智能体互联网中的智能体发现：挑战与解决方案

大语言模型和智能体AI的快速发展推动了智能体互联网（IoA）的兴起，这是一个数十亿自主软件和具身智能体互动、协调与协作以完成复杂任务的范式。此类大规模协作的关键前提是智能体能力发现，即智能体在动态任务下识别、发布和匹配彼此的能力。IoA中智能体的能力本质上具有异构性和上下文依赖性，这给能力表示、可扩展发现和长期性能带来了挑战。为了解决这些问题，本文提出了一种新颖的两阶段能力发现框架。第一阶段，自主能力发布，允许智能体可信地发布其能力的机器可解释描述。第二阶段，任务驱动的能力发现，使上下文感知的搜索、排序和组合能够定位并组装适合特定任务的智能体。基于该框架，我们提出了一种集成语义能力建模、可扩展且可更新的索引以及记忆增强的持续发现的新方案。仿真结果表明，我们的方法提升了发现性能和可扩展性。最后，我们概述了研究路线图，并指出了未来IoA中开放的问题和有前景的方向。