本稿では、ウェブベースの参加型都市センシングにおける新しいフレームワーク「AgentSense」を紹介します。都市管理において、従来のセンシングシステムは、多様な都市シナリオへの一般化能力が乏しく、意思決定の透明性が不足しています。AgentSenseは、大規模言語モデル（LLM）を活用し、マルチエージェント進化システムを通じて参加型センシングを実現します。このフレームワークは、初期にクラシックプランナーを用いて基準解を生成し、動的な都市条件や多様な作業者の好みに応じてセンシングタスクを順次最適化します。また、自動生成された自然言語の説明によって透明性と信頼を向上させます。実験の結果、AgentSenseは適応性と説明能力において従来の方法を上回り、単一エージェントのLLM基準と比較して、パフォーマンスと堅牢性で優れていることが示されました。これにより、都市センシングシステムの適応性と説明性の向上が期待されます。