夜雨聆风
在 3GPP Release 20 研究报告 TR 22.870 的 AI 相关场景中，AI Agent 逐步成为网络服务的请求者、使用者和协同参与者。本文结合研究报告中的两个代表性 use case，重点分析 AI Agent 与 6G 网络交互、多 AI Agent 协同与跨域互操作两类场景，并讨论其在身份授权、能力发现、服务映射和安全可信等方面面临的挑战。
本文关注3GPP Release 20 研究报告 TR 22.870中与 AI Agent 关系紧密的场景：AI Agent 与 6G 网络交互，以及多 AI Agent 协同与跨域互操作。
往期参考：
3GPP 6G与AI融合场景介绍：网络为 AI 应用提供算力与服务
6G 与 AI 融合场景中的一个重要特点是：AI Agent 开始成为网络服务的使用者、请求者和协同参与者。AI Agent 可以代表用户、车辆、城市管理系统、机器人或第三方应用，向 6G 网络提出意图化请求，调用网络提供的连接、感知、计算、定位、服务暴露和数据分析等能力。相应地，6G 网络需要具备意图理解、服务匹配、能力调用、结果反馈和安全保障能力。
图1：AI Agent与6G网络交互
从具体use case 来看，AI Agent 与 6G 网络交互主要体现为两种形式。一种是第三方 AI Agent 向网络侧 AI Agent 提出自然语言或意图化请求，由网络侧 AI Agent 结合 LLM、网络能力和外部数据生成响应或执行任务；另一种是网络根据用户位置、终端状态和可用服务，主动为 AI Agent 推荐合适的网络服务。
多AI Agent 协同与跨域互操作进一步扩大了问题范围。未来，一个复杂任务往往会涉及多个用户、多个设备、多个 AI Agent、多个服务提供方，甚至跨越不同网络和不同国家。AI Agent 之间需要发现彼此、确认身份、理解能力、建立安全通信，并围绕共同任务进行分工协作。这两类场景对 6G 网络提出了新的系统能力要求，包括 AI Agent 身份认证、属性注册、能力发现、意图理解、服务映射、安全通信、多模态信息交换和跨域互操作。下面选取2个较有代表性的 use case 进行介绍。
场景描述
对应研究报告中的6.6 Use case on 6G AI Agent collaboration with third-party AI using LLM。该场景关注的是第三方 AI Agent 如何通过 6G 网络侧 AI Agent 调用网络能力，并获得面向具体任务的分析结果或服务响应。
以第三方应用是智慧城市交通管理系统为例，其AI Agent 向 6G 网络 AI Agent 发送文本化请求或意图化请求。系统希望了解某条道路为什么拥堵，并希望获得交通流优化建议。6G 网络侧 AI Agent 接收到请求后，利用 LLM 理解请求内容，将自然语言问题拆解为可执行的网络任务，并根据运营商策略调用网络内部能力和授权外部能力。这里涉及的网络能力包括感知、实时数据处理、遥测、网络分析、能力暴露等；外部能力可以包括地图服务、导航服务、交通策略生成服务等。
先决条件
1. 场景要求第三方应用已经具备访问 6G 网络 AI Agent 服务的权限。例如，智慧城市交通管理系统需要作为授权第三方接入运营商网络提供的 AI Agent 服务。
2. 6G 网络中需要部署基于 LLM 的 AI Agent，使其能够理解和处理自然语言请求。这里的 LLM 主要承担意图理解和任务拆解作用，将第三方提出的问题转换为可调用的网络能力或服务流程。
3. 6G 网络需要能够访问完成任务所需的实时数据源，包括交通传感器、天气数据、网络性能指标、UE 移动模式等。对于交通拥堵诊断这类任务，网络侧感知数据和 UE 移动性数据可以作为重要输入，帮助网络形成更完整的交通状态判断。
4. 6G 网络还需要能够调用授权第三方服务，例如地图服务、导航服务和交通策略生成服务。这些外部能力可以与网络内部的感知、分析和数据处理能力互补，提高结果的准确性和业务适用性。文稿中特别提到，6G 网络可以调用授权外部第三方能力，以增强或补充网络内部能力的结果，从而实现更具体的业务目标。
5. 第三方应用与 6G 网络 AI Agent 之间需要建立安全通信通道，例如认证 API 或消息代理机制。同时，6G 网络需要具备边缘计算能力，使相关请求可以在靠近业务发生位置的网络侧进行处理，降低响应时延。
关键流程
