多Agent系统是当前人工智能研究的一个热点。其中，关于知识表示、动作推理、通信和协作是当前很多专家学者的研究焦点，虽然取得了很多成果，但仍存在不少问题，主要是基础理论研究与实现技术之间的重大脱节。多伦多大学认知机器人小组基于情景演算理论，将agent的研究从理论推向了实际。基于多伦多大学机器人研究小组对情景演算的研究工作，本文对情景演算及其应用(Golog、ConGolog语言)进行研究，建立了一个基于情景演算理论的可以很好地刻画agent的心智状态，自主行动推理、通信交互等特性的多agent请求／服务合作模型。本文的主要研究工作和创新成果有：(1)针对MAS环境的动态、不确定性，多agent行动的并发性以及agent行动推理的自主性，本文采用情景演算理论来形式化MAS的推理机制，使用具有并发特性的ConGolog语言来描述agent自主的行动推理；(2)实现了基于情景演算理论的自治agent模型(MMSC)，并形式化该模型的心智状态，将信念定义为agent在不完全可知环境下所“知道的”知识，通过Prolog知识库，感知动作和情景演算的归约机制(Regression)实现agent的信念更新和agent随心智更新的自主行动推理；(3)引入通信动作，完善ConGolog面向多agent并发编程的交互特性，并讨论了通信动作如何影响心智状态的形式化表示；(4)提出一种基于情景演算的请求／服务合作模型，并给出语义描述，最后通过一个简单、具体的multi-agent送咖啡的合作实例，验证了该模型的可行性。本文基于情景演算提出的多agent合作模型，不仅agent间具有完善的通信、合作语义，并且agent能随心智状态的更新进行自主行动推理，为解释agent的自主性和建构不同类型的MAS提供了一种有效的实现途径。