随着多Agent系统技术的日益成熟，基于多Agent的工作流已成为工作流技术发展的主流方向之一。目前的研究主要集中在基于多Agent的工作流建模，但是在实际应用中，存在着这样一类问题：请求的数据不满足Agent当前执行操作的条件，但能够预测，该条件可能在将来被满足。因此，现有的内部匹配方式需要改进，本文提出内部匹配算法解决条件不满足情况下的柔性匹配问题，具体的工作如下：　　 本文对多Agent技术、工作流系统以及基于多Agent的工作流系统进行了简要介绍，并分析了基于多Agent工作流系统中内部匹配算法引入的必要性；接着，本文给出内部匹配算法的定义，且对内部匹配算法的应用问题域进行研究，总结得出内部匹配算法中的四类不匹配问题，并针对不同的不匹配问题提出相应的可等待性的判断方案，接着又对内部匹配算法的适用性进行评估；然后又给出了与算法相关的数据结构的形式化表示以及内部匹配算法的流程图和伪代码，并通过程序实现了该算法；最后为验证算法是否实现了文中提出的不匹配问题的解决方案，针对从实际项目中抽取出实验案例数据，通过实验结果证明了算法的正确性。最后本文介绍了内部匹配算法的应用系统，包括系统概述、系统组成要素等，对系统中与内部匹配相关的业务操作Agent的数据结构进行了设计。　　 综上所述，本文提出了可等待数据的内部匹配算法，使得系统更能理解数据的变化趋势，从而保留可等待数据及请求，并在适合的时候重新匹配。这样可以减少Agent间通信开销和用户工作量，扩展Agent对请求的处理范围。