焦点评述

一、概念内涵

大模型驱动的智能体正在使软件从接受请求并执行预定义功能的被动组件,逐步转变为能够理解目标、规划任务、调用工具、维护状态并根据环境反馈自主调整行为的主动执行主体。当这种自主能力进一步以标准化方式描述、发布和访问,并具备可发现、可组合、可部署、可监控和可治理等服务属性时,便形成智能体服务(Agentic Service)。传统服务计算主要以功能和接口相对明确的软件服务为基本对象,关注服务的发布与发现、组合、运行与治理;智能体服务则进一步呈现目标驱动、长周期、有状态和不确定性交互等特征。由此产生的智能体服务计算,关注如何将智能体工程化为可信赖的软件服务,以及智能体、工具、技能(Skill)和传统服务如何协同形成开放服务生态,并围绕其设计、部署、运行和演化全生命周期研究构建、发现、组合、运行与治理机制。随着单体智能体服务进一步走向多智能体动态协同以及人机协作,智能体服务计算有望推动软件智能由个体自主向群体协同乃至组织智能演进。


二、研究热点

当前智能体服务计算研究正在从增强单个智能体能力逐步转向面向复杂目标构建可持续运行的服务系统,涉及如何发现和调用外部能力、如何支持长周期任务和多智能体协同,以及如何保障服务执行过程与结果的质量和可信性。

1、面向复杂目标的智能体服务规划与能力组合

传统软件服务通常由用户或开发者明确指定调用接口及参数,而智能体服务面对的往往是以自然语言乃至图像、语音等形式表达的高层目标。如何从复杂、模糊和动态变化的用户意图出发,形成可执行的任务结构,并进一步发现、选择和组合合适的工具、技能、API及其他服务,成为智能体服务区别于传统服务调用的重要问题。当前研究一方面利用大模型开展意图理解和任务分解,将复杂目标转化为任务树或依赖图;另一方面研究工具理解、能力匹配和多工具调用,使智能体能够根据任务状态选择外部能力,并依据执行结果进行动态重规划。


2、长周期智能体服务运行与多智能体协同

现实任务往往需要智能体在较长时间内持续维护任务状态、积累上下文、调用不同能力并处理执行异常。因此,许多研究关注具有记忆、状态管理、任务恢复和能力复用机制的长期运行服务。例如,Deep Agents等架构通过外置上下文和状态、子智能体以及技能,将复杂任务拆分给具有不同能力的执行单元并按需组合。与传统无状态服务相比,这类智能体服务需要解决上下文持续增长、任务状态一致性、执行中断恢复以及长期记忆等新的运行时问题。复杂目标还进一步推动单智能体走向多智能体协同,不同智能体可分别承担规划、检索、编码、工具操作和验证等职责,由协调智能体根据任务进展动态分工并在失败后重新规划。例如,微软的Magentic-One由编排器持续跟踪任务进度,调度多个专业智能体执行各种操作,支持开放环境中的复杂多步任务。随着协同规模和任务复杂度进一步提升,如何从面向单次任务的协作进一步支持面向复杂目标的角色分工、动态协调和持续协作,也成为值得关注的问题,将为组织层面的智能协同提供基础。


3、智能体服务质量、运行治理与可信保障

智能体具有生成式和自主行动特征,接口调用成功不足以判断一次服务是否成功。研究者开始将关注点由单次响应的正确性扩展到完整任务轨迹,包括目标是否实现、规划是否合理、工具是否正确调用、执行过程是否符合授权、结果是否可靠,以及时间和资源成本是否可接受等。传统服务计算主要关注可用性、延迟和吞吐量等QoS指标,而智能体服务还需要进一步考虑任务达成质量、规划与工具调用质量、鲁棒性、安全性和合规性等新的质量维度,推动形成面向智能体服务的Agentic QoS体系。与此同时,智能体不仅自身需要作为服务被治理,同时也被用于传统软件服务的运行与治理。面向云计算和微服务系统,智能体可综合日志、指标、调用链以及外部诊断工具,自主开展信息获取、根因定位和结果评估,推动智能运维由模型辅助分析进一步发展为智能体自主收集证据、调用工具并完成诊断闭环。


三、发展趋势

当前,智能体服务已经显现出若干新的演进方向,有望进一步推动服务计算在服务抽象、服务组织和运行机制三个层面发生系统性变化。


1.从功能导向转变为目标与结果导向

传统Web服务和微服务通常围绕确定的功能接口构建,调用方需要明确调用什么服务以及传递什么参数;而在智能体服务中,用户更多描述希望达成的目标及相关约束,由智能体负责理解意图、分解任务、发现能力并组织执行。未来,服务能力的描述将不再局限于能够执行什么功能,而需要进一步表达能力边界、适用条件、资源与权限要求以及可达成的预期结果;服务质量评价也将从接口是否成功返回,扩展到目标是否达成,以及实现目标的成本、风险和用户体验。随着多模态大模型对文本、图像、语音和环境状态的统一理解能力增强,服务需求也将从显式参数描述进一步转为对复杂情境和持续变化意图的理解。


2.从个体自主走向动态协同与组织智能

智能体服务的协作形态正在由单体自治向多智能体动态协同演进,并有望进一步发展为具有持续角色分工、知识共享、协同决策和经验积累能力的组织智能。早期智能体主要围绕单次任务临时组合,未来则将更多围绕长期目标形成稳定而可调整的协作关系。MCP、A2A以及智能体注册、能力描述、身份认证和任务委托等机制,将推动跨平台、跨系统的动态协作,使服务组合由预定义工作流走向运行时自主组织。当这种协作进一步具备持续运行和共同学习能力时,多个智能体与人将不再只是独立任务执行者,而可能形成面向共同目标的智能服务组织。


3.从一次性任务完成转变为可信运行与持续演化

当前智能体评测较多关注任务能否完成,但当智能体进入企业核心业务后,更重要的问题将转向能否长期可信赖。未来的智能体服务需要对需求理解、规划、工具调用、执行到结果交付的完整行为链进行持续观测,并综合评价任务完成质量、稳定性、成本、安全、合规和异常恢复能力。传统QoS也将进一步扩展为覆盖能力、过程和结果的Agentic QoS体系。与此同时,评估将逐渐从部署前或任务结束后的静态验证,转向融入服务运行全过程的在线监测与反馈调节。智能体需要依据执行轨迹和环境反馈持续识别自身能力边界,在必要时回退、重规划、请求其他智能体或人工介入,并将执行经验用于后续任务优化。由此,智能体服务将从一次部署后相对静态的软件组件,演化为能够持续感知运行状态、接受动态评估并在治理约束下不断学习和适应的长期服务实体。


编委主任:苏金树 CCF会士 军事科学院教授

本期主编:李    兵 CCF服务计算专委会原副主任委员 CCF杰出会员 武汉大学教授

本期编委:王    健 CCF服务计算专委会主任扩大会议成员 武汉大学教授

本期编委成员