Network context management for ai agent

Abstract

Example embodiments of the present disclosure are related to network context management for an artificial intelligence (AI) agent. A method comprises receiving, from a second apparatus, capability information of the second apparatus, the capability information indicating a capability of the second apparatus in providing network context; transmitting, to the second apparatus, a request for network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at the first apparatus and being configured to perform a task based on the network context, and the request indicating at least a requirement for the requested network context; and receiving, from the second apparatus, the requested network context.

Description

NETWORK CONTEXT MANAGEMENT FOR AI AGENTFIELD

[0001] Various example embodiments of the present disclosure generally relate to the field of telecommunication and in particular, to methods, devices, apparatuses and computer readable storage medium for network context management for an artificial intelligence (AI) agent.BACKGROUND

[0002] In the telecommunication industry, artificial intelligence / machine learning (AI / ML) have been employed in telecommunication systems to improve the performance and / or reduced complexity / overhead. Generative Artificial Intelligence (GenAI) is an approach to create a content of different types following characteristics of training data. One application of generative AI is to use large language models (LLMs) to generate plausible text or language based on an input query. There are currently numerous examples of proprietary and open-source models available and used in different applications. Generic LLMs (as an example foundation model) may be obtained by extensive training using huge amount of data to capture relations between words and obtain generic capabilities for text understanding, processing, and generation. Such a process is called pre-training. Fine-tuning is a process of adapting a generic model towards domain specific tasks, such as processing technical text and recommending management actions in telecommunication domains. This may be done by selectively adjusting or training a subset of model parameters or a set of added parameters.

[0003] It is expected to include AI agents into the telecommunication systems, to support various processing or services in the systems, so as to facilitate the communications between entities.SUMMARY

[0004] In a first aspect of the present disclosure, there is provided a first apparatus. The first apparatus comprises at least one processor; and at least one memory storing instructions that, when executed by the at least one processor, cause the first apparatus at least to: receive, from a second apparatus, capability information of the second apparatus, the capability information indicating a capability of the second apparatus in providing network context; transmit, to the second apparatus, a request for network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at the first apparatus and being configured to perform a task based on the network context, and the request indicating at least a requirement for the requested network context; and receive, from the second apparatus, the requested network context.

[0005] In a second aspect of the present disclosure, there is provided a second apparatus. The second apparatus comprises at least one processor; and at least one memory storing instructions that, when executed by the at least one processor, cause the second apparatus at least to: receive, from a third apparatus, configuration information related to providing of network context by the second apparatus; transmit, to a first apparatus, capability information of the second apparatus, the capability information indicating a capability of the second apparatus in providing network context; receive, from the first apparatus, a request for network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at the first apparatus and being configured to perform a task based on the network context, and the request indicating at least a requirement for the requested network context; and transmit, to the first apparatus, the requested network context based on the configuration information.

[0006] In a third aspect of the present disclosure, there is provided a third apparatus. The third apparatus comprises at least one processor; and at least one memory storing instructions that, when executed by the at least one processor, cause the third apparatus at least to: transmit, to a second apparatus, configuration information related to providing of network context by the second apparatus, wherein the second apparatus is capable of providing network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at a first apparatus and being configured to perform a task based on the network context.

[0007] In a fourth aspect of the present disclosure, there is provided a first apparatus. The first apparatus comprises at least one processor; and at least one memory storing instructions that, when executed by the at least one processor, cause the first apparatus at least to: transmit, to a second apparatus, a request for network context, the network context being related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context; and receive, from the second apparatus, the requested network context.

[0008] In a fifth aspect of the present disclosure, there is provided a second apparatus. The second apparatus comprises at least one processor; and at least one memory storing instructions that, when executed by the at least one processor, cause the second apparatus at least to: receive, from a first apparatus, a request for network context, the network context being related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context; receive an access token associated with the first apparatus; in accordance with a determination that the access token is verified, transmit, to at least one fourth apparatus, a request for network data and the access token, the at least one fourth apparatus being configured as at least one network data producer to collect network data for generating the requested network context; receive, from the at least one fourth apparatus, the requested network data; generate the requested network context based on the received network data; and transmit, to the first apparatus, the generated network context.

