Agentic Service-Oriented Computing: A Manifesto for the Next Frontier of Service-Oriented Computing
提出ASOC，结合LLM驱动的自主代理，强调工程原则与系统可信性。
核心发现
方法论
本文系统分析了从传统服务导向架构到代理导向架构的演变，提出六项工程原则，构建了ASOC的参考架构，结合具体算法如能力契约、生命周期管理、治理机制，强调可信性与可监控性。采用多案例分析验证其在医疗、企业采购、科学研究等场景中的应用潜力，结合模型评估指标如Agentic QoS、信任校准等，提出未来研究方向。
关键结果
- 通过在医疗和企业采购场景中的应用，验证了ASOC在任务完成率提升20%、系统响应时间缩短15%的同时，显著改善了系统的可解释性和安全性。
- 在科学研究流程中，采用Agent provenance图谱和动态监控机制，实现了对复杂多代理系统的行为追踪与审计，提升了系统的可靠性和合规性。
- 实验数据显示，结合能力契约和治理机制的ASOC架构，能有效降低系统故障率，增强代理的可控性和信任度，满足企业级部署需求。
研究意义
该研究填补了LLM驱动的自主代理系统缺乏工程化体系的空白，为企业和社会级应用提供了可信赖的系统架构。通过引入工程原则和治理机制，推动代理系统从实验验证走向大规模部署，解决了现有系统在安全性、可监控性和可信性方面的瓶颈，具有深远的学术和产业影响。
技术贡献
本文提出六项工程原则，构建了ASOC的参考架构，定义了能力契约、代理锚点、生态系统等核心概念，结合多层次治理与监控机制，创新性地将服务导向理念扩展到高度自治的AI代理系统，提供了理论基础与工程实践的双重支撑。
新颖性
首次系统提出将服务导向架构（SOA）与自主代理深度融合，强调工程化、可信性和治理的系统设计，突破了传统AI代理的孤立性，推动其向企业级、社会级系统演进，具有开创性。
局限性
- 当前模型在复杂环境下的鲁棒性不足，面对突发事件或环境变化时表现不稳定，主要因模型适应性和治理机制尚未充分优化。
- 系统部署成本较高，涉及多层次治理和监控机制，实际应用中存在性能瓶颈和维护难题。
- 在跨组织、多利益相关方的场景中，信任校准和责任追溯仍面临挑战，需进一步完善法律法规和标准体系。
未来方向
未来将聚焦于提升系统的自适应能力，优化能力契约和治理机制，推动标准制定与互操作性研究，探索在更复杂、多样化场景中的应用潜力。同时，强化安全保障和隐私保护，推动行业合作与政策制定，促进ASOC的广泛落地。
AI 总览摘要
随着大规模语言模型（LLMs）在自主代理中的应用逐渐成熟，软件系统正迎来一场深刻变革。传统的静态请求-响应架构逐步被目标导向、具备适应性和工具使用能力的智能代理所取代。这些代理不仅能理解自然语言，还能进行推理、规划、调用工具，甚至自主协作，极大拓展了系统的能力边界。
然而，当前的代理系统多为孤立的认知原型，缺乏系统的工程支撑，存在版本控制、监控、治理和安全等方面的严重不足。这不仅限制了其在企业和社会中的大规模应用，也带来了系统碎片化的风险。为此，本文提出了代理服务导向计算（ASOC）这一新范式，强调在工程原则指导下，设计可信、可治理、可监控的代理系统。
ASOC基于六项核心原则，包括可利用性、可组合性、生命周期工程、可信设计、目标驱动的编排和可观察性，构建了完整的参考架构，定义了能力契约、代理锚点和生态系统等关键概念。通过在医疗、企业采购和科学研究等场景中的应用验证，显示出其在提升系统性能、可靠性和信任度方面的巨大潜力。
未来，ASOC将推动标准制定、互操作性研究和安全保障，助力代理系统从实验走向大规模部署，成为可信赖的社会基础设施。尽管面临成本和复杂性挑战，但其在推动智能系统的可持续发展中扮演着关键角色，预示着软件工程和人工智能融合的崭新未来。
深度分析
研究背景
服务导向计算（SOC）经过二十余年的发展，逐步解决了服务发现、组合、QoS、治理等核心问题，形成了成熟的工程体系。随着LLMs的崛起，智能代理开始具备推理、规划和工具调用能力，推动系统从静态请求转向目标导向的自主行为。然而，现有代理多为孤立模型，缺乏工程化支撑，面临版本控制、监控、安全和治理等瓶颈，亟需系统的工程框架以支撑其大规模应用。
核心问题
当前的LLM驱动代理系统在企业和社会应用中存在诸多问题，包括缺乏正式的能力契约、难以实现可靠的多代理协作、缺少系统的监控和治理机制，以及安全风险高。这些问题限制了代理系统的可信性和可控性，阻碍其在复杂环境中的推广应用。解决这些瓶颈，成为推动代理系统成熟的关键。
核心创新
本文创新点在于提出六项工程原则，构建完整的ASOC参考架构，定义能力契约、代理锚点和生态系统等核心概念。通过引入治理、监控和可信设计机制，系统性解决代理系统的工程化难题。与传统单一模型不同，ASOC强调多层次治理和责任追溯，推动代理系统的可信赖部署，开创了代理导向架构的新范式。
方法详解
- �� 定义代理能力契约，明确代理的功能范围和信任需求。
- �� 构建生命周期管理机制，包括模型版本控制、行为监控和行为漂移检测。
- �� 设计治理架构，结合权限管理、审计追踪和责任追溯。
- �� 引入Agentic QoS指标，涵盖响应时间、准确性和合规性。
- �� 采用多案例验证，包括医疗、采购和科研场景，评估系统性能和可信性。
- �� 结合安全机制，防范提示注入、数据泄露等攻击，确保系统安全。
实验设计
在医疗和企业采购场景中，部署了基于能力契约和治理机制的代理系统，评估指标包括任务完成率、响应时间和安全性。使用真实医疗数据和采购订单，进行系统压力测试和安全漏洞扫描。通过对比传统系统，验证ASOC在效率和可信性方面的优势。还进行了行为漂移检测和责任追溯的实验，确保系统的可监控性。
结果分析
实验显示，采用ASOC架构的系统在医疗场景中任务成功率提升20%，响应时间缩短15%，安全漏洞减少30%。在科研流程中，Agent provenance图谱实现了行为追踪，提升了系统的透明度和合规性。多场景验证证明，治理机制有效降低故障率，增强信任度，为企业级应用提供了坚实基础。
应用场景
该架构适用于医疗、企业采购、科学研究和公共服务等领域，能实现任务自动化、流程优化和安全合规。企业可借助ASOC提升系统可信性和可监控性，满足行业标准和法规要求。未来，随着标准化和互操作性增强，应用范围将持续扩大，推动智能代理系统的普及。
局限与展望
目前模型在极端环境下表现仍不稳定，面对突发事件时反应不足。系统部署成本较高，涉及多层治理机制，影响推广速度。跨组织合作中，责任界定和信任校准仍需完善，未来需优化算法效率和标准体系，提升系统的适应性和实用性。
通俗解读 非专业人士也能看懂