运营商 R 的 6G 网络向授权第三方提供感知类服务。例如，智慧城市管理部门可以采购运营商提供的交通感知能力，而不必完全依赖自建摄像头或路侧监测设备。运营商还可以将感知数据与 UE 移动模式等网络分析结果结合，向授权第三方提供更丰富的城市运行信息。
第三方 AI Agent 向 6G 网络 AI Agent 提出请求。例如，智慧城市交通控制系统可以询问：“为什么高速公路 A 出现交通拥堵，应该采取哪些措施优化交通流？”6G 网络 AI Agent 接收到请求后，利用 LLM 对问题进行理解和拆解。
网络 AI Agent 调用相关能力获取信息。它可以查询网络感知基础设施，获取道路实时交通状态；也可以调用地图或导航等授权第三方服务，帮助快速定位拥堵点，并与网络感知结果进行交叉验证。通过内部能力和外部能力结合，网络 AI Agent 可以形成更完整的交通态势判断。
网络 AI Agent 基于收集到的数据进行分析推理。例如，系统可能判断 高速公路A 的拥堵原因是一起交通事故。随后，AI Agent 可以生成交通优化建议，包括延长替代路线的绿灯时间、缩短 高速公路A 上相关路口的绿灯时间以引导分流、部署动态标识提醒驾驶员选择替代路线等。这些建议可以由网络 AI Agent 自身生成，也可以通过调用授权第三方交通策略生成能力形成。
网络 AI Agent 将分析结果返回给第三方 AI Agent。文稿中给出的响应形式类似于：高速公路 A 当前由于事故导致严重拥堵，建议调整替代路线交通灯时长并部署动态标识，预计 10 分钟内降低拥堵。第三方应用可以将结果展示给城市交通管理人员，也可以进一步用于交通控制决策。最终优化动作仍由第三方 AI Agent 或人工操作人员控制。
场景描述
对应研究报告中的6.9 Use case on collaborative AI Agents。该场景关注的是不同 AI Agent 之间如何发现、认证、授权并开展协同，尤其是在这些 AI Agent 分属于不同主体、运行在不同网络、由不同服务提供方管理的情况下，6G 系统需要提供哪些基础支撑能力。
在这一场景中，AI Agent 可以代表设备、个人、车辆、无人机等不同对象执行任务。AI Agent 可以运行在 UE 本地，也可以卸载到网络侧运行。例如，当终端计算能力有限、无线连接条件较差、电池耗尽，或者用户主动触发任务卸载时，AI Agent 可以运行在 6G 网络的边缘节点、核心网侧资源，或者附近具备更强处理能力的设备上。这样，AI Agent 仍然可以代表相关设备或用户继续执行任务。
以电动汽车为例进行说明。John 和 Ann 共同拥有一辆电动汽车，汽车自身有一个由车企提供的 AI Agent，能够与能源电网应用通信，从而优化车辆充电策略。与此同时，John 有一个由其雇主提供订阅的个人 AI Agent，用于管理日程；Ann 也有一个个人 AI Agent，可以在设备上运行，也可以卸载到其电信运营商网络中运行。汽车 AI Agent 已经获得 John 和 Ann 的授权，可以访问他们的个人 AI Agent，以获取日程相关信息。
协同任务跨越了多个边界：汽车AI Agent 由车企提供，John 的个人 AI Agent 由企业雇主订阅，Ann 的个人 AI Agent 由电信运营商提供，AI Agent 运行位置还可能随着用户、车辆和网络状态变化而迁移。不同 AI Agent 之间要完成协同，必须解决身份识别、访问授权、安全关联、跨网络通信和服务性能感知等问题。文稿也明确指出，跨网络 AI Agent 互操作是值得标准化的问题，但面对大量不同类型的 AI Agent，标准化重点应放在基础互操作能力上，例如如何识别 AI Agent、如何授权访问不同 AI Agent、如何建立和维护安全关联。
先决条件
1. 电动汽车需要具备车载 AI Agent。该 AI Agent 可以代表车辆处理充电、出行、车辆状态和能源交互等任务，并能够与本地能源电网应用通信。例如，当不同地区的电价随可再生能源供需变化而波动时，车辆 AI Agent 可以根据电价变化判断是否适合充电，甚至是否适合向电网反向供电。
2. 车主 John 和 Ann 各自拥有个人 AI Agent，并且这些 AI Agent 分别具备日程管理、通信触发等能力。John 的个人 AI Agent 通过其企业雇主获得订阅；Ann 是自雇顾问，其个人 AI Agent 通过电信运营商获得订阅，并可以在设备侧或 6G 网络的服务托管环境/核心网侧运行。
