AI 智能体在企业网络里失控蔓延：CIO 治理指南与 MuleSoft Agent Fabric 扫描方案

山止川行AI 前沿2026-09-18699 阅读💛 219 收藏

一句话结论

企业网络正在被各业务部门自建的 AI 智能体填满——IDC 预测 2029 年在用智能体将超过 10 亿个，是当前水平的 40 倍。对 CIO 的直接含义是：挑战已从「构建智能体」转向「找到、审计、治理它们」。MuleSoft 扩展的 Agent Fabric 提供 Agent Scanners 自动扫描方案，可对 Salesforce Agentforce、Amazon Bedrock、Google Vertex AI 上的智能体自动建档，供企业落地三步治理：扫描建基线、统一 A2A 档案、合并冗余控成本。

问题规模：智能体蔓延是新的影子 IT

各业务部门竞相采用生成式技术时，CIO 面对的生态系统里散落着碎片化、无监控的资产。这像极了云计算时代的影子 IT，但严重程度更高——蔓延的不是静态软件，而是能执行业务逻辑、访问敏感数据的自主程序。

两个数据锚点：IDC 预测 2029 年在用 AI 智能体将超 10 亿（较当前 40 倍增长）；仅 2025 上半年，智能体创建量就激增 119%。安全与运维团队的核心痛点是可见性——营销团队在一个平台部署智能体、物流团队在另一个平台自建，中央 IT 就失去了对「数字劳动力」的统一视图。

方案拆解：Agent Scanners 怎么自动建档

MuleSoft 针对碎片化扩展了 Agent Fabric 能力，核心是 Agent Scanners（智能体扫描器）：

第一步：持续巡逻发现。 扫描器持续巡逻主要生态系统——Salesforce Agentforce、Amazon Bedrock、Google Vertex AI——识别正在运行的智能体。不依赖开发者手动注册部署，系统自动检测。

第二步：提取元数据生成标准档案。 找到智能体只是第一步，合规负责人还需要理解其背后的逻辑。扫描器提取三类元数据：智能体能力、驱动它的 LLM、授权访问的数据端点，然后归一化为标准 Agent-to-Agent（A2A）规范，为不同厂商的资产生成统一档案。

第三步：纳入自建资产。 创新常发生在边缘——数据科学家在正式采购渠道外自建工具。扩展后的 Agent Fabric 支持通过 URL 注册「自产」智能体和 MCP 服务器，让这些资产可被发现、跨公司复用，而非继续隐藏。

治理落地：从盲区到可控的三步法

建基线：默认清单不完整。 领导者必须假设现有的智能体清单是 incomplete（不完整）的，先部署自动扫描工具建立「真实基线」。用陈旧表格管理集成的时代，已经跟不上智能体部署速度。

定规范：强制标准格式暴露能力。 基线建立后，治理政策应要求所有智能体——无论采购还是自建——以 A2A 这类标准化格式暴露其能力和数据访问权限，便于持续监控。

控成本：审计支出合并冗余。 可见性直接驱动整合。大企业常见冗余是各地区团队独立采购或自建相似工具——一家跨国制造商可能有三个团队在不同平台为不同的摘要智能体付费。用 Agent Visualizer 按任务类型筛选资产库即可识别重叠，合并为单一高性能资产后削减冗余授权成本，把预算重新分配给新开发。

对安全团队的具体收益：银行业 CISO 验证一个新贷款处理智能体，过去要向开发团队追讨文档；自动编目后，安全团队可立即查看该智能体访问哪些金融数据库、核验其授权级别，看到的是实时数据而非过时快照。

谁在用：AT&T 与 Capita 的实践

两家大型企业已用这套框架跑通场景：

AT&T：用 Agent Fabric 编排客户支持、聊天和语音交互中的智能体。企业与集成架构师 Brad Ringer 的说法是：「AI 发展这么快，MuleSoft Agent Fabric 提供了我们扩展所需的框架。它把我们正在构建的所有智能体和 MCP 服务器聚到一起帮我们编排。它不只是工具，是我们下一步所有事情的巨大赋能者。」
Capita：AI 运营负责人 Jonathan Harvey 的关注点在减负：「Agent Scanners 让我们专注创新而不是库存管理。知道每个智能体都被自动发现和编目后，团队可以协作、复用工作、构建更智能的多智能体方案。」

MuleSoft 高级副总裁兼总经理 Andrew Comstock 对趋势的判断：未来十年最成功的组织，将是那些驾驭多云 AI 格局多样性的组织。