本研究聚焦互聯網基礎資源場景下智能體命名、服務發現等問題，針對自然語言請求難以穩定映射到可調用智能體服務、復雜場景下處理結果穩定性不足、過程說明與結果支撐能力較弱等問題，開展基于大模型多智能體協作和可信認知標識技術的原型研究與驗證，形成了面向相關場景的成果。

一、探索互聯網基礎資源場景下的智能體命名表達與能力組織方式，構建可信認知標識

隨著智能體服務持續發展，其能力邊界、服務形態和應用方式日益豐富。不同于傳統資源對象，智能體服務不僅需要被識別和訪問，更需要能夠被準確表達、合理組織和有效區分。特別是在互聯網基礎資源場景中，面對服務類型多樣、應用邊界交叉、調用關系復雜等實際情況，如何形成清晰、規范、可銜接的命名表達與組織方式，是支撐后續服務發現、請求匹配和調用協同的基礎問題。

圍繞這一問題，本研究借鑒互聯網基礎資源在分層命名、規范組織和穩定標識方面的思路，結合智能體服務在現實場景中的能力特征和組織需求，研究適用于相關場景的能力表達與組織方式，使智能體服務能夠在互聯網基礎資源框架下形成更清晰可信的表示基礎。

二、面向智能體服務發現的自然語言請求，開展基于大模型多智能體的語義路由研究

當前用戶需求越來越多地通過自然語言提出，而這類請求往往具有表達靈活、條件并存、語義交叉和任務鏈條較長等特點。一個請求中既可能包含明確的主任務，也可能同時包含補充要求、偏好限制、使用邊界和風險關注點。面對這類復合型表達，傳統以關鍵詞匹配或靜態檢索為主的方式，往往難以穩定支撐復雜請求與智能體服務能力之間的有效對接。

針對這一問題，本研究設計了復雜請求場景下的語義路由方案，重點探索如何增強自然語言請求與智能體服務能力之間的語義關聯與承接關系，使系統能夠更好識別請求所對應的任務方向、處理重點和場景需求，提升復雜場景下服務匹配與處理銜接的穩定性。

在此基礎上，本研究進一步探索了大模型與多智能體協作在復雜請求處理中的支撐作用。大模型用于增強復雜語義的理解能力，多智能體協作用于提升復雜任務場景下的適配能力和協同能力，可信認知標識相關支撐則有助于改善結果呈現和調用過程的可理解性。三者結合，使系統在面對多條件、多目標、多語義交織的請求時，能夠更好支撐服務能力承接、處理鏈條銜接和結果輸出表達。

三、原型系統與實驗驗證

在上述研究基礎上，項目形成了原型系統，用于支撐相關思路的集成展示、功能驗證和典型場景演示。原型系統圍繞智能體服務組織、請求理解、語義路由、協同處理、結果展示和過程留痕等主要環節進行了整體構建。

圍繞原型系統，研究團隊開展了多輪實驗驗證。結果表明，相關研究思路在復雜請求場景下具有較好的適配能力，在提升請求與服務能力之間的銜接水平、增強復雜任務處理過程的穩定性、改善結果輸出的連貫性等方面表現出積極效果。相關工作也進一步表明，大模型、多智能體協作與可信認知標識技術在互聯網基礎資源場景中的結合，具有較強的研究價值和應用潛力。

總體來看，本研究面向互聯網基礎資源與智能體服務融合發展的現實需求，對關鍵問題進行了持續探索，形成了具有驗證基礎的原型成果，為后續技術研究、系統建設和場景應用拓展提供了有益參考。

作者簡介：

鄧斯宇，中國互聯網絡信息中心工程師，主要研究方向為人工智能、軟件研發、域名技術。

姚健康，中國互聯網絡信息中心研究員，主要研究方向為互聯網關鍵技術、DNS IDN等互聯網基礎資源技術和安全。

李真輝，中國互聯網絡信息中心高級工程師，主要研究方向為域名技術、軟件工程。

殷智勇，中國互聯網絡信息中心工程師，主要研究方向為域名技術。

申旭剛，中國互聯網絡信息中心工程師，主要研究方向為分布式系統、域名技術。