智能体AI的知识图谱基础：FIPA、语义网与LLM智能体

阅读足够多关于智能代理AI的当前文献后，会有一种奇怪的感觉：很多内容听起来就像2003年某次会议上的内容。那些以机器可读方式描述自身能力的代理，通过目录互相查找的代理，为了让两个系统对消息含义达成一致的共享词汇表，以及用于协商的标准协议。所有这些都在以新的词汇表达、运行在截然不同的引擎之上，再度出现。

本文探讨了这种重叠现象。它追溯了早期的智能代理与语义网研究，将其与当前已投入使用的技术进行对比，分析哪些是真正的延续，哪些只是相似。同时，它还研究了这两个时代分歧最明显的领域，那就是安全性。

当前的发展态势

过去几年中的几项进展为这一领域奠定了基础。

安全研究人员发布了对抗性测试基准，表明当故意对前沿智能体进行探测时，它们极易被诱导出有害行为。微软推出了POML，这是一种基于XML的标记语言，用于协调LLM智能体之间的操作。谷歌则推出了Agent2Agent协议（A2A），在发布时便宣布了数十家合作伙伴，旨在规范智能体之间的交互方式。英伟达一直认为，将语言模型与知识图谱结合使用有助于减少幻觉现象。

二十年前，任何研究者都能认出这些概念。2006年左右，已有一些人开始倡导同样的方案：用于描述智能体行为的结构化标记、标准的通信协议，以及基于本体的语义表达。那一年有一篇关于XML与人工智能的文章指出，机器若要处理网络上海量信息，恰恰需要这些技术。以现在的标准来看，其表述相当粗糙，但方向十分明确：即让软件智能体在开放且混乱的网页环境中活动，代表人类进行协商，而这需要一种通用的结构化语言来实现大规模协作。

业界却选择了另一条道路。神经网络成为了认知处理的核心。如今，相关问题再度出现，一些旧有的错误也随之重现。

2006年的氛围

要想了解“智能体与本体论”视角在当时有多过时，只需想象那个时代背景：那是Web 2.0的鼎盛时期，人们关注的是AJAX界面、社交平台以及用户生成的内容。谷歌刚刚以16.5亿美元收购了YouTube，Facebook向所有人开放，Twitter也刚刚出现。

主流观点认为，网络的核心是人们的内容发布与分享，而非机器之间的自动协调。语义网理念、智能体系统以及正式的本体论在许多观察者眼中不过是学术上的爱好，过于复杂而无法用于实际应用，评论者们也公开质疑，大学之外是否真的有人会在生产环境中使用RDF或OWL。

即便如此，仍有少数人认为网络最终会变成一个用于发布服务和信息的环境，以便软件能够找到并整合这些资源。去掉那些过时的表述后，这一描述与如今人们描述多智能体大型语言模型系统及“智能体网格”的方式如出一辙。

旧有的工具箱

这一愿景并非模糊不清，而是基于具体的标准和平台构建的。

FIPA，即智能物理代理基金会，定义了一种包含22种言语行为的代理通信语言：告知、请求、提议、同意、拒绝、查询、确认、否定确认等等。这不仅仅是一种消息格式，而是一个基于言语行为理论、具有正式语义的通信框架，使得代理能够在多步骤交互中进行协商、组建联盟，并跟踪各项承诺、义务和权限。IBM、HP和BT等大型企业都支持符合FIPA标准的平台。

OWL-S是一种用于服务的Web本体语言规范，它允许代理根据输入、输出、前提条件及效果的语义描述来定位、调用和组合Web服务。该标准的演示案例是一个旅游代理，它能自行查找航班、酒店和租车服务，将它们整合成一份行程计划并为用户执行，而无需任何手工编写的集成代码。

AIML是一种用于描述对话行为的XML标记语言，它为多次获得洛布纳奖的ALICE聊天机器人提供了技术支持。

RDF和OWL为智能体提供了共享语义而非仅语法的方式，并借助三元组存储和SPARQL引擎实现分布式推理。

目录服务充当了智能体的黄页功能。在FIPA的智能体管理设计中，智能体可以以结构化描述的形式注册自身提供的服务，并根据能力搜索同类智能体，这类似于现代基础设施中的服务发现机制。

当时的开发者既没有Transformer模型，也没有GPU集群。他所拥有的只是一种包含三部分的直觉：网络规模会变得过于庞大且发展速度过快，人类无法直接对其进行管理；需要能够感知、推理并为我们采取行动的智能体；而这些智能体则需要统一的协议、表示形式和语义标准。

