随着人工智能与计算机科学的进一步融合，Agent在人工智能和计算机科学界的地位变得日益重要。学术界和工业界的研究人员越来越重视Agent系统的理论研究和应用研究。 Agent能够模拟人类的行为，具有自治性、、社会性、适应性、智能性等人类的特性。Agent的应用涉及到人类社会生活的各个行业领域。随着信息基础设施的建立和完善，人们对其应用的要求越来越高。高智能、网络化、高可靠性和快速适应性成为应用系统所追求的目标。而这一目标正好和Agent的特点相吻合，从而推动了Agent理论研究和应用研究。 Agent可以直接与现实世界(包括其它Agent)发生交互作用，这样设计者难以事先预料所有可能出现的环境情况并一一规定恰当的处理方法，因而Agent在其实际运行中必然会遇到既属于其功能范围而又超出其知识范围的“非预期情况”。现有Agent的问题求解思路是：依照Agent的信念(Belief)，从能够实现Agent当前愿望(Desire)的行为中选择适当的行为予以执行。于是，当Agent遇到“非预期情况”时就不能产生恰当的行为，这将导致问题求解失败，并且这也是导致多数agent系统不实用的原因。因此研究一种能根据实际情况，Agent动态进行推理的模型是十分必要的。 本论文详细介绍了Agent技术的产生背景及相关理论，分析了Agent和多Agent系统，探讨了Agent的信念、愿望、意图模型(BDI模型)。依据BDI模型结构，本文刻画了Agent的内部状态，主要涉及Agent的信念、愿望和意图等思维属性，使该模型既能描述客观环境，又能描述Agent的思维状态及其变化过程。在此基础上，本文基于慎思式Agent的理论，研究如何发展Agent的适应能力，对现有Agent的推理模型作了改进，提出了一个具有动态推理能力的Agent模型，在文章的最后用一个简单的事例验证了这种推理过程的合理性。