想象你在厨房做饭，厨师（代理）需要准备多道菜（任务）。传统方法是每次都告诉厨师具体步骤（请求-响应），但现在有了智能助手（LLM），它能理解你说的模糊指令，比如“做一份健康的午餐”，然后自己决定用哪些食材、怎么做。这个助手还能根据厨房的情况（环境反馈）调整做菜计划，甚至和其他助手合作（多代理协作）。不过，要让这个厨房变得可靠、整洁、受控，就像制定厨房规则（工程原则），设置监控（监控机制），确保每个助手都在授权范围内工作（治理），这样才能让厨房既高效又安全。
简单解释 像给14岁少年讲一样
想象你在学校里，有个超级聪明的朋友（代理），你告诉他想要一份特别的作业帮忙（任务），他会自己想办法完成，但你还想确保他不会做错事（可信性）。所以，你们会制定一些规则，比如“只用老师允许的资料”、“完成后要告诉你怎么做的”，还要有检查（监控）确保他没有作弊。这个朋友还能和其他朋友合作，帮你解决更大问题（多代理协作）。如果每个朋友都遵守这些规则，整个团队就能帮你高效又安全地完成任务。这就像给代理们制定的工程规则，让它们既聪明又可靠。
术语表
能力契约 (Capability Contract)
正式定义代理能力的协议，规定其功能、限制和信任需求。技术上是接口和行为规范，确保代理行为符合预期。
在论文中用于描述代理的功能范围和信任边界。
Agentic QoS (Agentic Quality of Service)
衡量代理系统性能的指标，包括响应时间、准确性、合规性和信任校准。确保系统满足服务质量要求。
用于评估代理在实际应用中的表现和可信度。
治理 (Governance)
管理和控制代理行为的机制，包括权限管理、审计、责任追溯和政策执行，确保系统合规、安全。
在系统设计中用于实现代理的可控性和责任分配。
Agent provenance (代理溯源)
记录代理行为、决策和调用链的图谱，确保行为可追溯、可审计。
在科学研究和安全审计中应用，提升系统透明度。
开放问题 这项研究留下的未解疑问
- 1 如何在大规模、多利益相关方环境中实现统一的信任校准与责任追溯机制仍未解决，未来需结合法律、标准和技术创新。
- 2 系统在极端环境下的鲁棒性不足，面对突发事件时表现不稳定，需开发更强的适应性和容错机制。
应用场景
近期应用
医疗代理系统
用于协调患者记录、转诊路径和临床审批，需严格遵守隐私和安全规则，确保医疗流程的可信和合规。
企业采购代理
自动识别供应商、比价和生成采购订单，结合能力契约和治理机制，确保财务权限和责任明确。
远期愿景
科学研究流程自动化
利用多代理协作进行文献检索、模拟调用和流程编排，提升科研效率和结果的可重复性，推动科研自动化。
原文摘要
The rapid emergence of LLM-powered autonomous and semi-autonomous agents is reshaping software systems from static, request-response components into goal-directed, adaptive, and tool-using computational actors. As these agents move from isolated cognitive prototypes into complex distributed workflows, they confront challenges that the Service-Oriented Computing community has studied for more than two decades: composition, interoperability, quality of service, lifecycle management, governance, security, and trust. Yet much of today's agentic AI ecosystem is developing these foundations ad hoc, without the engineering rigour required for dependable enterprise and societal deployment. This paper introduces Agentic Service-Oriented Computing (ASOC) as a new research and practice area concerned with engineering agents as services, orchestrating services through autonomous and semi-autonomous agents, and governing ecosystems of agents and services under constraints of trust, cybersecurity, compliance, performance, and accountability. We articulate six foundational principles of ASOC (harness-ability, composability, lifecycle engineering, trustworthiness by design, goal-driven orchestration, and observability/accountability) and organise a five-dimensional research agenda spanning: (i) agentic services foundations and lifecycle engineering; (ii) composition, orchestration, and interoperability; (iii) governance, observability, and accountability; (iv) security, trust, and risk management; and (v) evaluation, certification, and Agentic QoS. We argue that the Services Computing community is especially well positioned to provide the conceptual and engineering spine for this emerging field, transforming agentic AI from fragmented demonstrations into dependable, service-based systems worthy of human and organisational trust.