随着AI智能体在企业网络中迅速增多，跨部门自主部署导致碎片化和治理盲区，中央IT难以全面掌控，安全、合规与成本管理压力骤增。MuleSoft通过扩展Agent Fabric，引入智能体扫描器，实现多云平台智能体的自动发现、元数据提取与标准化管理。

企业网络中充斥着AI智能体，这给管理多云基础设施的领导者造成了治理盲区。

随着不同业务部门竞相采用生成式技术，CIO尤其发现，他们的生态系统中充斥着碎片化且无人监控的资产，这与云时代的影子IT挑战类似，但涉及的是能够执行业务逻辑并访问敏感数据的自主智能体。

IDC预测，到2029年，活跃部署的AI智能体数量将超过10亿，是当前水平的40倍。仅在2025年上半年，智能体的创建量就激增了119%。对于企业领导层而言，当务之急已从构建这些智能体转变为跨平台定位、审计和管理它们。

Salesforce通过扩展其MuleSoft Agent Fabric功能来应对这种碎片化问题，推出了旨在集中管理各种来源的AI智能体的自动化发现工具。

自动化发现

可见性仍是安全和运维团队面临的核心问题，当营销团队在一个平台上部署AI智能体，而物流团队在另一个平台上构建时，由于中央IT部门无法全面掌握企业的数字化劳动力情况，有效的治理就变得困难重重。

MuleSoft的更新架构通过“智能体扫描器”解决了这一问题，这些工具持续巡查主要生态系统，包括Salesforce Agentforce、亚马逊Bedrock和谷歌Vertex AI，以识别正在运行的智能体，该系统无需依赖开发人员手动注册其部署情况，而是实现了检测自动化。

找到智能体只是第一步，合规负责人需要了解其背后的逻辑。扫描器会提取元数据，详细说明智能体的功能、驱动其运行的大语言模型(LLM)，以及其被授权访问的特定数据端点，这些信息随后会被规范化为标准的智能体到智能体(Agent-to-Agent，A2A)规范，从而为各种来源的资产创建统一档案。

MuleSoft高级副总裁兼总经理Andrew Comstock表示：“未来十年最成功的企业将是那些能够充分利用多云AI领域多样性的企业，MuleSoft Agent Fabric的扩展功能让您能够在任何平台上自由创新，同时保持所需的统一可见性和控制力，以实现规模扩张。”

AI智能体的治理与成本控制

未受管理的智能体会造成财务效率低下和风险暴露，以银行业CISO为例，在标准操作流程下，验证一个新的贷款处理智能体需要手动从开发团队那里追踪文档，而自动化目录编制使安全团队能够立即查看智能体访问了哪些金融数据库，并验证其授权级别，无需人工干预，这一功能确保安全团队查看的是实时数据，而非过时的快照。

从财务角度来看，可见性推动整合。大型企业常常出现冗余情况，区域团队独立采购或构建类似工具。例如，一家跨国制造商可能有三个不同的团队在不同平台上为不同的摘要智能体付费。

通过使用MuleSoft Agent Visualizer按工作类型筛选资产，运维负责人可以识别这些重叠情况。将这些整合为单一的高性能资产，可减少冗余的许可成本，并将预算重新分配给新的开发项目。

成功转型为“智能体企业”

创新往往发生在边缘地带，数据科学家会在正式采购渠道之外构建定制工具。

扩展后的Agent Fabric通过允许通过统一资源定位符(URL)注册“自制”智能体和模型上下文协议(Model Context Protocol，MCP)服务器来解决这一问题，这对于物流等行业尤为重要，因为这些行业的团队可能会构建内部工具来优化专有数据库，这些资产不再隐藏，而是可以注册并供公司内部重复使用。

CapitaAI运维负责人Jonathan Harvey表示：“智能体扫描器将让我们能够专注于创新，而非库存管理。知道每个智能体都会被自动发现并编入目录，我们的团队就能协作、重复利用工作成果，并构建更智能的多智能体解决方案。”

同样，AT&T正在利用该框架协调客户支持、聊天和语音交互中的智能体。

AT&T企业与集成架构师Brad Ringer解释道：“随着AI的快速发展，MuleSoft Agent Fabric为我们提供了所需的扩展框架，它汇集并帮助我们协调我们在客户支持、聊天和语音交互中构建的所有智能体和MCP服务器，它不仅仅是一个工具，更是我们接下来所做一切的有力推动者。”

向“智能体企业”转型需要对IT资产的跟踪治理方式进行变革，因为通过过时电子表格管理集成的方式已无法跟上AI智能体部署的速度。

领导者必须假设其AI智能体清单不完整，并部署自动化扫描工具来建立真实基准。一旦建立了这一基准，治理政策就应要求所有智能体(无论是购买的还是自建的)都以A2A等标准化格式公开其功能和数据访问权限，以便于监控。

最后，高管们可以利用这些工具提供的可见性来审计支出，识别云环境中的重复功能，并将其合并以控制总拥有成本(Total Cost of Ownership，TCO)。

随着企业从试点项目转向大规模部署，决定成败的将不再是单个智能体的智能程度，而是连接它们的网络的连贯性。