在企业日常协作中，文档通常托管在 Atlassian Confluence Cloud 中，而相关的数据则散落在其他系统中。团队成员常常需要在多个工具之间频繁切换、重复搜索上下文并手动收集信息。这种上下文切换不仅减缓了决策速度，也在现有知识与实际行动之间制造了鸿沟。通过将 Atlassian Confluence Cloud 与 Amazon Quick 直接集成，用户可以直接在 Quick 界面中通过自然语言查询来搜索 Confluence 内容，从而大幅减少上下文切换。
集成后，团队可以查询 Confluence 页面、检索文档并更新内容，同时还能访问来自 Amazon S3、Atlassian JIRA 或其他商业应用等集成系统的数据。本文将介绍如何设置 Confluence Cloud 与 Quick 的集成，包括创建用于语义搜索的知识库、设置用于查询和管理 Confluence 页面的 Action（操作），以及在 Quick Spaces 中组织资源。
Quick 能够与企业现有的技术栈无缝融合。这些集成主要分为三类：用于跨连接应用执行任务的 Action；用于索引文档和 Wiki 等非结构化内容的 知识库（Knowledge bases）；以及用于在 Amazon Redshift 等结构化数据源上进行自然语言查询的 Topic 和数据集。本文重点关注知识库和 Action 的构建。
Action 的工作机制与配置方式：Action 在用户输入提示词或查询时实时连接到外部系统，允许用户直接在 Quick 中进行读取、写入和任务自动化。设置 Action 集成有以下三种途径：
- 内置连接器：针对 Confluence Cloud、Jira 和 Salesforce 等常用工具的预建、配置驱动型集成。
- 自定义 REST API：使用 OpenAPI 规范连接您自己或第三方的 API。
- Model Context Protocol (MCP) 服务器：一种基于标准、高度灵活的方法，允许从自定义或第三方 MCP 服务器中动态发现工具。
知识库的工作机制：与实时连接的 Action 不同，知识库在用户查询之前对内容进行索引。创建知识库时，Quick 会连接到 Confluence 或 JIRA，检索文档并构建可搜索的索引。当用户提问时，Quick 从该预建索引中检索相关信息，使非结构化内容能够通过自然语言瞬间被检索。结合 Action 和知识库，企业能够以极其灵活且互补的方式释放知识价值。
【AgentUpdate 深度解析】本次 Amazon Quick（即 Amazon Q）与 Confluence 的深度集成，不仅是简单的企业搜索升级，更是 AI Agent 走向实用化落地的重要里程碑。横向对比 Microsoft Copilot Studio 或传统的企业级 RAG 方案，AWS 的独特优势在于其对 MCP (Model Context Protocol) 的原生支持。MCP 作为 Anthropic 倡导的开放标准，正在打破企业内部“数据孤岛”与“接口碎片化”的双重壁垒。通过将静态的“知识库检索（RAG）”与动态的“Action 执行（MCP/API）”完美结合，Amazon Quick 实现了从“回答问题”到“执行工作流”的跨越。对于 AI Agent 生态而言，这种架构验证了未来企业级 Agent 的演进方向：Agent 不再只是一个孤立的对话框，而是能够通过标准化协议（如 MCP）动态发现工具、跨系统读写数据、具备强上下文感知能力的协同中枢。这为企业构建复杂、可信赖的双向交互式 Agent 提供了标准的工程范式。
