说出口的使命，执行的蜂群：无人机网络中的智能体增强LLM推理

大语言模型（LLM）日益被探索为信息物理系统的高级推理引擎，但因接口异构、接地有限与长时间闭环执行需求，其应用于实时无人机蜂群管理仍具挑战。本文提出任务无关的智能体增强LLM蜂群控制框架：用户以自然语言表达任务目标，系统经接地、实时交互自主执行。架构把LLM Agent核心与MCP网关及基于W3C Web of Things（WoT）标准的Web-of-Drones抽象结合：把无人机、传感器与服务暴露为标准化WoT Things，实现结构化工具交互、持续状态观测与安全执行，不依赖代码生成。我们用基于ArduPilot的仿真在四个蜂群任务与六个SOTA LLM上评估。结果显示：尽管推理能力强，当前通用LLM在缺乏显式接地与执行支持时，即便简单蜂群任务也难以可靠执行；任务专用规划工具与运行时护栏大幅提升鲁棒性，而token消耗本身并不能指示执行质量或可靠性。