在2026年4月15日Salesforce TDX大会的密集发布中，一个产品往往被媒体淡化处理：Agent Fabric。相比于Headless 360的技术酷炫感（让AI直接操控Salesforce平台），或者FDE Partner Network的商业叙事（把内部工程精英外包给合作伙伴），Agent Fabric的名字听起来相对抽象。

但仔细看Agent Fabric在本次TDX的扩展内容，你会发现它解决的问题才是企业AI演进到2026年之后最核心、最棘手的问题：当一家企业同时运行着来自亚马逊、微软、Salesforce、Anthropic等不同供应商的数十个甚至数百个AI Agent，谁来管理这些Agent？谁来保证它们的行为是安全可信的？谁来在它们需要协调时提供统一的调度框架？

这是一个企业AI基础设施从「购买AI工具」进化到「管理AI劳动力」阶段必然出现的问题。Salesforce Agent Fabric给出了它的答案，而这个答案背后，是一场关于「企业AI控制权」的战略博弈。

TDX 2026：Salesforce的三步战略棋局

理解Agent Fabric，需要先理解Salesforce在TDX 2026整体布局的战略逻辑。

在这次大会上，Salesforce实际上发布了3个层次相互补充的产品：

第一层：开发者API层（Headless 360）。把整个Salesforce平台的所有功能暴露为API、MCP Server和CLI命令，让Claude Code、Codex等AI编程工具可以直接构建Salesforce应用。这一层解决的是「AI如何构建Salesforce上的应用」的问题。

第二层：部署执行层（FDE Partner Network）。通过把Salesforce内部的Forward Deployed Engineering方法论输出给30+合作伙伴，帮助企业客户从POC跨越到生产部署。这一层解决的是「谁来帮助企业把Agentforce从展示变成真实运营」的问题。

第三层：治理控制层（Agent Fabric）。提供跨供应商的Agent发现、注册、管理和治理框架。这一层解决的是「企业如何可信地管理数百个异构AI Agent」的问题。

这3层结合起来，是一个完整的「AI时代SaaS平台」战略：不只是帮你用AI，更是帮你构建、部署和治理AI。

Agent Fabric是这3层中战略位置最高、也最难被竞争对手快速复制的一层。

Agent Fabric的新能力：逐一拆解

本次TDX发布了Agent Fabric的4项重要扩展，每项都指向一个特定的企业痛点：

1. Agent Scanner：跨供应商Agent自动发现

新功能：Agent Scanner可以自动发现企业内部运行的各类AI Agent，支持范围从Salesforce自有的Agentforce扩展到Amazon Bedrock、Microsoft Azure AI Foundry，以及MCP标准兼容的第三方Agent。

这解决了什么问题？很多大型企业目前面临一个尴尬处境：不同部门自行采购了不同供应商的AI工具，IT部门根本不知道全公司一共运行着多少个AI Agent，这些Agent在做什么，它们是否符合公司的安全政策。Agent Scanner提供了一个「AI Agent清点工具」，让IT治理从混乱走向有序。

类比理解：就像10年前企业开始引入云计算时需要「云资产管理」工具，如今企业进入「AI时代」同样需要「AI资产管理」。Agent Scanner定位于这个新兴需求。

2. MCP Bridge：让现有API即刻支持MCP

新功能：通过MCP Bridge，企业现有的REST API和数据源可以以最小化配置工作接入MCP生态，让支持MCP的AI Agent能够调用这些企业系统。实际集成可能仍需要一定的配置和测试工作，但相比从零开发MCP接口，工作量大幅降低。

这解决了什么问题？Model Context Protocol（MCP）正在成为AI Agent接入企业数据和工具的新标准。但现实情况是，大量企业的核心业务系统（ERP、CRM、数据仓库）都是基于传统REST API构建的，不支持MCP。如果每个系统都需要重新开发MCP接口，改造成本极高。

MCP Bridge的价值在于：它提供了一个「适配器」，让企业不需要修改现有系统，就能让AI Agent访问这些系统里的数据。这极大降低了企业拥抱MCP的技术门槛，也让Salesforce平台成为连接新旧世界的关键枢纽。

3. AI Gateway：统一LLM治理平台

新功能：AI Gateway提供统一的LLM调用管理，包括Token用量监控、成本管理、合规审计日志和供应商路由（可以配置在不同场景下优先使用哪家LLM提供商）。

这解决了什么问题？企业在使用多个LLM提供商（Anthropic Claude、OpenAI GPT、Google Gemini等）时，面临成本不透明、合规日志分散、供应商锁定等问题。AI Gateway把这些分散的LLM调用统一纳入管理视野。