模式再度出现之处：从标记语言到知识图谱

到2025年，这些技术大多以新的形式重新出现。

首先是结构化标记语言。POML使用类似XML的标签来定义复杂的智能体工作流程，它已被整合进VS Code的工具集中。Salesforce的Agent Script则采用声明式的、类似标记语言的语法来定义行为、角色及协作方式。如今，就连常规的提示建议也会要求将推理步骤、上下文及输出约束用标签包裹起来。一个典型的提示框架如下所示：

(`<context>`, <instructions>, <examples>, <output>)

这虽是件小事，但其原理与早期的面向智能体的标记语言方法相同：为模型提供一种它不会误解的结构。

接下来是基于角色的协调。AutoGen和CrewAI会分配规划者、评估者、执行者及研究者等专门职能，各智能体通过结构化消息进行交流。这又是典型的FIPA架构：具有明确能力的异构智能体通过中央注册表进行协调。角色专业化、能力目录、基于消息的协调以及多步骤编排，这些都是相同的模式。

接下来是相关协议。A2A允许智能体描述自身的能力，实现彼此发现，并跨越公司边界进行协作。其发布的数字仅统计合作伙伴的承诺情况，尚未公布实际应用规模。Agent Network Protocol则利用W3C的去中心化标识符和JSON-LD技术，为智能体提供包含能力、信任凭证及协作偏好等信息的机器可读描述。Linux Foundation的Agent Communication Protocol则负责标准化智能体之间的消息格式。从功能上看，这些协议相当于FIPA的目录协调器和智能体管理系统，只不过是为JSON-LD及大语言模型环境重新设计的版本。

最后是知识图谱。NVIDIA、Franz Inc.等机构建议将大语言模型与经过验证的事实图谱相结合，以此为推理提供依据、减少幻觉，并使推论具有可解释性。关于神经符号系统的研究显示，在需要事实准确性、逻辑推理以及对新组合进行泛化的任务中，混合架构往往优于纯神经网络架构。不同领域和评估标准下所报告的幻觉减少幅度差异很大，因此应对任何单一百分比数据保持谨慎态度。总体趋势比任何单一数据都更可靠。

2006年的预测错在哪里

那次旧预测在几个方面出现了偏差，其中一些偏差确实是真实的。

XML本应成为智能体的主要载体，而DOM则应是通用接口。但事实并非如此。实际上，常用的数据传输格式变成了JSON、gRPC、Protobuf以及向量嵌入技术。人们的思路先是转向深度学习，接着是变换器模型，最后是大型语言模型。知识图谱虽然依然存在，但只是更大规模的神经符号学体系中的一个组成部分。

还有一个根本性的概念错误：认为XML本身具备语义功能。其实并非如此。XML只提供语法结构和树形结构。早在那时，那些认真研究语义网的研究人员就坚持认为，必须在其之上建立共享的本体论和形式化语义，因此在这一点上，该领域比那些热衷于新技术的人更为清醒。

因此，虽然人们已经预见了整体的发展轮廓，但对于需要废弃的旧技术栈的数量，以及所需的新数学理论、硬件和工程技术的规模，却严重低估了。

始终未变的五个问题

在从2000年代初的FIPA到现代智能体AI的约二十五年间，有五个设计问题反复出现。将它们并列来看，其关联十分明显：

ARCHITECTURAL PATTERN EVOLUTION: 2006 → 2025 ## Structured Markup 2006: XML for agent behaviour 2025: POML, Agent Script, XML-tagged prompts Status: Vindicated ## Discovery/Directory Services 2006: FIPA Directory Facilitator 2025: Agent Description Protocol (ANP), A2A directories Status: Vindicated ## Semantic Grounding 2006: RDF/OWL ontologies 2025: JSON-LD, schema.org, KG-LLM integration Status: Transformed but persists ## Communication Protocols 2006: FIPA-ACL 22 performatives 2025: MCP, A2A pragmatic protocols (fewer acts) Status: Simplified but core idea persists ## Perception-Action Loops 2006: FIPA observe-reason-act 2025: ReAct (Observe-Think-Act), tool-use frameworks Status: Fully realised

结构化标记是最贴合的对应形式。2006年用于描述智能体行为的XML后来演变成了POML、智能体脚本以及带标签的提示语，因此这一形式几乎原封不动地回归了。

发现机制紧随其后。FIPA的目录协调机制承担了如今A2A目录和ANP中的智能体描述所做的事：公布自身能完成的功能，让其他系统能够搜索到它们。

语义基础的变化程度比其他形式更大。RDF和OWL本体逐渐被JSON-LD、schema.org词汇表以及与大型语言模型相连的知识图谱所取代。虽然复杂的正式结构有所简化，但对共享语义的需求依然存在。

通信协议也变得更简单了。FIPA-ACL有22种表达方式，而MCP和A2A则使用更少的消息类型，并采取更为实用的态度，但它们存在的理由依然相同：来自不同供应商的两个程序必须就消息的含义达成一致。

感知-行动循环是完整保留下来的部分。FIPA的观察、推理、行动循环相当于ReAct的观察、思考、行动，再加上其周围的工具使用框架。

语法发生了变化，序列化格式也变了，负责思考的引擎更是彻底改变。但问题的结构依然相同：智能体如何描述自身、如何找到彼此、如何协调、如何组合服务，以及如何保持共享意义的完整性。

有一个需要注意的点：连续性与时效性改造是两回事。XML模式和JSON模式虽然都用于描述结构化数据，但其背后的设计理念存在差异：前者更为正式严谨，后者则更为简洁实用。许多现代开发者也在独立探索这些模式，而非参考FIPA或语义网的相关标准。这属于在相同约束条件下的趋同进化，却无法说明其起源脉络。

当前所定义的智能体AI

现代调查将智能体型人工智能定义为基于大语言模型的智能体能够具备一定自主性进行感知、规划、行动和学习的系统。企业则将其称为智能体网格，即涵盖各种工具、数据源和工作流的分布式智能体网络。麦肯锡在2025年对约1,100家组织的调查显示，超过半数企业以某种形式在实际业务中使用了智能体型人工智能。不过需要注意的是，这里的“实际业务应用”仅包括试点项目和有限范围的部署，并不意味着已在全企业范围内全面推广。

规划

在各个应用领域中，规划领域的融合最为明显。2024年针对基于大语言模型的规划方法所进行的调查将这些方法分为五类：

1. 任务分解，即将大型目标拆解为多个子目标。
2. 规划搜索，即探索不同的行动序列。
3. 外部规划器，即引入传统的PDDL或分层任务网络系统。
4. 反馈与反思，即根据执行结果对计划进行优化。
5. 基于记忆的规划，即检索并调整之前的计划。

这些方法在2000年代的智能体研究文献中都有对应形式，诸如HTN规划、基于案例的推理以及计划修复等。其背后的难点也是相同的：组合爆炸、信息不完整以及环境变化。不同之处在于实现载体——如今的LLM使用自然语言来起草和优化计划，而非符号化规划器，同时通过工具调用和反馈循环来支撑这些计划。

Yao及其同事提出的ReAct模式明确了这种关联。智能体先观察情况，记录推理过程，选择行动，查看结果，然后重复这一流程。这正是FIPA架构所基于的“感知、推理、行动”循环。只不过现在的推理引擎是新的，而循环结构本身并未改变。

编排与协调

来自Web服务时代的争论再度出现。编排方式通过中央控制器来指导各组件之间的交互，正如BPEL工作流所做的那样。而协调方式则让参与者通过共享协议和相互承诺实现点对点的协作。2005年至2010年间关于BPEL及Web服务协调方式的诸多文献对此进行了深入探讨，如今同样的讨论仍在继续，只不过这次是以大语言模型作为认知核心，取代了原有的规则引擎和Java代理平台。

用于常规任务的小型模型

最近的一项研究结果改变了人们对智能体所需条件的认知。NVIDIA的研究人员认为，许多常规的智能体任务并不需要前沿模型。参数量在10亿到100亿之间的模型即可处理工具调用、输入验证、输出格式化以及简单路由功能，在处理特定简单任务时，其成本优势据称比大型模型高10到30倍。但随着任务复杂度的增加，这一优势会逐渐缩小，因此并非普遍适用。

因此，目前的趋势是混合使用：小型模型负责执行常规操作、API调用、数据检查以及简单路由，而大型模型则用于处理复杂的推理、模糊场景以及陌生问题。这与21世纪初的情况类似，当时也有轻量级的反应型智能体负责常规工作，而带有复杂规划功能的深思型智能体则用于处理复杂的协调任务。

