← 返回洞察
2026 年 9 月 · 8 分钟阅读
Boomi 发布 Agent 控制平面：治理 Agent 与 ERP 之间的每一次动作
关键定义
Agent 控制平面（Agent Control Plane） 介于任意 AI Agent 与企业核心业务系统之间的 AI 原生基础设施层：实时检查流量、施加身份与限流、把高风险交易动作挂起等待人工批准，并对每一次动作计量与记录。2026 年 9 月 2 日 Boomi 发布的版本把 MCP 网关与 LLM 网关合并为一个执行控制点。
执行风险（Execution Risk） 与『模型风险』相对：企业不再主要担心 Agent 说什么，而是担心它对总账或客户记录做了什么、六个月后审计时能否还原决策。Omdia 首席分析师 Michael Barnes 用这句话概括了 Agent 生产化后的风险重心转移。
2026 年 9 月 2 日，Boomi 发布 Agent Control Plane，把它定位为 AI 原生基础设施：连接 Agent 到核心业务系统、治理它们连接之后的每一个动作、并勒住失控的 token 支出。平台可部署在公有云、客户自己的 VPC 或本地——Boomi 把这种部署选择直接与数据与数字主权挂钩。这个发布完成了一条 Boomi 走了一整年的弧线，也把『Agent 与 ERP 之间的控制层』从一个想法变成了一类产品。
从『模型风险』到『执行风险』
发布把问题框定为一道随着采用加速而扩大的治理裂缝：企业把 Agent 推进生产的速度，快于它们能看到 Agent 在做什么、花了多少钱、或者某个 Agent 碰到错误系统时会发生什么。许多企业的应对是限制连接——这在纸面上安全，却让 Agent 饿死在让它们有用的系统之外。
第三方数据支持这个框架。Boomi 委托的 Forrester Consulting 研究发现，86% 的领导者已走出试点，但只有 34% 信任自己 Agent 采取的动作；过早部署的组织平均多花了 210 万美元。FinOps 基金会的 2026 年调查显示，98% 的从业者现在管理 AI 支出，而两年前这个数字只有 31%。Omdia 首席分析师 Michael Barnes 在发布稿里把变化概括得很准：『企业不再主要担心 Agent 说什么，而是担心它对总账或客户记录做了什么，以及六个月后的审计中是否有人能还原那次决策。』
为什么试点会死
Boomi SVP 兼 AI 与平台总经理 Chris Hallenbeck 给出了更直白的诊断：项目失败，是因为 CISO 拒绝签字——系统无法保护个人数据、无法验证 Agent 请求背后的身份；到核心系统的连接太难建；数据质量太差，给不了 Agent 可用的上下文。更深层的失败是所有权：没有所有权，集成团队与数据团队撇清 AI，而卓越中心没有权威。走到生产的企业，做法是让集成团队对 Agent 就绪的 API 负责、在设计阶段就嵌入 CISO、并把 AI 团队与 FinOps 配对。
控制平面在路径上做什么
9 月 2 日的发布是 Boomi 今年一整年演进的收尾。3 月向数据激活转向，引入 Meta Hub 与欧洲平台实例；5 月的 Boomi World 增加 Boomi Connect、Orchestrate，并与 AI 网关专业厂商 Lunar.dev 签署收购意向；这笔交易 7 月 27 日完成，基于 Lunar 的 Boomi AI Gateway 成为控制平面下方的执行层——把 MCP 网关与 LLM 网关合并为一个控制点。
控制平面坐在任意 Agent——无论构建在 Boomi、第三方框架还是开源之上——与交易系统 SAP、Oracle、Salesforce、Workday 之间。它检查实时流量、应用身份与限流策略，并把高风险交易动作挂起等待人工批准。Boomi Connect 把这些系统开放为受治理的 MCP 工具，超过 1000 个，员工可以用 Claude、ChatGPT 或 Gemini 访问企业数据，权限通过现有身份提供商授予。运行时故事对受监管行业同样重要：自带模型（BYOM）覆盖商业 LLM、开放权重模型与私有实例，微调小语言模型即将推出。把模型跑在企业控制的基础设施上，把可变的按 token 成本变成可预测的计算成本——这回应了 Steve Lucas 早在 2024 年就提出的问题：谁在看着这些 Agent？
三条可执行动作
ERP Today 从这次发布提炼的三条建议，是任何企业都可以直接采用的检查表。第一，把执行放进路径，而不是旁边：云厂商与模型厂商各自治理自己的领地，留下碎片化审计轨迹；CIO 应要求一个单一控制点，记录、计量并随时叫停 Agent 对核心系统的每一个动作。第二，先审计 API，再开放给 Agent：企业架构师应假设遗留交易 API 对自主访问不安全，预算建设带限流与委托授权的细粒度业务级 API 层。第三，从第一天就把 FinOps 纳入 Agent 设计：token 成本波动已是董事会级风险，前沿模型、云模型与本地 SLM 之间的模型路由应是受治理的策略，而不是开发者的个人选择。
底线判断
