把参与一个数据空间要手写的协议协商流程，交给一队智能体去跑，并且靠一个验证智能体把越权请求挡在门外。10 月 19 日提交到 arXiv 的论文（编号 2610.26548）给出一套基于 LangGraph 与 Eclipse Dataspace Components 的多智能体架构，它把数据空间的协议协商自动化，在 600 次运行里做到 89% 的任务成功率，且零策略违规。
协议协商：编排、抽取、验证各管一摊
参与数据空间，原本要针对每个提供方的访问策略，手写一套 Dataspace Protocol（DSP）协商流程。这篇的做法是用多智能体把它自动化：编排智能体负责路由与规划，把自然语言请求拆解并调度下游；数据抽取智能体暴露 DSP 协议的三件可组合工具——目录发现、合约协商与下载；ML 与可视化智能体做下游加工与呈现。关键在于，系统会按消费者的可验证凭据对协商设门，宁可拒绝资产，也不去编造一个不存在的资产。最后还有一个验证智能体，确认请求真的被满足，并把实际操作和合约的使用策略重新核对一遍。
600 次运行：成功，且不越界
在包含 600 次运行的主基准里，系统对多维策略推理取得了 89% 的任务成功率，且零策略违规；技术化、专家口吻的请求成功率高达 98%，而随意、信息不足的请求只有 72%。在隔离地理访问控制的次级评估里，框架成功拦下 100% 的未授权区域请求。值得记下的是，验证智能体约 1% 的情况会误报「已拦截」，但日志确认数据从未被真正取出，合格消费者的端到端可验证交付率仍达 86%。这背后是一句常被忽略的话：失败要走「安全失败」，而不是「假装成功」。
给数据空间自动化的一条旁注
这篇的增量认知，是把「多智能体协作」和「护栏」绑在了一起——编排、执行、验证三者分离，验证者独立于执行者，越权就走拒绝而非误路由。它对正在做数据流通、跨域协作与合规数据交换的团队有直接参考价值：智能体能不能被信任，不只看它做对了多少，更看它做错时会不会安全地停下来。需要清醒的是，这套结果的可靠度高度依赖请求写法，且评估来自单一论文的本地开源权重模型，不同提供方策略的复杂度会拉低表现；验证智能体的 1% 误报虽未造成数据泄露，却在审计口径上需要被单独对待。把这篇和站内此前覆盖的「智能体验证与拒绝」「跨域数据治理」放在一条线上，数据空间的下一程，可能不在「接得多快」，而在「错得多安全」。
目前官方及行业暂未披露更多细节，包括在不同数据空间实现上的泛化表现、验证智能体误报的修复路径，以及规模化到更大提供方网络时的延迟，后续将持续跟进迭代动态。这篇把「数据空间协议协商」从手工编码，推进成了带验证智能体的多智能体自动化。