作者｜沙丘智库研究团队
来源｜沙丘社区（www.shaqiu.cn）
AI Agent是指具有自主性或半自主性的智能实体，能够利用人工智能技术在数字或物理环境中感知、决策、采取行动并实现目标。与Copilot、聊天机器人等相比，AI Agent能够自主规划和行动，实现用户预设的目标。
随着大模型技术的成熟，将LLM作为AI Agent的大脑或控制器的核心组成部分，使得AI Agent在感知和行动、执行方面实现巨大突破。
从2024年开始，国外大厂纷纷下场，积极布局AI Agent赛道，基于自身的战略规划和原有产品体系推出AI Agent相关产品，并将AI Agent作为企业未来核心竞争力的关键。
在这样的背景下，沙丘智库系列研究——《AI Agent对标研究》应运而生。本系列旨在通过对国外大厂的AI Agent布局进行深入研究，为国内企业提供宝贵的参考和借鉴。我们将重点关注Salesforce、Oracle、Microsoft、Amazon、Google、OpenAI等国际科技巨头在AI Agent领域的战略布局、技术应用、产品特点等。
通过对这些国际科技巨头的AI Agent布局进行深入研究，我们希望能够为国内企业提供一个全面的视角，帮助大家更好地理解AI Agent技术的发展趋势、应用场景以及企业竞争格局。同时，本研究系列也将为国内企业在AI Agent领域的技术研发、产品创新和市场推广提供有价值的参考和借鉴，助力国内企业在AI时代把握机遇，实现创新发展。
本次发布的报告为Salesforce篇。Salesforce是全球SaaS行业的领军企业，这家成立于1999年的美国企业，从最开始单一的CRM产品开始，通过“开发新产品+收购战略”，一路扩张产品线，现在已经发展成为一个覆盖销售、服务、营销、电商、AI、数据中台以及低代码开发的企业级数字化平台。
在2024年9月的Dreamforce 2024大会上，Salesforce推出企业级AI Agent解决方案——Agentforce，帮助企业规模化地构建、部署和管理用于各种业务场景的AI Agent，包括面向客户、面向员工以及自主行动的AI Agent。
为了满足企业级AI Agent应用，Agentforce与Salesforce平台、Data Cloud和外部数据源深度集成。在这方面，Salesforce做了很多工作，Data Cloud、MuleSoft和Flow等产品原本并不具备AI能力，Salesforce对这些产品进行了AI增强，使其能够与Agentforce协同工作。
通过Agentforce，Salesforce正在发生如下变革：
第一，AgentForce将作为核心引擎，成为完成流程自动化的主要手段。以后用户在Salesforce的任何应用中检索、输入和分析数据，背后都是一个个的AI Agent在行动，而不是传统的工作流或代码逻辑。
第二，Agentforce是Salesforce第一个“非确定性”流程自动化产品。传统流程自动化产品每一次都是依赖于写死的路径，而Agentforce则用大模型做推理，每一步怎么执行、调用什么工具、组合哪些数据，都由AI现场“思考”决定。
第三，Agentforce不仅仅是一个具体的产品，而是Salesforce的Agentic AI体系。所有Salesforce平台上“能自主规划、调用工具、完成任务的AI能力”都将属于Agentforce，Salesforce正在用Agentforce替换原有的Einstein AI体系。
Salesforce对企业级AI Agent产品的愿景是“在未来五年内，每一家企业都将变成Agent first”。最终，Agentforce将取代最终用户当前手动执行的数据输入、数据检索和数据分析等操作，从而提高工作效率和准确性，减少人工错误，提升用户体验。
本报告重点围绕Agentforce的产品战略、功能路线、安全机制、开发指南、定价模式等，对Salesforce的AI Agent布局进行详细分析，希望能够为国内企业提供宝贵的参考和借鉴。
报告目录
1.Agentforce：Salesforce未来的战略核心
1.1 Salesforce 公司介绍
1.2 Agentforce产品愿景
1.3 Agentforce产品介绍
1.4 Agentforce核心功能
1.5 Agentforce功能迭代路线
1.6 Agentforce工作原理
1.7 Agentforce的Agent构建方式
1.8 Agentforce未来优化方向
2.安全机制：如何通过Trust Layer保护用户数据？
2.1 Trust Layer介绍与工作原理
2.2 Agentforce安全机制：数据使用和保留策略
2.3 Agentforce安全机制：数据保护策略
2.4 Agentforce安全机制：访问控制和治理
2.5 Agentforce安全机制：审计日志和可追溯性
2.6 Agentforce安全机制：遵循人工智能伦理准则
2.7 Agentforce安全机制：全面合规认证
3.深度集成：Agentforce如何与其他产品协同工作？
3.1 Agentforce与Salesforce产品体系的协同
3.2 Agentforce与Salesforce平台的关系
3.3 Agentforce与Atlas推理引擎的关系
3.4 Agentforce与Data Cloud的关系
3.5 Agentforce与外部环境的互操作性
3.6 Salesforce智能体成熟度模型
3.7 基于Headless Agent的多智能体编排
4.开发指南：Agentforce如何构建、管理和扩展AI Agent？
4.1 软件开发方式定义
4.2 低代码开发：Agent Builder
4.3 专业代码开发：Agentforce DX
4.4 Agentforce的工具库
4.5 模块化的AI模型能力
4.6 AI Agent全生命周期管理
4.7 测试：Testing Center
4.8 调试：Plan Tracer
4.9 部署：DevOps Center/CLI
4.10 监控： Interaction Explorer
5.定价模式：Agentforce如何按“使用量”收费？
5.1 AI Agent的定价模式分类
5.2 Agentforce基于消费的定价模式
5.3 Agentforce基于用户的定价模式
6.价值衡量：Agentforce如何帮企业衡量Agent的效果？
6.1 Agent效果可视化：Command Center
6.2 可观测性和调试工具
6.3 价值和成本分析
7.生态支持：Agentforce为企业提供了哪些配套服务？
7.1 Agentforce配套服务和资源
7.2 技术支持服务
7.3 专业服务
7.4 培训资源
*更多生成式AI研究可前往“沙丘智库”小程序查阅
*有任何需求可咨询客服微信：zimu738