Boomi 从 2024 年开始论证的『集成即创新、AI 无数据地基则不可能』的命题，已经硬化成一个产品品类。无论企业从 Boomi 买，还是自己组装，Agent 与 ERP 之间的控制层都不再是可选项——这是 2026 年把 Agent 从试点推向生产的企业必须内置的一层基础设施。判断标准很朴素：你的企业是否有一个能回答『每个 Agent 刚才对总账做了什么、花了多少 token、谁批准的』的单一控制点？如果答案是没有，那么无论模型多强、Agent 多快，你都还停留在试点阶段。
参考来源
- ERP Today: Boomi's Agent Control Plane Targets the Governance Gap Stalling Enterprise AI — https://erp.today/boomis-agent-control-plane-targets-the-governance-gap-stalling-enterprise-ai/
- Boomi: Lunar.dev acquisition completed — https://boomi.com/blog/lunar-dev-boomi-acquisition/
- Boomi: Infrastructure for the enterprise AI control plane — https://boomi.com/resources/resources-library/boomi-infrastructure-enterprise-ai-control/
常见问题
Boomi 的 Agent Control Plane 到底放在哪一层？+
它坐在任意 Agent——无论是 Boomi 构建的、第三方框架的、还是开源 Agent——与交易系统 SAP、Oracle、Salesforce、Workday 之间。它检查实时流量、应用身份与限流策略，并把高风险交易动作挂起等待人工批准。Boomi Connect 把这些系统开放为受治理的 MCP 工具，数量超过 1000 个，员工可以用 Claude、ChatGPT 或 Gemini 访问企业数据，权限通过现有身份提供商授予。
为什么说『执行必须在路径上，而不是在旁边』？+
云厂商与模型厂商各自治理自己的领地，留下的是碎片化审计轨迹。CIO 应该要求一个单一控制点，能记录、计量并随时叫停 Agent 对核心系统的每一个动作。Boomi 的定位正是把 MCP 网关与 LLM 网关合并成一个执行控制点，而不是在系统旁边另建一个治理旁路。
试点项目为什么死掉？+
Boomi 的 SVP Chris Hallenbeck 诊断得很直接：CISO 拒绝签字——系统无法保护个人数据或验证 Agent 请求背后的身份；到核心系统的连接太难建；数据质量太差，给不了 Agent 可用的上下文。更深层的失败是所有权：没有所有权，集成团队和数据团队都撇清 AI，卓越中心又没有权力。走到生产的企业让集成团队对 Agent 就绪 API 负责、在设计阶段就嵌入 CISO、把 AI 团队与 FinOps 配对。
数据怎么说？+
Boomi 委托的 Forrester Consulting 研究显示：86% 的领导者已走出试点，但只有 34% 信任自己 Agent 采取的动作；过早部署的组织平均多花 210 万美元。FinOps 基金会 2026 年调查发现，98% 的从业者现在管理 AI 支出，两年前只有 31%。
这与数据主权和自带模型有什么关系？+
平台支持公有云、客户 VPC 或本地部署——Boomi 把部署选择直接与数据与数字主权挂钩。自带模型（BYOM）覆盖商业 LLM、开放权重模型与私有实例，微调小语言模型即将推出。把模型跑在企业自己控制的基础设施上，能把可变的按 token 成本变成可预测的计算成本。
对 ERP 内部团队的三条建议是什么？+
一，把执行放进路径而不是旁边：要求单一控制点记录、计量并随时叫停 Agent 对核心系统的动作。二，先审计 API 再开放给 Agent：假设遗留交易 API 对自主访问不安全，预算建设带限流与委托授权的细粒度业务级 API 层。三，从第一天就把 FinOps 纳入 Agent 设计：token 成本波动已成为董事会级风险，模型路由（前沿模型、云模型、本地 SLM 之间）应该是受治理的策略，而不是开发者的个人选择。
相关文章
Salesforce × Anthropic 的 Claudeforce：Agent 落地的『运维底座』模式
Salesforce 与 Anthropic 深化合作，把 Claude 嵌入 Agentforce 运维底座：统一身份、护栏、遥测与消费治理成为 Agent 规模化的先决条件——模型只是最后一块拼图。
Google 为金融服务业定制 Gemini Agent 平台：护栏内置在架构里
面向金融服务的 Gemini Agent 平台把治理做成平台能力而非事后审查：身份绑定、动作审计、人工闸门、区域数据驻留，让 Agent 在合规边界内自主行动。
Agent 可观测性的四个支柱：生产环境的『黑匣子』问题
生产级 Agent 可观测性需要四个支柱：追踪、评估、成本、安全。缺任何一个，Agent 就是黑匣子——出事只能靠用户先发现。
生产环境 AI Agent 可观测性：从『能跑』到『看得见』
生产环境的 Agent 可观测性要求追踪每一次工具调用、token 消耗与决策路径——从『能跑』跨越到『看得见、可审计、能复盘』。