面向Agent软件需求分析技术作为一种新的在更高抽象层次上建模软件的技术,对传统的软件需求分析方法提出了挑战,但同时也带来了新的机遇与发展。在传统的需求分析技术(面向对象需求分析技术和面向结构需求分析技术)中,需求分析过程和程序设计过程往往是脱节的。由于Agent自身的高度抽象性正好与需求分析所要求的抽象描述相一致,因此面向Agent的需求分析过程和详细设计过程可以无缝地结合起来,并互为补充。面向Agent的需求分析以获取作为系统基本组件的Agent为目标,并分析其完成系统服务所需要的协同关系,需求分析的结果可以直接作为面向Agent的详细程序设计的分析对象。FKAOS方法是基于经典的KAOS需求分析方法,提出的完全以Agent为核心分析对象的需求分析方法。利用目标分析方法可以获取一些粗糙的Agent。但这些Agent并不能充分体现Agent的基本特性。通过提出“为什么”需要这些Agent的问题,FKAOS方法进一步对这些粗糙的Agent进行分析,并优化Agent的设计。FKAOS方法的核心内容是Agent的获取和优化。优化Agent的目标是建立一个充分体现自主实体特性的、规模适中的、任务相对独立的多Agent协同社会体系。本文提出了三种有效优化Agent的方法:基于责任本体的优化方法、基于资源的优化方法和基于交互关系的优化方法。其中基于责任本体的优化方法重点在于从责任的抽象程度上优化Agent。通过将Agent对应的低抽象层次的责任本体定义提升为高抽象层次的责任本体定义,可以相应地提高Agent的抽象程度,实现Agent的优化分析。由于Agent所需求的资源信息一致地反映出该Agent所承担的责任,基于资源的优化分析方法是通过分析实现Agent责任需要的资源信息来近似地判定Agent所承担责任的相似程度,优化责任相近的Agent。不同于前两种Agent优化方法,基于交互关系的优化方法是希望通过对Agent的外部交互特性的分析,剔除交互关系中的一些冗余的交互行为,从而有效精简多Agent系统的社会协同体系。这三个方面的优化是一个迭代过程,根据责任优化是优化方案的核心,根据交互关系优化是必要的补充,根据资源优化既是补充又是前面两种优化的检验手段。最后结合农业项目申报子系统的实例,对这一方案作了进一步阐述。并且通过对这个实例的分析,验证了方案的有效性和实用性。