面向城市物流自主优化：通过智能体数字孪生与模型上下文协议训练生成式AI

城市物流优化对于发展可持续、低碳城市至关重要。传统方法往往依赖人工协调仿真工具、优化求解器及专家驱动的工作流程，限制了其效率和可扩展性。本文提出一种智能体架构，利用模型上下文协议（MCP）协调科学工具间的多智能体协作，以实现城市物流的自主、仿真导向优化。该系统将生成式AI智能体与特定领域引擎（如Gurobi优化器和AnyLogic仿真器）集成，形成具备推理、规划与行动能力的生成式数字孪生体。通过集成聊天机器人、检索增强生成与结构化记忆，该框架使智能体能够从自然语言对话中解读用户意图，检索相关数据集与模型，协调求解器与仿真器，执行复杂工作流程。我们通过货运脱碳案例展示了该方法的可行性，表明MCP使得跨不同工具链的模块化、可互操作且自适应的智能体行为成为可能。结果显示，我们的系统将数字孪生体从静态可视化工具转变为具备自主决策能力的系统，推动了城市运营研究的前沿。通过使上下文感知的生成式智能体能够自动协作地操作科学工具，该框架支持更加智能、易于访问且动态的交通规划与智慧城市管理决策。