智能体服务计算：面向服务计算新前沿

Agentic Service-Oriented Computing: A Manifesto for the Next Frontier of Service-Oriented Computing

来源：arXiv cs.AI (Submitted on 14 Jul 2026)

该论文提出 Agentic Service-Oriented Computing (ASOC) 作为服务计算领域的新前沿，旨在为基于 LLM 的自主与半自主智能体赋予工程化服务化的基础设施，从而将碎片化的智能体演示转化为可靠、可治理的企业级系统。

背景

过去二十余年，Service-Oriented Computing (SOC) 社区已系统性地解决了服务组合、互操作、服务质量（QoS）、生命周期管理、治理、安全与信任等核心工程问题。然而，随着 LLM 驱动的自主与半自主智能体（Agent）从孤立的认知原型快速转向复杂的分布式工作流，它们所面临的挑战——组合、互操作、QoS、生命周期、治理、安全与信任——恰恰是 SOC 领域早已深入研究过的。然而，当前智能体 AI 生态系统大多以临时拼凑的方式构建这些基础，缺乏企业和社会级部署所需的工程严谨性。为此，作者提出 ASOC，将智能体工程化为服务，通过自主/半自主智能体编排服务，并在信任、网络安全、合规、性能和问责约束下治理智能体与服务的生态系统。

核心内容

论文定义了 ASOC 的六项基础原则，并组织了一个五维研究议程。以下是对原文摘要的完整翻译与解读：

六项基础原则 (Six Foundational Principles of ASOC)

1. 可驾驭性 (Harness-ability) —— 智能体应当能被用户或系统以可控方式调遣，而非黑箱式自主。
2. 可组合性 (Composability) —— 智能体可以像服务一样被组合成更高阶的工作流，支持灵活组装与解耦。
3. 生命周期工程 (Lifecycle Engineering) —— 从设计、部署、运行到退役，智能体需要完整、规范的生命周期管理。
4. 设计即可信 (Trustworthiness by Design) —— 信任属性（可解释性、可审计性、可靠性）应作为设计的第一性原理嵌入。
5. 目标驱动编排 (Goal-driven Orchestration) —— 编排引擎应基于高层目标而非预定义步骤进行动态协调。
6. 可观测性与问责 (Observability/Accountability) —— 智能体的所有行为需可监控、可追溯，并能明确责任归属。

五维研究议程 (Five-dimensional Research Agenda)

1. 智能体服务基础与生命周期工程 (Agentic Services Foundations and Lifecycle Engineering) —— 建立智能体作为服务的抽象模型，定义其规范、注册、发现、状态管理和版本演化。
2. 组合、编排与互操作 (Composition, Orchestration, and Interoperability) —— 研究异构智能体（不同 LLM、不同协议）之间的无歧义交互、数据传递和协作模式，开发目标驱动的编排语言和运行时。
3. 治理、可观测性与问责 (Governance, Observability, and Accountability) —— 构建治理层以定义智能体的权限、行为约束、审计日志和实时监控，确保合规与问责。
4. 安全、信任与风险管理 (Security, Trust, and Risk Management) —— 应对 LLM 幻觉导致的误操作、提示注入、数据泄露等新型威胁，建立信任评估模型和风险缓解策略。
5. 评估、认证与智能体 QoS (Evaluation, Certification, and Agentic QoS) —— 制定标准化基准与认证流程，量化智能体的响应时间、准确率、可信度和安全性，形成类似传统 SOC 中 QoS 的度量体系。

论文强调，Services Computing 社区具备独特的优势为这一新兴领域提供概念骨架和工程支柱，将智能体 AI 从碎片化的演示转变为值得人类和组织信任的、基于服务的可靠系统。

关键要点

• ASOC 将智能体视为 “智能体即服务”，复用 SOC 二十年工程积累应对智能体系统的规模化挑战。
• 六项原则覆盖了控制（可驾驭性）、构建（可组合性、生命周期）、信任（设计即可信、可观测性与问责）以及策略（目标驱动编排）。
• 五维研究议程从底层基础到上层治理、从技术到标准化全面布局，每个维度都对应一个传统 SOC 的子领域。
• 核心论点是：不应以 ad hoc 方式构建智能体基础设施，而应借鉴 SOC 的工程方法论。
• 论文还指出当前智能体 AI 生态的不足：缺乏统一的注册、发现、组合和治理机制，导致系统脆弱、难以审计和治理。
• ASOC 的目标是让智能体系统达到与企业级 SOA 相同的可靠性与可管理性。

意义与影响

ASOC 的提出具有里程碑意义。它将两个原本相对独立的领域——服务计算与智能体 AI——系统地连接起来。一方面，服务计算社区获得了新的研究增长点：智能体不仅调用服务，其本身也是服务；另一方面，AI 智能体社区获得了成熟的工程范式：不必从零发明组合、生命周期、治理等轮子。尤其在企业级应用（如金融服务、医疗、供应链）要求高可靠性、可审计和可控性的场景下，ASOC 提供了从实验原型到生产级部署的桥梁。此外，五维研究议程为后续研究者绘制了清晰的路线图，有望催生新的标准化组织、工具链和认证体系。若 ASOC 得以广泛采纳，将极大加速智能体系统在真实世界中的安全落地。