AWS Bedrock 与 Salesforce Agentforce 通过 MCP 打通，处理执法与公共部门非结构化数据

公共部门机构每天都会产生大量非结构化证据：执法记录仪视频、监控录像、扫描文档等。在这些数据能被分析或使用之前，机构往往需要先人工进行分类、审阅和关键信息提取。AWS 与 Salesforce 近日联合演示了一套基于 Amazon Bedrock Data Automation 与 Model Context Protocol（MCP）的参考架构，目标是在 Salesforce Agentforce 控制台内直接对这类非结构化数据完成智能化处理。

整体思路：从存储走向洞察

在双方此前已经发布的方案中，Salesforce Agentforce Public Sector 通过「External Storage of Files with Amazon S3」连接器，把执法记录仪视频、监控录像、照片、录音和扫描件等统一存放到 Amazon S3。这一步解决了底层存放问题，但存储只是第一步：仍需要 AI 把文件中的内容自动提取出来。

本次新增的能力，正是为了让已存入 S3 的非结构化数据，借助 Amazon Bedrock Data Automation 自动转成可被 Agentforce 自然语言检索的结构化洞察，并通过 MCP 协议回传到 Salesforce 一侧。

关键组件与数据流

参考架构由两条互相协作的链路组成：

• 数据通路：当文件落入 Amazon S3 后，S3 事件通知会触发一个 AWS Lambda 函数。该函数生成文档 ID，连同元数据写入 Amazon DynamoDB，同时启动一项 Amazon Bedrock Data Automation 任务处理该文件。任务完成后，Amazon EventBridge 规则触发第二个 Lambda 函数，将结果保存到指定的输出桶中。
• 查询通路：Salesforce 用户在 Agentforce 中发起对话，会触发一个配置好的动作，通过 MCP 调用 AWS。请求先经过 Amazon Bedrock AgentCore Gateway 完成鉴权，再调用运行在 AWS Lambda 上的 MCP 服务器。Lambda 函数先查 DynamoDB 定位结果，再到 S3 中取回数据，最终通过 AgentCore Gateway 回到 Agentforce，加载到 agent 的上下文中用于自然语言回答。

整个过程对 Salesforce 用户透明：上传文件、提问、获得 AI 生成的洞察，都可以在 Salesforce 控制台内完成，无需切换到 AWS 端管理资源。

多模态处理能力

Amazon Bedrock Data Automation 会根据媒体类型分别走不同的提取逻辑：

• 文档：抽取文本、识别关键字段、生成结构化摘要。
• 图像：生成图像描述，并识别画面中的物体或文字。
• 视频与音频：生成转写文本和分场景摘要。

具体的提取能力由 Bedrock Data Automation project 配置决定，机构可以在控制台中按文件类型自定义启用哪些能力。

架构的可扩展性

AWS 把这套架构定位为可适配多种场景的模式，而不是只服务于证据管理：

• 在 AWS Lambda MCP Serverless Runtime 中加入自定义处理逻辑。
• 在 DynamoDB 中存储更丰富的元数据，提升文档检索命中率。
• 通过 MCP 连接不同的 agent 前端，无需改动底层数据管道。

配套部署资源

AWS 同时提供了配套的 AWS CDK 部署代码，覆盖 EventBridge 规则、Bedrock Data Automation 配置、Lambda 函数、DynamoDB 表，以及 Bedrock AgentCore 相关组件，可在已有「S3 + Agentforce Public Sector」基础上继续扩展。注册外部 MCP 服务器的能力在 Agentforce 的 Developer、Enterprise、Performance 和 Unlimited 版本中可用，机构可在「Setup > API Catalog > MCP Server」中确认是否已开启该选项。

对于正在评估 agent 平台与 AWS 集成的企业，以及关注 MCP 协议在主流 SaaS 中落地的开发者，这套方案提供了一个具体的工程参考。