे.