摘要
针对现代城市数字服务碎片化及互操作性差的问题,现有平台难以将复杂自然语言请求转化为可执行的跨系统工作流。本文提出Urban-Agent框架,结合大模型认知推理能力与包含代码执行、API调用及模型上下文协议的工具集。通过自适应闭环机制,在行动前澄清缺失信息,基于实时观察 grounding 工具使用,并确保最终响应符合证据与任务约束。此外,引入专门评估跨系统城市请求的Urban-Eval基准,涵盖任务结果与执行质量。实验显示,该框架在多个主流模型上均显著优于基线,任务成功率达71%。
AI 推荐理由
论文核心在于构建工具增强型Agent,重点解决API调用、代码执行及跨系统工作流中的工具发现与选择问题。
研究机构
浙江大学
论文信息