[0009] In a sixth aspect of the present disclosure, there is provided a fourth apparatus. The fourth apparatus comprises at least one processor; and at least one memory storing instructions that, when executed by the at least one processor, cause the fourth apparatus at least to: perform registration of profile information of the fourth apparatus with a fifth apparatus, wherein the profile information indicates at least one dataset of network data collected by a network data producer of the fourth apparatus, and at least one allowed apparatus for a respective one of the at least one dataset; receive, from a second apparatus, a request for network data for generating network context, and an access token associated with a first apparatus which requests for the network context related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context; and in accordance with a determination that the access token is verified, transmit, to the second apparatus, the requested network data.

[0010] In a seventh aspect of the present disclosure, there is provided a fifth apparatus. The fifth apparatus comprises at least one processor; and at least one memory storing instructions that, when executed by the at least one processor, cause the third apparatus at least to: receive registration of profile information of at least one fourth apparatus with a fifth apparatus, wherein the profile information of a fourth apparatus indicates at least one dataset of network data collected by a network data producer of the fourth apparatus, and at least one allowed apparatus for a respective one of the at least one dataset; receive, from a first apparatus or a second apparatus, a request for an access token; determine whether the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus at least based on the profile information; in accordance with a determination that the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus, generate an access token associated with the first apparatus; and transmit the generated access token to the first apparatus or the second apparatus from which the request for the access token is received.

[0011] In an eighth aspect of the present disclosure, there is provided a method. The method comprises: receiving, from a second apparatus, capability information of the second apparatus, the capability information indicating a capability of the second apparatus in providing network context; transmitting, to the second apparatus, a request for network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at the first apparatus and being configured to perform a task based on the network context, and the request indicating at least a requirement for the requested network context; and receiving, from the second apparatus, the requested network context.

[0012] In a ninth aspect of the present disclosure, there is provided a method. The method comprises: receiving, from a third apparatus, configuration information related to providing of network context by the second apparatus; transmitting, to a first apparatus, capability information of the second apparatus, the capability information indicating a capability of the second apparatus in providing network context; receiving, from the first apparatus, a request for network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at the first apparatus and being configured to perform a task based on the network context, and the request indicating at least a requirement for the requested network context; and transmitting, to the first apparatus, the requested network context based on the configuration information.

[0013] In a tenth aspect of the present disclosure, there is provided a method. The method comprises: transmitting, to a second apparatus, configuration information related to providing of network context by the second apparatus, wherein the second apparatus is capable of providing network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at a first apparatus and being configured to perform a task based on the network context.

[0014] In an eleventh aspect of the present disclosure, there is provided a method. The method comprises: transmitting, to a second apparatus, a request for network context, the network context being related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context; and receiving, from the second apparatus, the requested network context.

[0015] In a twelfth aspect of the present disclosure, there is provided a method. The method comprises: receiving, from a first apparatus, a request for network context, the network context being related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context; receiving an access token associated with the first apparatus; in accordance with a determination that the access token is verified, transmitting to at least one fourth apparatus, a request for network data and the access token, the at least one fourth apparatus being configured as at least one network data producer to collect network data for generating the requested network context; receiving, from the at least one fourth apparatus, the requested network data; generating the requested network context based on the received network data; and transmitting, to the first apparatus, the generated network context.

[0016] In a thirteenth aspect of the present disclosure, there is provided a method. The method comprises: performing registration of profile information of the fourth apparatus with a fifth apparatus, wherein the profile information indicates at least one dataset of network data collected by a network data producer of the fourth apparatus, and at least one allowed apparatus for a respective one of the at least one dataset; receiving, from a second apparatus, a request for network data for generating network context, and an access token associated with a first apparatus which requests for the network context related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context; and in accordance with a determination that the access token is verified, transmitting to the second apparatus, the requested network data.

[0017] In a fourteenth aspect of the present disclosure, there is provided a method. The method comprises: receiving registration of profile information of at least one fourth apparatus with a fifth apparatus, wherein the profile information of a fourth apparatus indicates at least one dataset of network data collected by a network data producer of the fourth apparatus, and at least one allowed apparatus for a respective one of the at least one dataset; receiving, from a first apparatus or a second apparatus, a request for an access token; determining whether the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus at least based on the profile information; in accordance with a determination that the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus, generating an access token associated with the first apparatus; and transmitting the generated access token to the first apparatus or the second apparatus from which the request for the access token is received.