比较变得棘手的方面

安全与治理是现代理念与旧有观念差异最大的方面，因为它们的发展速度远慢于能力的发展。

Andriushchenko及其合作者提出的AgentHarm这一基准测试，旨在评估大型语言模型智能体被引导执行有害行为的可能性。该测试涵盖了11个类别中的110项任务，包括欺诈、网络犯罪、骚扰、虚假信息传播以及其他滥用行为。在针对主流模型的测试中，即便启用了安全限制，这些智能体仍完成了许多有害任务。Anthropic的红色团队测试也发现了类似的弱点：那些无法突破普通聊天机器人的越狱攻击，却可能对智能体生效，因为多步骤、依赖工具的系统会暴露更大的攻击面。而针对直接操作操作系统的智能体设计的OS-Harm测试则显示，当模型被刻意引导进行数据窃取或未经授权的访问等行为时，会出现大量不安全行为。

要保持框架的稳定性。这些是对抗性测试基准，旨在引发系统故障，因此高故障率是意料之中的。不过，由于简单的提示注入即可实现攻击，且系统会在无需复杂攻击的情况下就响应恶意请求，这表明在能力提升的同时，安全机制仍不成熟。

与之相比的是FIPA时代。当时的规范涵盖了访问控制策略、信任模型以及包含身份验证、授权和审计追踪的交互协议。智能体在具有明确行为限制的受限信任域内运行，语义网架构中也包含了用规则语言编写的正式策略。那些系统的能力远不及如今的模型，但治理机制是从一开始就设计好的，而非事后添加的。

凡是见证过三波技术浪潮更迭的人（传统符号人工智能、基于语义网的分布式网络代理，以及如今的LLM驱动型代理）都会发现，口号不断变化，但架构层面的痛点却始终如一。2005年时身份认证、权限管理及审计就已经是难题，如今即便有了能够实际进行支付的代理，这些问题依然存在。

目前的状况令人担忧。代理的功能已呈爆炸式增长，它们能够浏览网页、运行代码并完成支付，但用于验证其行为或将其操作限制在安全范围内的正式方法仍然十分匮乏。

神经符号主义：LLM代理与知识图谱

将这一发展历程概括为正题、反题与合题，是一种有效的思路。

• 2000年代具有标志性特征：形式化本体、基于逻辑的推理以及手工构建的规则。其优势在于可解释性、形式化验证以及精确的语义表达；缺点则是脆弱性、泛化能力差，且无法可靠地处理自然语言。
• 2010年代以神经网络为主：深度学习、嵌入技术以及端到端训练。其优势在于模式识别、流畅的语言处理能力以及从数据中实现泛化；缺点则是缺乏透明度、容易产生幻觉、逻辑不够稳固，且在组合任务上存在困难。
• 2020年代的趋势是发展混合模型，将神经网络与知识图谱、逻辑约束及形式化方法相结合，旨在在保持语言流畅性的同时，增添有依据的事实、合理的推理能力以及更好的可解释性。

越来越多的神经符号学研究为这一观点提供了支持。相关调查总结了多种整合模式，包括将符号知识注入神经网络模型、让神经网络组件引导符号推理，以及通过两者交替使用来优化结果。在需要事实准确性和逻辑推理能力的场景中，结合这两种方式的系统往往能优于纯神经网络或纯符号系统的基准模型。

Franz Inc.的AllegroGraph与大型语言模型的整合就是一个具体实例。RDF三元组存储用于保存结构化事实，语言模型负责理解问题并生成答案，同时还能引用支撑该结论的具体三元组，从而实现流畅的表达与可验证性。

纯大型语言模型智能体的故障模式已有大量记录。针对医疗问答和法律任务的研究发现，这些模型会编造禁忌症、剂量甚至具体案件，其出现频率很大程度上取决于应用领域和研究设计。这类情况并非罕见的边缘案例，而是模型工作原理导致的：它们只是基于文本训练的模式匹配器，而非能够获取经过核实事实的推理工具。知识图谱则提供经过验证的三元组、来源元数据以及逻辑约束，从而使系统能够区分看似合理但无法验证的陈述与真实可查的陈述。

开发者可从中获得的启示

如果现在正在设计智能体系统，历史经验表明有一些成本低且经得起时间考验的实践习惯。

记下每个智能体是如何描述自身的。那种可供其他系统读取的能力描述，包括输入、输出和前提条件，正是服务配置文件的现代演变形式，也正是实现发现与组合功能的基础。没有它，每一次集成都只能是临时性的。

尽早确定意义共享的方式。当两个智能体交换名为“status”或“customer”的字段时，必须明确这些词所代表的含义。模式是最基本的解决方案；在更为重要的场景中，双方共同参考小型本体或知识图谱，可以避免因每个智能体各自采用不同定义而导致的逐步偏差。

