反应式多智能体系统 (RMAS) 是去中心化的系统，其中多个自主智能体以动态的方式与它们的环境和彼此实时交互。与依赖内部模型或复杂规划的深思熟虑型智能体不同，反应式智能体优先考虑对环境变化的即时响应。这些系统被设计为适应性强的，每个智能体都根据本地信息而不是全局协调做出决策。例如，在群体机器人场景中，单个机器人可能会根据接近传感器来避免碰撞或调整它们的路径，而无需中央控制器来指示它们的移动。这种对本地实时决策的关注使 RMAS 非常适合动态的、不可预测的环境。
反应式多智能体系统的一个关键特征是它们依赖于简单的规则和涌现行为。智能体遵循预定义的行为规则（例如，“与附近的物体保持距离”或“与邻居对齐运动”），复杂的系统范围模式从这些本地交互中产生。例如，在交通模拟中，单个车辆智能体可能会遵循诸如在接近拥堵时减速的规则，从而导致诸如交通流量优化之类的涌现现象。去中心化还提高了可扩展性：添加更多智能体不需要重新设计整个系统。但是，这种方法牺牲了长期规划能力，因为智能体优先考虑即时反应而不是战略目标。开发人员通常通过将反应式行为与有限的目标导向逻辑相结合来平衡这一点，例如，送货无人机在绕过障碍物的同时调整其路线，同时仍朝着目的地前进。
RMAS 通常用于机器人、物联网网络和分布式传感器系统。例如，在智能电网管理中，各个能源节点可能会通过重新路由电力来响应本地供需不平衡，而无需中央协调器。挑战包括确保所有智能体行为的一致性以及调试意外的涌现结果。诸如 JADE (Java Agent Development Framework) 或 ROS (Robot Operating System) 之类的工具提供了用于构建智能体通信和行为逻辑的库。在设计 RMAS 时，开发人员必须在模拟环境中严格测试智能体交互，以识别极端情况，例如导致死锁的冲突规则。通过专注于模块化、本地化的智能体设计，这些系统在集中控制不切实际的应用程序中实现了鲁棒性和灵活性。