这个功能定位类似于API网关在微服务架构中的角色——不改变底层服务，但在中间层提供统一的可观测性、权限控制和路由策略。

4. Trusted Agent Identity：高风险操作的移动端审批

新功能：对于涉及高风险操作（如大额资金转移、关键数据删除、合同签署等）的AI Agent行为，要求相关人员通过Salesforce移动应用（或指定的企业审批工具）进行显式审批，确保高风险决策在执行前经过人类授权。

这解决了什么问题？这是AI Agent从「辅助工具」进化到「自主执行」的必然挑战：当一个AI Agent可以自主执行一笔价值$100万的采购决策，企业需要一个机制来确保这类高风险操作在执行前经过人类审批。

Trusted Agent Identity设计的核心思路是：不是限制AI Agent的能力，而是在高风险操作的执行节点引入人类监督节点（类似于金融系统的「双重授权」机制）。这在保持AI效率优势的同时，维护了必要的风险管控。

「控制平面」战略的竞争含义

理解Agent Fabric的战略价值，需要理解「控制平面」（control plane）在企业IT架构中的历史地位。

在云计算时代，AWS、Azure、GCP竞争的关键战场之一是「云控制平面」——谁能成为企业管理云资源（虚拟机、存储、网络）的统一界面，谁就在企业IT决策链上获得了不可替代的战略位置。一旦企业的IT团队在一个控制平面上积累了操作习惯和管理规范，迁移到另一个控制平面的成本极高。

Agent Fabric试图在AI时代复制这个逻辑：成为企业管理AI Agent的统一控制平面。

如果成功，Salesforce将获得一个无与伦比的战略位置：它不只是「销售CRM软件的公司」，而是「所有企业AI行为都需要通过的治理入口」。这个入口一旦建立，无论企业使用哪家供应商的AI模型，Salesforce都在这个过程中发挥不可替代的作用。

目前，Agent Fabric在这个方向上的最大优势是：跨供应商的真实兼容性。支持Amazon Bedrock和Microsoft Azure AI Foundry，这两家是Salesforce在企业市场上最直接的竞争对手——但Salesforce选择支持它们，而不是排斥，体现了「做最广泛的控制平面」而非「做最封闭的生态」的战略选择。

这个「开放」姿态是否真诚？值得持续观察。但至少在当前阶段，它让Agent Fabric对企业IT决策者的吸引力显著高于封闭生态选手。

客户案例：Capita和Alcon管理数百个跨平台Agent意味着什么？

Salesforce在TDX上提到，客户Capita和Alcon已经通过Agent Fabric管理数百个跨平台AI Agent。

这个数字值得仔细推敲。数百个AI Agent意味着什么？

对于Capita（英国大型外包服务公司，据公开资料员工数万人）来说，数百个AI Agent可能分布在客户服务、合同处理、财务对账等多个业务流程中。这些Agent来自不同供应商、针对不同任务训练，但都需要在一个统一的合规框架下运作——这正是Agent Fabric存在的理由。

对于Alcon（全球最大的眼科产品公司之一，年收入超过90亿美元）来说，医疗领域的AI Agent受到FDA、欧盟MDR等严格监管，每一个AI辅助的医疗决策都需要可审计的日志记录。AI Gateway的合规日志功能对这类客户是核心需求，而不是可选功能。

这两个客户案例说明：Agent Fabric的真实市场需求已经被大型企业验证，不只是概念性产品。

对立视角：Agent Fabric的局限性和挑战

公允地说，Agent Fabric也面临重要的挑战：

挑战1：跨供应商兼容性的深度存疑

声称支持Amazon Bedrock和Microsoft Foundry，但实际的互操作性深度是什么？是仅支持发现和注册，还是支持完整的跨平台操作编排？这两种程度的差别是巨大的。如果只是浅层兼容，Agent Fabric的价值就会大打折扣。

挑战2：竞争对手的直接回应

微软（Azure AI Foundry）、Amazon（AWS Bedrock AgentCore）和Google（Vertex AI）都有自己的Agent治理和管理工具。这些超大规模云厂商的体量、技术资源和企业关系网络，都远超Salesforce。如果他们在2026年底加速推进类似的控制平面功能，Salesforce的先发优势可能消散得很快。

挑战3：企业采购决策的惰性

即便Agent Fabric在技术上是更好的选择，大型企业的IT采购决策周期通常在12-18个月。在这段时间里，企业可能已经在超大规模云厂商的生态里建立了相应的管理机制，重新引入Salesforce作为控制平面的理由就不那么充分了。

