分布式约束优化问题(DCOPS)为多代理协调提供了一个强大的框架,但通常依靠劳动力密集的,手动的问题构建。为了打扮,我们介绍了VL-DCOPS,该框架利用大型多模式基础模型(LFMS)自动从视觉和语言指令中生成构造。然后,我们引入了用于求解VL-DCOPS的代理原型:从将某些算法决定委托给LFM的神经符号剂中,向完全神经剂授予完全在LFM上的完全神经药物。我们使用最先进的LLM(大型语言模型)和VLM(VI-SION语言模型)在三个新颖的VL-DCOP任务上评估了这些代理原型,并比较了它们各自的优势和缺点。最后,我们讨论了这项工作如何在DCOP文献中面临更广泛的边界挑战。