この記事では、公共交通の燃費向上を目指したマルチエージェントフレームワークについて論じています。従来の分析手法では複雑なデータが断片的に扱われ、人間による多くの解釈を必要としますが、このフレームワークは、マルチモーダルな大規模言語モデル（LLM）を活用し、データの自動ナレーション及びエネルギー洞察の生成を目指します。特に、データナレーションエージェント、LLMを評価するエージェント、そして必要に応じて人間評価者が協調して、分析結果をステークホルダー向けの明確な報告書に変換します。デンマークの北ユトランドにおける公共バスの燃費データを用いた実ケーススタディにおいて、このアプローチの効果が検証されました。最適なモデルはGPT-4.1 miniであり、高いナレーション精度を保ちながら、解釈可能性と計算コストのバランスを取りました。これにより、マルチエージェントの運用がLLMベースの報告の事実的精度と一貫性を大幅に高めることが示されています。