Agent协作是多Agent系统研究的重要问题之一，也是多Agent系统一种有效的求解方式。针对多Agent协作的研究工作中所存在的主要问题，本文主要研究了UMA协作模型及其应用。UMA模型中把Agent角色分为三类（UA、MA、AA），每类角色都有明确的任务分工和能力。这样，Agent的任务就比较明确，模型也容易理解。同时在模型中引入了组织规则，方便了目标分解、组织形成和协作决策。相对于Hewitt、Agha[15]等人的工作，这种模型更加适合于描述系统的动态特性。包括： 1、给出了目标任务（联合行为如何分散执行）分解的递归算法。 若任务不能够被分解，则直接寻找任务的执行者；若任务能够被分解为若干子任务，则寻找各个子任务的执行者，这是个递归的过程，直至任务完成，否则出错返回。 2、研究了协作决策策略。 在多Agent系统中，不是所有任务都需要协作，有时用于协作组织形成的费用大于独立完成的费用，此时协作是不明智的，即Agent在执行联合行为时，应如何处理局部活动。我们通过效用函数描述Agent的偏好，然后取效用值较大者作为合作决策的依据。 3、组织形成算法的研究和UMA组织结构的定义 UMA协作模型必须依附于一个组织而存在，因此本文在形式化定义组织结构的基础上，给出了Agent组织的形成算法。 4、最后在一个分布式应用程序和RoboCup中实现UMA协作模型。 根据UMA协作模型及其协作流程，我们在运行于单机上的一个分布式文件查找的应用程序中，实现了UMA协作模型，并将其与其它协作模型进行一定程度的比较。RoboCup是典型的MAS测试平台，我们将UMA协作模型应用于RoboCup中。实验结果和实际比赛都证明，我们设计提出的UMA协作模型在RoboCup中的应用是有效的。