应有意识地选择协调方式。中心化协调机制更易于理解、审计和调试。点对点的协调方式则能跨越不同组织实现扩展，且不存在单点故障风险，但更难监控。Web服务社区正是通过惨痛教训才认识到这一点，这一经验至今依然适用。

应将治理视为架构的一部分。为每个智能体设置身份标识、界定权限范围、为每项操作保留审计记录以及建立行为验证机制，这些在设计阶段实施的成本远低于事故发生后再补救。早期的智能体平台通常已具备这些功能，因为其设计者从一开始就期望智能体能在不同信任边界之间运行。

最后，要将模型与具体任务相匹配。把昂贵的推理引擎留给需要它的任务，让低成本的小型组件处理常规工作。这样既能提升系统速度、降低成本，也能限制单个组件的功能范围。

并非庆祝胜利

以上内容并非为了美化过去。语义网从未在行业中成为主流，其原因也很充分：它过于复杂、运行缓慢、缺乏足够的使用规模，而且标准所承诺的功能远远超出了实际应用能力。语言模型则做到了那些系统永远无法实现的目标——可靠且大规模地处理自然语言。这正是将小众工具与能改变世界的基础设施区分开来的关键。

合理的结论并非早期倡导者正确而其他人迟到，而是更接近于这样一种观点：

• 认知核心已经发生变化，从逻辑和手工制定的规则转变为能够从数据中学习的神经网络模型。
• 基础设施方面的问题并未改变。
• 互操作性、语义、协调性、安全性以及治理机制仍然需要通过专门的工程手段来解决。

抢先一步与做到真正有用是两回事。2006年曾有人尝试使用XML来构建机器语言与人类语言不同表达形式之间的人工智能接口。如今，这项工作则由JSON架构、向量存储、知识图谱以及A2A或MCP之类的共享协议来承担。核心目标始终未变：打造出正确的接口。

值得提及的盲点

如今的设计评审与架构论坛中，出现的一些观点与二十年前关于语义网的说法如出一辙。确实也有一些值得肯定的进展：变换器技术、具备自主能力的智能体以及大规模应用。但同样的问题依然存在：

• 互操作性策略薄弱或根本缺失。
• 对形式化语义和本体的关注甚少。
• 治理机制被当作表面包装而非真正的架构层。

三种可能的情景展示了这些问题若持续存在将会出现的状况。这些并非预测，只是基于当前发展轨迹的推演而已。

第一种问题是巴别塔效应。每个供应商都会构建自己的专用代理系统，因此不同公司的代理无法相互通信，也无法使用对方的工具。企业IT环境因而变成由互不兼容的平台拼凑而成的复杂体系，每对系统之间的连接都需要定制化集成，这不仅大大增加了集成成本，还降低了工作效率，最终由咨询公司收取高额费用。

第二种问题是安全危机。某金融公司的生产代理集群因提示注入攻击而被破解，进而执行了价值数百万美元的未经授权交易。由于当时认为成熟的大型语言模型已经足够可靠，正式验证被认为成本过高且没有必要，因此没有留下任何审计痕迹。随之而来的是监管罚款、客户信任的丧失、高管离职以及整个行业的强烈抵制。

第三种问题是幻觉灾难。医疗从业者会依据根本不存在的研究论文以及编造出的禁忌症来推荐治疗方案，而没有任何知识图谱作为依据。这会损害患者利益，医疗事故诉讼也将纯LLM系统视为本质上不可靠的存在，从而导致医疗人工智能的发展停滞数年。

这些情况并非毫无根据。像AgentHarm这样的基准测试表明当前系统是多么容易被攻破，而且医疗领域的幻觉现象也有相关记录。在重大公共事故迫使人们重视该问题之前，现在正是建立完善基础设施的时机。

理念不断迭代，蓝图始终如一

创意不断循环。它们失败后再度出现，最终在周围环境成熟时得以实现。过去人们用“智能体交换‘数据包处理完成’信息以为人类生成高价值答案”来描述这一过程，而如今则用大语言模型、向量数据库和多智能体框架的语言来阐述。细节变了，但核心框架依然如故。

只有当有人重新发掘并仔细研究这些旧理念时，它们才能发挥价值。

值得查阅的资料

• 用于衡量有害智能体行为的AgentHarm基准测试。
• 用于保障计算机使用智能体安全性的OS-Harm。
• 2024年的神经符号人工智能：一项系统性综述。
• 理解大语言模型智能体的规划能力，即上文提到的规划研究。
• 关于法律幻觉的大型法律虚构研究。
• Yao及其同事提出的ReAct框架。

原始智能体通信标准的FIPA规范。