结语

2026年，企业AI的竞争正在进入一个新阶段。第一阶段是「我要用AI」（2022-2024）；第二阶段是「我要部署AI」（2024-2025）；第三阶段正是「我要管理AI」（2025-2026开始）。

Agent Fabric试图成为「管理AI」阶段的企业级标准平台。如果它能真正建立跨供应商的统一控制平面，它将获得比任何单一AI应用都更重要的战略地位——因为控制平面的价值在于「不可绕过性」，而不在于「最好的单点体验」。

「不可绕过性」是控制平面最重要的护城河特征。在云计算时代，AWS的IAM（身份和访问管理）成为企业不可绕过的控制节点——每一个云资源的访问都需要经过IAM。Agent Fabric在AI时代试图建立的，正是类似的「不可绕过性」：企业内所有AI Agent的发现、授权、监控和高风险审批，都必须经过Agent Fabric。

一旦这种不可绕过性建立，迁移成本就会极高——因为迁移不只是更换一个软件，而是重建整个企业的AI治理架构。这是Salesforce真正值得押注的原因：不是Agent Fabric目前功能最强，而是它有机会成为「企业AI治理的IAM」。

无论最终谁赢得了企业AI控制平面的竞争，有一件事是确定的：这个战场的重要性将在未来3-5年持续上升。当企业从管理几个AI Agent进化到管理数百个AI Agent，「谁来管理这些Agent」的问题，将成为企业IT战略中最重要的问题之一。

Salesforce看到了这个机会，并用Agent Fabric做出了它的选择。竞争对手的反应和企业客户的实际采购行为，将决定这个押注最终的回报。

深度延伸：企业AI治理的「三层困境」与控制平面的必然性

为了更深刻地理解Agent Fabric的必要性，我们需要理解大型企业在引入AI之后面临的「三层治理困境」。

第一层困境：「AI黑盒」困境

企业引入AI Agent之后，最常见的第一个痛点是：这些AI在做什么？普通员工和管理层无法直接观察到AI Agent的决策过程，也无法预测AI在边界情况下的行为。当AI犯了错误（如发送了错误的客户邮件、做出了不当的报价决策），责任归属不明确。

这个困境在传统软件时代不存在——传统软件按照确定性规则执行，调试和追责都相对直接。AI的「概率性输出」特征，使得监管和审计变得复杂。

第二层困境：「供应商碎片化」困境

企业在使用AI的初期，通常是各部门自行采购适合自己业务的AI工具：市场部用Adobe Firefly处理创意内容，客服部用一个基于Claude的对话机器人，财务部用一个基于GPT的报表分析工具，产品部用Cursor做代码开发……

这些工具各自有不同的数据访问权限、操作范围和行为准则。当它们并行运转时，IT安全团队面临的是一个分散的「AI资产」管理挑战：数据权限有没有越权？不同AI工具对同一数据的访问是否有冲突？如何统一审计日志以应对合规要求？

第三层困境：「自主性边界」困境

随着AI Agent能力增强，它们被授权执行的操作范围也在扩大。今天，AI可以自动回复客户邮件；明天，AI可以自动生成报价单；后天，AI可以自动执行采购订单……每一步「自主性扩展」都在增加潜在的风险敞口。

企业需要一套机制来定义「AI的自主性边界」：哪些操作AI可以自动执行，哪些操作必须等待人类审批，哪些操作AI绝对不能执行。这套机制必须是动态可调整的，而且必须跨越不同供应商的AI工具统一执行。

这三层困境共同指向一个结论：在企业AI进入「数百个Agent并行运转」的规模之后，一个「AI控制平面」不是可选功能，而是必要基础设施。Agent Fabric正是对这个必要性的回应。

竞争格局分析：谁在争夺企业AI控制平面？

这场「企业AI控制平面」的竞争，目前有4个主要战略参与者，各有其优势和局限：

微软（Azure AI Foundry + Copilot Studio）

最大优势：企业关系网络和Windows/Office 365的深度渗透。绝大多数大型企业都是微软的重度客户，在这个基础上推销AI治理工具具有天然的采购惰性优势。Azure AI Foundry提供的Agent管理和编排功能正在快速完善。

局限性：微软的AI治理方案相对封闭，主要针对自家生态系统。跨供应商兼容性有限，尤其是对来自其他云厂商的Agent的支持力度不足。

亚马逊（AWS Bedrock AgentCore）

最大优势：云基础设施的规模优势和Spring AI SDK等开放标准的支持。AWS机器学习博客在2026年4月确认了Spring AI AgentCore SDK的GA，面向Java开发者生态。

