# 策展 · X (Twitter) 🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Cody De Arkland (@Codydearkland) · 平台：X (Twitter) · 日期：2026-05-31

> 原始來源：https://x.com/Codydearkland/status/2060462216642805931

## 中文摘要

Railway 整合 CLI 與 MCP 實現 AI Agent 自動部署。

Railway 致力於打造「Agent 優先」的開發平台，透過簡化配置流程，讓 AI Agent 在無需人類介入的情況下，即可自動處理網路設定、資料庫連結及應用程式部署。根據 Cody De Arkland 的數據顯示，目前 Railway 平台上由 Agent 驅動的部署頻率已達人類手動部署的 2.5 倍，顯示其在自動化開發流程中的高採用率。

**核心整合架構**
Railway 為 Agent 提供了三種主要的互動管道，使用者可根據需求選擇最適合的整合方式：
- **Railway CLI**：適合依賴本地機器狀態的操作，如當前目錄部署、`railway up`、`railway run`、SSH 連線及本地專案連結。
- **Railway MCP (Model Context Protocol)**：
    - **Local MCP**：透過標準輸入輸出（stdio）運作，適合在已登入的機器上進行專案與服務探索、查詢部署狀態、存取日誌、管理變數與網域等。
    - **Remote MCP**：適用於需要託管式 OAuth 驗證，或無法進行本地 CLI 配置的場景，並支援 `railway-agent` 工具進行多步驟複雜操作。
- **Agent Skills**：這是一套程序性知識庫，能教導 AI Agent 如何正確操作 Railway，避免 Agent 在執行時進行無謂的猜測。

**快速部署流程**
若要開始使用，使用者僅需透過單一指令即可完成 CLI 安裝與 Agent 支援配置（包含 Skills、MCP 與認證）：
```bash
railway setup agent
```
若已安裝 CLI，則可直接執行：
```bash
railway setup agent
```

**實際應用案例**
在實際開發場景中，使用者只需在 Claude Code 等 Agent 環境中下達指令，例如「將我的應用程式部署到一個新的 Railway 專案」，Agent 即可自動偵測所需的依賴服務（如 Postgres 資料庫、Redis 快取），並完成建置與部署。此外，透過 `railway agent` 指令，開發者還能呼叫沙盒（Sandbox）環境，讓 Agent 自動複製 GitHub 儲存庫、分析原始碼並執行健康檢查（Health Check）等除錯任務，大幅降低了從開發到部署的認知負擔。

## 標籤

CLI, MCP, Agent, 自動化, Deployment, Railway