摘要
大规模语言模型（LLM）驱动的自主和半自主代理的迅速崛起正在重塑软件系统，使其从静态的请求-响应组件转变为以目标为导向、适应性强且具备工具使用能力的计算实体。这些代理从孤立的认知原型走向复杂的分布式工作流，面临服务导向计算社区在过去二十多年中研究的挑战：组合性、互操作性、服务质量、生命周期管理、治理、安全性和信任。然而，当前的智能代理AI生态系统大多是根据临时需要发展这些基础，缺乏企业和社会部署所需的工程严谨性。
本文介绍了智能代理服务导向计算（ASOC），作为一个新的研究和实践领域，关注将代理作为服务进行工程设计，通过自主和半自主代理来编排服务，并在信任、网络安全、合规性、性能和问责制等约束下治理代理和服务的生态系统。我们阐述了ASOC的六个基础原则：可驾驭性、可组合性、生命周期工程、设计时可信性、目标驱动编排以及可观察性/问责制。
我们组织了一个涵盖五个维度的研究议程，包含：(i) 智能服务基础和生命周期工程；(ii) 组合、编排和互操作性；(iii) 治理、可观察性和问责制；(iv) 安全性、信任和风险管理；(v) 评估、认证和智能服务质量（Agentic QoS）。我们认为，服务计算社区尤其具备为这一新兴领域提供概念和工程支撑的能力，将智能代理AI从碎片化的演示转变为值得人类和组织信任的可靠服务系统。
博主点评： 本文强调了智能代理服务导向计算的重要性，为未来的软件系统设计提供了新的视角。通过系统化的工程方法，可以提高代理的可信赖性和安全性，进而推动智能代理在实际应用中的广泛采用。