近年来Agent 理论与技术已经成为人工智能、软件工程与互联网络Internet 等领域共同关注的研究内容。与传统的人工智能研究方法不同,基于Agent 理论的人工智能研究侧重于系统的自治性、社会性、反应性和自发性等方面内容,主要研究多Agent 理论、通信和交互技术,体系结构和组织形式,面向Agent 的程序设计方法和语言,以及多Agent 间的协调、协作和协商等。通信是Agent 之间协商与协作的基础和重要手段,没有通信就不可能有协作与协商。MAS 协调中Agent 之间的有效通信和交互为Agent 间协调的实现提供了基础。Agent 通信模型过多集中在底层的通信传输协议的实现,而忽略了Agent 知识层次的构建。结合Agent 的本体的概念,本文讨论了Agent 通信模型中本体的重要性,给出了在Agent 交互层之上建立构造层,建立Agent 的知识库。由于Agent 不同于对象的概念,具有主动性,有自己的目标以及面向目标的行为,而且具有自学习、自适应的能力。这些特性决定了Agent 间的通信方式不同于对象间的消息传递方式,具有更高的复杂性。结合基于个体理性行为的BDI 理论,在构造层构建信念库、目标库和意图库,在交互层构建对话规则、通信意图和本体,建立基于BDI 结构的多Agent 通信模型。MAS 协调通信中,除了考虑Agent 拥有的知识之外,还需考虑除领域以外协调自身知识的表达。协调知识应该可以通过总结协调问题的共性来得到其一般特性。在具体的出租车协调的基础上,对协调问题进行了详细描述,结合基于BDI 结构的多Agent 通信模型,给出了Agent 状态转换、知识级通信的表达以及推理结构。