3. 汽车 AI Agent 已经获得 John 和 Ann 的授权，可以访问他们个人 AI Agent 中与行程相关的信息。这一点非常关键，因为车辆充放电决策可能需要知道第二天是否存在长途出行计划，但个人日程属于敏感信息，必须在授权范围内被访问。
4. 不同 AI Agent 可能运行在不同网络和不同国家。协同任务不能假设所有 AI Agent 都在同一运营商、同一网络或同一平台内完成。
关键流程
John 出差时将电动汽车停在酒店充电桩旁，夜间车辆连接到充电设备。此时，车辆 AI Agent 运行在车辆附近的边缘网络中，可以就近获取车辆状态和本地能源电网信息。
车辆 AI Agent 与当地能源电网应用通信，发现酒店所在区域当晚电价较高。如果车辆能够将电池电量反向供给电网，理论上可能获得收益。此时，车辆 AI Agent 需要判断这一行为是否合理，关键依据是车辆第二天是否需要进行长距离行驶。
车辆 AI Agent 在不打扰 John 和 Ann 的情况下，访问他们的个人 AI Agent，以查询第二天是否存在长途出行计划。这个过程体现了 AI Agent 之间的授权协同：车辆 AI Agent 可以基于此前授权访问必要信息，但无权访问无关内容。文稿中还特别说明，John 早上收到朋友邀约时，朋友或朋友的个人 AI Agent 并未被授权访问 John 的日程信息。这个对比说明，AI Agent 协同必须受到身份和权限边界约束。
John 的个人 AI Agent 返回信息：John 第二天需要驾车返回家中，行程约 900 公里。因此，车辆 AI Agent 判断不适合将车辆电池能量卖回电网。这个决策体现了多个 AI Agent 围绕同一目标进行信息交换与协同判断：能源电网应用提供电价信息，车辆 AI Agent 评估车辆充放电行为，个人 AI Agent 提供授权范围内的行程信息。
在 John 驾车返程过程中，车辆 AI Agent 会随着车辆移动迁移到附近边缘网络，以降低时延并减少长距离数据传输。当 John 希望开启自动驾驶模式时，John 的个人 AI Agent 会向车辆 AI Agent 查询何时适合自动驾驶。
最后，协同任务完成后，汽车 AI Agent 与 John、Ann 的个人 AI Agent 完成了信息交换，即使这些 AI Agent 使用的是不同提供方、不同国家的计算资源，相关信息仍然需要防止未经授权访问。同时，6G 网络向 AI Agent 提供了与协同任务相关的通信服务性能信息，辅助车辆完成后续运行决策。
1. 身份与授权机制问题
AI Agent 可以代表用户、车辆、机器人、企业或第三方应用发起请求，但网络首先需要确认它“是谁”、代表“谁”、能够做“什么”、可以访问“哪些信息”。AI Agent 的身份可能与用户身份、设备身份、应用身份、服务提供方身份同时相关；一个 Agent 也可能在终端、边缘网络、云端之间迁移。如何建立稳定、可追溯、可撤销的身份和授权机制，是这类场景落地的第一道门槛。
2. Agent 能力描述与发现问题
AI Agent 协同的前提，是不同 Agent 能够被发现，并且能够准确描述自身能力、服务范围、权限条件和运行状态。更大的挑战在于，Agent 能力是动态变化的：算力、电量、位置、网络连接、可用工具和授权状态都会影响它能否完成任务。因此，能力描述不能只是静态注册信息，还需要支持持续更新和上下文感知。
3. 意图理解与服务映射问题
文稿中多次出现AI Agent 通过自然语言或意图化方式向 6G 网络提出请求，这种交互方式很有想象空间，但工程实现并不容易。网络无法简单把自然语言理解结果直接转换为控制动作，而需要将模糊意图映射到明确的网络服务、资源配置、策略规则和执行流程。这里面涉及语义理解、策略约束、服务编排、费用评估和结果验证。尤其在运营商网络中，任何资源分配和服务开通都受到策略、计费、安全和监管约束，意图驱动不能绕过这些基本机制。
4. 跨域互操作与安全可信问题
AI Agent 协同可能跨越不同国家、不同运营商、不同云边平台和不同商业主体。现实中，不同系统之间的数据格式、权限体系、接口规范、安全策略和商业协议都不一致。要让这些 Agent 安全互认、可信通信、按需交换信息，并且在跨域环境中保持服务连续性，远比单一网络内部的服务编排复杂得多。
这里是6G智能计算网络LAB～
欢迎关注、点赞和分享！
本公众号致力于从多元视角出发，探讨6G智算网络关键技术、前沿成果与未来演进趋势，为相关领域的研究人员提供有富有启发性的思考与有价值的参考。
