本文综述基于大语言模型的智能代理研究进展，涵盖单代理与多代理系统的定义、框架、规划、工具使用及协作机制，并介绍多代理通信、人机合作与自适应方法。ProAgent、TrainerAgent等框架在预测伙伴决策、优化任务与部署模型方面展现潜力，应用遍及社会科学、自然科学与工程领域，同时指出挑战与未来方向。

研究发现，LLM代理使用不同的社交行为，如积极辩论和内省反思，能够高效完成任务，并表现出类似人类的社交行为，这为LLM的协作机制提供了研究启示。