AI编程智能体可以编写应用程序，但代码之外的各项服务同样需要与项目相匹配。这份精选清单涵盖14个类别、共29款工具，更适合作为可供挑选的菜单，而非必须全部安装的清单。其筛选标准分为三项：可以免费或低成本起步；能够随着业务增长支撑生产环境中的应用；智能体能够通过某种方式直接操作该服务。
选择智能体能够操作的工具
这套思路的核心是两款编程智能体：Anthropic的Claude Code和OpenAI的Codex。两者都提供桌面应用和命令行界面，既可以在应用窗口中使用，也可以在终端里执行任务。两者背后也都是前沿模型：Anthropic的Claude Opus 5.5和OpenAI的GPT-6 Astra。
对于每一款配套工具，都要确认它是否提供Model Context Protocol（MCP）服务器、命令行界面（CLI）或智能体插件。MCP服务器把服务的功能开放给AI智能体，CLI则让智能体通过终端命令操作服务。当任务不止于生成代码，还涉及部署、配置服务或排查问题时，这些连接就显得尤为重要。还应确认相关集成是否覆盖项目所需的具体操作。
先确定网站的类型
在这套工具中，Cloudflare和Vercel是两个通用的托管选择。两者都提供部署工具、用于测试改动的预览环境，以及在靠近用户的位置运行代码的能力。Cloudflare还提供更广泛的基础设施服务。明确网站在项目中承担的角色后，选择就会更加清晰。
对于落地页、文档中心或其他以内容为主的网站，推荐的组合是Astro加Cloudflare Pages。Astro负责构建轻量页面，Cloudflare Pages负责托管。如果网站的主要任务是发布内容，而非管理复杂的用户交互，这种组合能让架构保持相对简单。
▲ 内容网站与交互式应用
交互式Web应用则需要另一种组合：在Vercel上运行Next.js，并用shadcn/ui组件和Tailwind CSS构建界面。Next.js提供应用框架，shadcn/ui提供可复用的界面组件，Tailwind CSS提供样式工具类。这一组合适合界面状态多变、带有用户账户和支付流程的项目。编程智能体可以组装组件并完成样式，但决定架构的应当是这些需求，而不是有没有智能体可用。
让持久化数据与身份认证各司其职
数据库用于保存应用必须长期保留的信息，例如用户记录或应用状态。四个数据库选项分别对应不同的数据需求：
| 服务 | 适用场景 |
|---|---|
| MongoDB | 适合灵活的文档型数据模型的记录 |
| Supabase | 基于PostgreSQL的托管关系型数据 |
| Neon | 支持数据库分支功能的无服务器PostgreSQL |
| Tiger Data | 分析数据、监控数据，或按时间记录测量值的大规模时序数据 |
这些是需要根据项目实际存储的数据来评估的备选方案，并不是每个应用都要同时用上四个数据库。MongoDB和Supabase还提供面向智能体的工具。Neon侧重无服务器PostgreSQL的开发流程，Tiger Data则基于TimescaleDB和PostgreSQL，专门处理时序数据。
如果用户需要注册和登录，就由Clerk提供身份认证，也就是登录、会话和账户管理这一层。它自带用于社交登录和账户页面的现成界面组件，同时为编程智能体提供MCP支持。没有用户账户的内容网站，可能完全不需要这一层。
按工作负载需要再加入运维功能
有几个类别承担的工作，是应用托管和数据库覆盖不到的。把它们分开考虑，更容易决定该加入哪些服务、舍弃哪些服务。
▲ 应用运维中的不同分工
在邮件方面，首先要区分由产品触发的消息和面向受众发送的消息。Resend和Cloudflare Email适用于事务性邮件，例如验证邮件和应用提醒。Kit则用于营销邮件、潜在客户获取和新闻通讯。区分的依据是消息的用途，而不只是发送所用的工具。
DigitalOcean Droplets是持续运行的虚拟机，也就是一直保持运行的云服务器。它适合长时间运行的工作进程、定时任务，以及超出无服务器服务执行限制的后台进程，而无服务器服务是按需运行代码的。如果要存储的是文件而不是数据库记录，Cloudflare R2提供对象存储，可用于保存照片、视频和生成的图片等资源。它提供兼容S3的API，并且不收取出站流量费用。
支付由Stripe负责，涵盖结账、订阅和账单管理门户。只有当产品需要收取一次性或周期性付款时，才需要把它纳入架构；没有计费需求的项目并不需要它。
调用AI模型的应用，还需要把开发所用的编程智能体与提供给用户的模型区分开来。对于应用内的文本生成、推理和对话功能，可以选择Anthropic和OpenAI；对于图像生成，可以选择Gemini和GPT Image 2。接入多家模型提供商，可以在某家提供商不可用、或者另一款模型更适合注重成本的任务时，为应用留出余地。
PostHog和Sentry分别回答生产环境中的两个不同问题。PostHog跟踪产品使用情况，还可以通过编程智能体查询，用来构建或查看分析仪表盘。Sentry跟踪应用错误和性能问题，帮助智能体检查故障并诊断堆栈跟踪。关于用户做了什么的分析，不应与关于哪里出了故障的错误报告混为一谈。
最后，GitHub Issues和Linear让开发者和智能体都能看清工作进展。GitHub Issues适合与代码仓库紧密相关的缺陷和任务，Linear适合更宏观的规划和需要协同推进的计划。借助它们面向智能体的工具，可以随着工作推进读取任务并更新状态。
列一份精简清单，而不是照单全收
实用的顺序是：先明确项目的工作负载，再选择托管平台和应用框架，然后只加入所需的数据、身份认证和运维服务。对每个候选工具，都要确认起步成本、能否支撑预期的生产用途，以及其MCP服务器、CLI或插件能否让编程智能体完成相关工作。与其照搬全部29款工具，不如让Claude Code或Codex针对具体项目提出组合方案。这样既能让技术栈紧扣应用需求，又能保留对智能体友好的工作流程。