[0018] In a fifteenth aspect of the present disclosure, there is provided a first apparatus. The first apparatus comprises means for receiving, from a second apparatus, capability information of the second apparatus, the capability information indicating a capability of the second apparatus in providing network context; means for transmitting, to the second apparatus, a request for network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at the first apparatus and being configured to perform a task based on the network context, and the request indicating at least a requirement for the requested network context; and means for receiving, from the second apparatus, the requested network context.

[0019] In a sixteenth aspect of the present disclosure, there is provided a second apparatus. The second apparatus comprises means for receiving, from a third apparatus, configuration information related to providing of network context by the second apparatus; means for transmitting, to a first apparatus, capability information of the second apparatus, the capability information indicating a capability of the second apparatus in providing network context; means for receiving, from the first apparatus, a request for network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at the first apparatus and being configured to perform a task based on the network context, and the request indicating at least a requirement for the requested network context; and means for transmitting, to the first apparatus, the requested network context based on the configuration information.

[0020] In a seventeenth aspect of the present disclosure, there is provided a third apparatus. The third apparatus comprises means for transmitting, to a second apparatus, configuration information related to providing of network context by the second apparatus, wherein the second apparatus is capable of providing network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at a first apparatus and being configured to perform a task based on the network context.

[0021] In an eighteenth aspect of the present disclosure, there is provided a first apparatus. The first apparatus comprises means for transmitting, to a second apparatus, a request for network context, the network context being related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context; and means for receiving, from the second apparatus, the requested network context.

[0022] In a nineteenth aspect of the present disclosure, there is provided a second apparatus. The second apparatus comprises means for receiving, from a first apparatus, a request for network context, the network context being related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context; means for receiving an access token associated with the first apparatus; means for in accordance with a determination that the access token is verified, transmitting to at least one fourth apparatus, a request for network data and the access token, the at least one fourth apparatus being configured as at least one network data producer to collect network data for generating the requested network context; means for receiving, from the at least one fourth apparatus, the requested network data; means for generating the requested network context based on the received network data; and means for transmitting, to the first apparatus, the generated network context.

[0023] In a twentieth aspect of the present disclosure, there is provided a fourth apparatus. The fourth apparatus comprises means for performing registration of profile information of the fourth apparatus with a fifth apparatus, wherein the profile information indicates at least one dataset of network data collected by a network data producer of the fourth apparatus, and at least one allowed apparatus for a respective one of the at least one dataset; means for receiving, from a second apparatus, a request for network data for generating network context, and an access token associated with a first apparatus which requests for the network context related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context; and means for in accordance with a determination that the access token is verified, transmitting to the second apparatus, the requested network data.

[0024] In a twenty-first aspect of the present disclosure, there is provided a fifth apparatus. The fifth apparatus comprises means for receiving registration of profile information of at least one fourth apparatus with a fifth apparatus, wherein the profile information of a fourth apparatus indicates at least one dataset of network data collected by a network data producer of the fourth apparatus, and at least one allowed apparatus for a respective one of the at least one dataset; means for receiving, from a first apparatus or a second apparatus, a request for an access token; means for determining whether the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus at least based on the profile information; means for in accordance with a determination that the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus, generating an access token associated with the first apparatus; and means for transmitting the generated access token to the first apparatus or the second apparatus from which the request for the access token is received.

[0025] In a twenty-second aspect of the present disclosure, there is provided a computer readable medium. The computer readable medium comprises instructions stored thereon for causing an apparatus to perform at least the method according to the eighth aspect, the ninth aspect, the tenth aspect, the eleventh aspect, the twelfth aspect, the thirteenth aspect, or the fourteenth aspect.

