用Claude AI+Cloudflare Workers免费搭建供应链AI Agent

一位 YouTube 创作者分享了一个颇具实用价值的 AI Agent 项目：无需 VPS、无需信用卡、全程免费，就能让 Claude AI 直接读取并分析企业的库存数据库，自动生成补货请求草稿。整个方案围绕供应链管理场景展开，展示了 MCP（Model Context Protocol）在真实业务中的落地能力。

项目要解决的真实业务问题

这个 demo 聚焦供应链与采购场景。创作者搭建了一套基于 Google Spreadsheet 的数据库，包含库存（inventory）、供应商（vendor）、采购订单（purchase order）以及补货请求（reorder request）等多张数据表。核心目标是让 Claude AI 能够读取、分析这些数据，并进一步触发"动作"——也就是自动生成补货请求草稿。

dan juga menimbulkan sebuah action

实际演示中，用户只需在 Claude 对话框里输入自然语言指令，例如"检查哪个物料库存最紧张、对应供应商是谁，如果供应商表现良好就帮我生成补货请求草稿"。AI 随即返回结果：库存最紧张的是 bearing（轴承），当前库存仅 8，而再订货点（reorder point）是 50；推荐供应商为 CV Sumber Jaya Spare Part，平均交付周期 5 天，交付准时率 92%。随后它直接生成了带有 request ID、物料、数量、供应商等字段的补货草稿。

AI 如何真正"读懂"数据库

为了验证 AI 并非凭空生成，创作者新开了一个对话，让它列出所有缺货物料。展开 Claude 的思考过程（thought process）后，可以看到它调用了数据库上下文，返回了 bearing、MCB、silkit 等一批物料。

contoh disini ada inv 001

逐条核对后数据完全吻合：INV001 当前库存 8、再订货点 50，确属临界状态；编号 010 的 MCB1P10A 当前库存 3、再订货点 15，同样告急。这说明 Claude AI 通过 MCP 连接，确实准确理解了 Spreadsheet 中的实时数据，而不是编造答案。这种可核对性正是企业级 AI 应用能否被信任的关键。

MCP（Model Context Protocol）是 Anthropic 于 2024 年底推出的开放标准协议，专门用于解决大模型与外部数据源、工具之间的连接问题。在此之前，每个 AI 应用都需要为不同的数据源编写专用的集成代码，维护成本高且难以复用。MCP 的核心思路是将"数据提供方"抽象为标准化的 Server，将"消费方"（如 Claude）抽象为 Client，双方通过统一协议通信。这样一来，同一个 MCP Server 可以被任意支持该协议的 AI 模型调用，而开发者只需实现一次连接逻辑。在本项目中，Cloudflare Workers 扮演了 MCP Server 的角色，它负责接收 Claude 的查询请求、调用 Google Sheets API 读取实际数据，再将结果返回给模型。这个架构让 Claude 始终操作的是真实的实时数据，而非训练时固化的知识，也是 AI 从"知道事情"变为"处理业务"的关键跃升。

技术栈：MCP + Cloudflare Workers 全免费

整套方案的技术组合值得关注，而且全部采用免费额度：

Claude AI（Web 版）：作为对话入口和推理引擎，免费计划即可使用；
Cloudflare Workers and Pages：部署 MCP Server，免费套餐足够运行；
Google Cloud Console 的 Service Account：无需绑定信用卡即可生成，用于连接 Google Spreadsheet。

创作者特别强调，这不是一个 coding 教程，而是项目展示（project showcase）。完整代码已放在 GitHub 仓库，观众直接 clone 即可使用，因为库存检查、补货草稿生成等核心函数都已经预先定义好。

contoh disini saya menggunakan anti-gravity

代码本身基于 Cloudflare 官方仓库中的 remote-mcp 示例改造而来。clone 后进入 remote-mcp 相关目录，用任意代码编辑器（演示中使用了 Antigravity）打开即可。

关键步骤：打通 Cloudflare 与 Spreadsheet

代码虽然开箱即用，但有一个不可省略的配置环节——建立 Cloudflare Workers 与 Google Spreadsheet 之间的连接。流程大致如下：

1. 创建 Google Service Account

访问 console.cloud.google.com，搜索 service account 并创建，命名随意。创建完成后会得到一个邮箱地址，需要把这个账号以**编辑者（Editor）**角色邀请进目标 Spreadsheet。

2. 下载凭证 JSON

进入该 Service Account 的详情页，在 Keys 选项中点击 Add Key → Create New Key，选择 JSON 格式下载，得到 credential.json。这份凭证是 Cloudflare 读取 Spreadsheet 数据的通行证。

3. 写入密钥并部署

在编辑器终端执行 npx wrangler secret put GOOGLE_SERVICE_ACCOUNT_KEY，当提示输入 secret value 时，把 credential.json 的全部内容粘贴进去并回车。

temen-temen copy saja ctrl alt kemudian ctrl v sebelah sini lalu enter

完成后直接部署 MCP，部署成功会在 Cloudflare 的 Workers 面板生成一个形如 remote-mcp-server-xxx.workers.dev 的 URL。

4. 在 Claude 中添加连接器

复制 MCP 的 URL，打开 Claude Web → Customize → 进入连接器（Connector）设置 → Add Custom Connector，粘贴 URL 即可。创作者提醒，Claude 免费计划只支持 1 个自定义连接器，这是免费方案的一个限制。连接器挂载成功后，就能对数据库执行库存检查、供应商质量评估、补货草稿生成等一系列操作。

Google Service Account 是 Google Cloud 提供的一种非人类身份凭证，专为服务器端程序之间的自动化认证设计。与普通用户账号不同，Service Account 使用 JSON 格式的私钥文件（而非用户名密码）来证明身份，适合在无人值守的后端环境中运行。其工作原理是：程序用私钥签名一个 JWT（JSON Web Token）并发送给 Google 的认证服务器，换取一个短期有效的 Access Token，之后用这个 Token 调用 Google Sheets API。将 credential.json 的内容通过 wrangler secret put 写入 Cloudflare 的加密环境变量，意味着私钥不会以明文出现在代码仓库中，是较为安全的做法。需要注意的是，Service Account 本身没有任何数据访问权限，必须显式地将其邮箱地址添加为目标 Spreadsheet 的协作者，这正是步骤一中"邀请编辑者角色"这一操作的意义所在。

这个方案给企业 AI 落地的启示

整个 demo 的价值不在于技术多复杂，而在于它用极低的门槛验证了一条可复制的路径：通过 MCP 让大模型安全地连接内部数据，并驱动具体业务动作。对于中小企业或个人开发者而言，无需维护服务器、无需付费订阅，就能把 Claude 变成一个懂业务数据的助手。

当然，这类基于 Spreadsheet 的方案更适合原型验证与小规模场景。免费连接器数量、Spreadsheet 的数据规模上限、以及生产环境的权限与安全管控，都是进一步落地时需要考虑的问题。但作为一个展示 MCP 实用能力的样例，它清晰地说明了 AI Agent 从"能聊天"到"能做事"之间的那座桥该怎么搭。