说出任务，执行群体：基于 Web-of-Drones 的代理增强型 LLM 推理

大型语言模型 (LLM) 正在越来越多地被用作网络-物理系统的高层次推理引擎，但其在实时无人机群体管理中的应用仍面临异构接口、缺乏 grounding 以及长期闭环执行需求等挑战。本文提出一种面向任务无关、代理增强型 LLM 框架，用于无人机群体控制，用户以自然语言表达任务目标，系统通过 grounded 的实时交互自主执行。该架构将 LLM 驱动的 Agent Core 与 Model Context Protocol (MCP) 网关及基于 W3C Web of Things (WoT) 标准的 Web-of-Drones 抽象相结合。通过将无人机、传感器和服务暴露为标准 WoT Things，框架实现了结构化工具式交互、持续状态观测和安全执行，而无需依赖代码生成。我们使用基于 ArduPilot 的仿真平台，对该框架在四个群体任务和六个最先进 LLM 上进行评估。结果表明，尽管当前通用型 LLM 推理能力强大，但在缺乏明确 grounding 和执行支持的情况下，即使面对简单群体任务，也难以实现可靠执行。任务特定的规划工具和运行时 guardrails 显著提升了鲁棒性，而 token 消耗量本身并非执行质量或可靠性的可靠指标。