Claudeforce 与受治理的 Agent 工作流：Salesforce-Anthropic 合作对企业开发者意味着什么

2026 年 8 月 27 日，Salesforce 与 Anthropic 宣布 Claudeforce：把 Claude 的推理能力接进 Salesforce 的企业 harness，让数据、工作流、业务逻辑与操作在治理框架内对 Agent 开放。首批插件带 37 个预置销售技能，试点客户已在使用，开放测试预计 9 月进行；9 月 3 日 Globant 又推出 MuleSoft AI Pod 加速 Agentic AI 的 API 连接。对开发者来说，Claudeforce 最重要的信号不是「两个巨头合作」，而是「企业 Agent 的竞争正在从模型转向 harness」——谁的数据路径、审批与审计做得更稳，谁才真正能落地。本文拆解 Claudeforce 的结构，并给出任何团队都能复制的受治理 Agent 工作流模式。

1. Claudeforce 到底是什么

2026 年 8 月 27 日，Salesforce 与 Anthropic 宣布扩大战略合作，名为 Claudeforce：把 Claude 的智能与推理能力同 Salesforce 可信的企业 harness 结合，使 Claude 可以安全访问 Salesforce 的数据、工作流、业务逻辑、操作与治理能力，从而「在工作中任何地方」支撑 Agentic 体验。首款插件随 37 个由双方联合构建的预置销售技能上线，覆盖会议准备、交易健康度审查、管道管理等任务；销售代表可以在不离开 Claude 的情况下执行受治理的操作，例如更新管道。Benioff 的定性是「世界第一的 AI 与世界第一的 CRM 结合」。对工程团队，这意味着企业软件巨头正在把 Agent 的产品形态从「聊天窗」推向「带权限与审计的操作层」。

// A skill manifest: packaged agent capability with declared scope.
{
  "skill": "meeting_prep",
  "inputs": ["opportunity_id", "attendee_emails"],
  "reads": ["opportunity", "account", "recent_activity"],
  "writes": [],
  "actions": ["summarize", "suggest_questions"],
  "policy": {"allowed_models": ["claude-fable-5.1"], "region": "eu"}
}

2. 为什么 harness 比模型更重要

过去两年选 Agent 模型，大家比的是基准分；Claudeforce 的新闻把竞争焦点挪到了 harness——模型周围的整套企业设施：身份与权限映射、数据访问边界、业务逻辑的受控暴露、动作审批、审计日志。对开发者来说，这个转变很实在：再强的模型，如果它只能读到自己权限外的数据、或者每次动作都要人肉审批才能执行，生产力都无从谈起；反之，一个中等模型配上干净的数据路径与自动审批流，反而能安全地规模化。Claudeforce 的架构里，Claude 是推理引擎，Salesforce 提供「harness」。你在自建 Agent 时也应这样分层：模型可替换，harness 才是护城河。

# Approval-aware action client: request, approve, execute, audit.
def run_action(skill, action, payload, approver=None):
    if action in SKILLS[skill]["needs_approval"]:
        decision = ask_human(approver, skill, action, payload)
        if decision != "approved":
            audit.log("denied", skill, action, decision)
            return {"status": "denied"}
    result = execute(skill, action, payload)
    audit.log("executed", skill, action, result.id)
    return result

3. 技能（Skills）如何封装 Agent 能力

37 个预置销售技能是这次发布里最值得拆解的设计：技能 = 声明式的能力封装，明确输入（如 opportunity_id）、可读数据（交易、客户、近期活动）、可写范围与可执行动作，并绑定策略（允许的模型、数据驻留区域）。这套设计把「让 Agent 干活」从提示词工程变成配置管理：技能可以审查、可以版本化、可以按团队灰度。自建时建议同样用技能清单（skill manifest）而不是散落的提示词：每个技能声明它读什么、写什么、执行什么动作、走什么审批，这样安全团队审的是配置而非聊天记录，Agent 的能力边界对审计者一目了然。

// MCP connector for governed CRM access.
{
  "server": "crm-gateway",
  "transport": "streamable-http",
  "tools": [
    {"name": "get_opportunity", "scope": "read"},
    {"name": "update_pipeline_stage", "scope": "write",
     "requires_approval": true}
  ],
  "auth": {"type": "oauth2", "audience": "enterprise-harness"}
}

4. MuleSoft AI Pod 与 API 连接层

9 月 3 日，Globant 推出 Salesforce MuleSoft AI Pod，把专业 AI Agent 与人类专家结合，加速 API 驱动的连接与交付。它解决的是 Agentic AI 的老问题：Agent 的能力上限取决于它能调用的 API。企业里大量系统没有干净接口，Agent 要么接不上，要么被迫用脆弱的屏幕抓取。对企业开发者的启示：在写 Agent 之前，先盘点并测试连接器。用 API Tester 之类工具验证每个端点在你真实负载下的行为，把「读」与「写」分开暴露，写操作默认要求审批。连接层稳定了，Agent 层才谈得上稳定；连接层不可靠时，任何模型都救不了你的工作流。

5. 文档密集型受治理工作流的现实

Claudeforce 发布前后，分析界普遍把 Salesforce 的动作解读为「向受监管行业的 AI 文档工作流深入」：银行、保险、医疗的合同处理、合规摘要与客户沟通，既要 AI 的吞吐，又要可审计、可回退、数据驻留受控。这类场景对工程的要求是：文档进入模型前先分类与脱敏（PII 在进入 LLM 前剥离），合同类数据限制在合规区域处理；对外输出与超长摘要必须人工复核；日志只记录动作与元数据，不把提示词原文写进审计。Salesforce 的 Agentforce Health、Claudeforce 的受治理操作都在朝这个方向走，但监管行业的落地速度永远取决于审计能力，而不是演示视频。

# Audit middleware: every model action lands in one append-only stream.
import json, time

def audit_stream(record):
    record["ts"] = time.time()
    with open("agent-audit.jsonl", "a") as f:
        f.write(json.dumps(record) + "
")

audit_stream({
    "tenant": "acme-eu",
    "user": "u-1042",
    "skill": "meeting_prep",
    "action": "suggest_questions",
    "model": "claude-fable-5.1",
    "tokens": 4821
})

6. 自建受治理 Agent 工作流的五件套

不管是否使用 Salesforce，受治理 Agent 工作流都可以抽象成五件套：技能清单（声明读/写/动作/策略）、审批感知的动作客户端（请求→审批→执行→审计）、API 连接器（读写分离、写默认审批）、统一审计流（追加式、含租户/用户/技能/动作/模型/token）、策略规则（分类脱敏、人工复核、留存、数据驻留）。落地顺序建议：先接审计流，再接连接器，然后加审批，最后才让 Agent 自由调用。用 Evergreen Tools 的 API Tester 验证连接器、AI Prompt Templates 统一技能提示词、AI Token Counter 按部门计量用量，配合这五件套，你的 Agent 就能在「能干活」与「可管控」之间找到平衡——这正是 Claudeforce 想卖给企业、而你也可以自己搭建的东西。

// Policy for document-heavy, regulated workflows.
{
  "policy": "regulated_docs_v1",
  "classify": {"pii": "redact_before_llm", "contract": "eu_only"},
  "human_review": ["approve_outbound", "approve_summary_over_2k"],
  "retention": {"days": 90, "immutable": true},
  "audit": {"include_prompt": false, "include_action": true}
}