UrbanAgent：处理跨系统城市任务的工具增强Agent

现代城市依赖于越来越多的数字服务来运营，但居民的基本需求仍然难以满足。服务碎片化且缺乏互操作性，给用户带来沉重的操作负担。现有的数字平台、城市基础模型和智能助手各自专注于解决城市任务中的孤立部分，但在可靠地将复杂的自然语言请求转换为可执行的跨系统工作流程方面面临困难。我们提出Urban-Agent，这是一种工具增强的城市任务代理框架。它结合了大语言模型的认知和推理能力，并支持代码执行、API调用和Model Context Protocol。通过一个适应性闭环，它在行动前澄清缺失信息，在工具使用中基于实时观察，并将最终响应与观察到的证据和任务约束保持一致。为了填补评估缺口，我们引入Urban-Eval，这是一种专门设计用于跨系统城市请求的基准。与其他基准相比，Urban-Eval不仅评估通用工具使用，还评估执行质量，包括所需工具覆盖、依赖有效性和证据可追溯性。实验结果表明，Urban-Agent达到71%的任务成功率，比最强的基础基准高出10个点。这一领先优势在GPT-5-mini、Gemini-2.5-flash、DeepSeek-V4-flash和Qwen3-235B-A22B上均保持一致。