局限性：AWS的AI治理工具在企业应用层的整合深度不如Salesforce，对非技术用户的易用性相对较弱。

谷歌（Vertex AI Agent Builder + Google Workspace）

最大优势：自有AI模型的技术领先性（Gemini系列），以及Google Workspace在企业协作工具领域的存在。Vertex AI提供的Agent编排和管理框架在技术深度上较强。

局限性：Google在企业级CRM/ERP市场的渗透率远低于Salesforce和微软，触及企业业务流程的能力相对有限。

Salesforce（Agent Fabric + Agentforce）

最大优势：在企业业务流程（销售、服务、营销）中的深度渗透，以及多年积累的企业客户信任关系。Agent Fabric的跨供应商兼容性是目前4个玩家中最明确的策略差异化。

局限性：Salesforce的技术基础设施能力弱于3个超大规模云厂商。在需要深度基础设施整合的大型企业场景中，技术成熟度可能是制约因素。

从竞争格局看，目前没有哪个玩家已经确立了「企业AI控制平面」的绝对优势。这是一个仍在激烈竞争中的市场，最终结果可能是：不同规模的企业选择不同的解决方案，而不是「一个控制平面统治所有企业」的大一统结局。

行业观察：MCP标准的崛起如何改变竞争规则

这个故事有一个重要的背景技术：Model Context Protocol（MCP）。

MCP是Anthropic在2024年底发布的开放标准，定义了AI Agent如何访问外部工具和数据源。在短短1年内，MCP已经获得了包括Salesforce、微软、谷歌、AWS在内的主要科技公司的支持，成为AI Agent接口的事实标准之一。

MCP的崛起对Agent Fabric的意义是双重的：

一方面，MCP Bridge功能让现有企业系统可以快速接入MCP生态，显著降低了Agent Fabric的部署门槛。这是一个「让市场变大」的功能——更多企业系统可以参与MCP生态，整个市场的规模就扩大了，Agent Fabric作为管理这个生态的控制平面，受益于整个生态的扩张。

另一方面，MCP标准的开放性也意味着，任何竞争对手都可以基于同一个MCP标准构建控制平面产品。Salesforce的MCP Bridge不是独家竞争优势，而是「入场券」——每个希望参与这个市场的玩家都需要支持MCP，而不只是Salesforce。

真正的差异化竞争仍然在于：在支持MCP的基础上，谁能提供更好的用户体验、更深的业务流程整合、更完善的合规工具？这些维度，才是决定最终胜负的关键。

结尾展望：2027年的企业AI控制平面会是什么样子？

假设我们快进到2027年，一家中型企业（员工2000人，年收入$5亿）的IT团队，在这个企业AI的「管理阶段」会面对什么？

他们可能已经运行了50-100个AI Agent：处理客服工单的Agent、分析销售机会的Agent、生成财务报告的Agent、自动回复供应商询价的Agent……每个Agent来自不同供应商，针对不同任务训练。

他们需要的控制平面能力包括：统一的Agent发现和注册（知道自己有哪些Agent）、统一的权限管理（每个Agent只能访问它需要的数据）、统一的行为审计（每个Agent的决策都有可查询的日志）、统一的风险控制（高风险操作需要人类审批）。

这就是Agent Fabric试图解决的问题。如果Salesforce能在2027年之前建立起这样的能力，并让足够多的大型企业客户把Agent Fabric作为他们的默认AI控制平面，那么它获得的战略位置将是极难撼动的。

问题是：在这场争夺中，微软、亚马逊和谷歌绝不会袖手旁观。AI控制平面的竞争，可能是未来2年企业科技市场最激烈的战场之一。这场竞争的最终走向，将从根本上决定企业IT架构在AI时代的权力格局——谁控制了控制平面，谁就控制了企业AI的命脉，也就控制了AI时代企业软件市场最核心的战略高地。对所有关注企业AI商业化走向的人来说，Agent Fabric战役值得密切追踪，其结局将比任何单一AI产品发布都更深刻地影响企业软件行业的权力结构，以及数亿企业用户与AI协作方式的最终形态，这是这场战役超越任何单一企业利益的真正历史意义所在。

参考资料:

  1. Salesforce launches Agent Fabric control plane — Salesforce Newsroom, 2026-04-15 https://www.salesforce.com/news/stories/agent-fabric-control-plane-announcement/
  2. Model Context Protocol (MCP) — Anthropic https://modelcontextprotocol.io/
  3. AWS Bedrock AgentCore Spring AI SDK — AWS Machine Learning Blog https://aws.amazon.com/blogs/machine-learning/spring-ai-sdk-for-amazon-bedrock-agentcore-is-now-generally-available/
  4. Capita company information — Capita official website https://www.capita.com
  5. Alcon annual report — Alcon Investor Relations https://www.alcon.com/investors