[0026] It is to be understood that the Summary section is not intended to identify key or essential features of embodiments of the present disclosure, nor is it intended to be used to limit the scope of the present disclosure. Other features of the present disclosure will become easily comprehensible through the following description.BRIEF DESCRIPTION OF THE DRAWINGS

[0027] Some example embodiments will now be described with reference to the accompanying drawings, where:

[0028] FIG. 1 illustrates an example communication environment in which example embodiments of the present disclosure may be implemented;

[0029] FIG. 2 illustrates a schematic diagram of an environment with network context provided to AI agents in accordance with some example embodiments of the present disclosure;

[0030] FIG. 3 illustrates a signaling flow for network context management in accordance with some example embodiments of the present disclosure;

[0031] FIG. 4 illustrates relationships of new information models introduced for network context repository and network context management service procedures in accordance with some example embodiments of the present disclosure;

[0032] FIG. 5 illustrates a signaling flow for network context creation within a network context instance lifecycle in accordance with some example embodiments of the present disclosure;

[0033] FIG. 6 illustrates a signaling flow of an example network context management with authentication and authorization in accordance with some other example embodiments of the present disclosure;

[0034] FIG. 7 illustrates a signaling flow of an example network context management with authentication and authorization in accordance with some other example embodiments of the present disclosure;

[0035] FIG. 8 illustrates a flowchart of a method implemented at a first apparatus in accordance with some example embodiments of the present disclosure;

[0036] FIG. 9 illustrates a flowchart of a method implemented at a second apparatus in accordance with some example embodiments of the present disclosure;

[0037] FIG. 10 illustrates a flowchart of a method implemented at a third apparatus in accordance with some example embodiments of the present disclosure;

[0038] FIG. 11 illustrates a flowchart of a method implemented at a first apparatus in accordance with some other example embodiments of the present disclosure;

[0039] FIG. 12 illustrates a flowchart of a method implemented at a second apparatus in accordance with some other example embodiments of the present disclosure;

[0040] FIG. 13 illustrates a flowchart of a method implemented at a fourth apparatus in accordance with some other example embodiments of the present disclosure;

[0041] FIG. 14 illustrates a flowchart of a method implemented at a fifth apparatus in accordance with some other example embodiments of the present disclosure;

[0042] FIG. 15 illustrates a simplified block diagram of a device that is suitable for implementing example embodiments of the present disclosure; and

[0043] FIG. 16 illustrates a block diagram of an example computer readable medium in accordance with some example embodiments of the present disclosure.

[0044] Throughout the drawings, the same or similar reference numerals represent the same or similar element.DETAILED DESCRIPTION

[0045] Principle of the present disclosure will now be described with reference to some example embodiments. It is to be understood that these embodiments are described only for the purpose of illustration and help those skilled in the art to understand and implement the present disclosure, without suggesting any limitation as to the scope of the disclosure. Embodiments described herein may be implemented in various manners other than the ones described below.

[0046] In the following description and claims, unless defined otherwise, all technical and scientific terms used herein have the same meaning as commonly understood by one of ordinary skills in the art to which this disclosure belongs.

[0047] References in the present disclosure to “one embodiment, ” “an embodiment, ” “an example embodiment, ” and the like indicate that the embodiment described may include a particular feature, structure, or characteristic, but it is not necessary that every embodiment includes the particular feature, structure, or characteristic. Moreover, such phrases are not necessarily referring to the same embodiment. Further, when a particular feature, structure, or characteristic is described in connection with an embodiment, it is submitted that it is within the knowledge of one skilled in the art to affect such feature, structure, or characteristic in connection with other embodiments whether or not explicitly described.

[0048] It shall be understood that although the terms “first, ” “second, ” …, etc. in front of noun (s) and the like may be used herein to describe various elements, these elements should not be limited by these terms. These terms are only used to distinguish one element from another and they do not limit the order of the noun (s) . For example, a first element could be termed a second element, and similarly, a second element could be termed a first element, without departing from the scope of example embodiments. As used herein, the term “and / or” includes any and all combinations of one or more of the listed terms.

[0049] As used herein, “at least one of the following: <a list of two or more elements>” and “at least one of <a list of two or more elements>” and similar wording, where the list of two or more elements are joined by “and” or “or” , mean at least any one of the elements, or at least any two or more of the elements, or at least all the elements.

[0050] As used herein, unless stated explicitly, performing a step “in response to A” does not indicate that the step is performed immediately after “A” occurs and one or more intervening steps may be included.

[0051] The terminology used herein is for the purpose of describing particular embodiments only and is not intended to be limiting of example embodiments. As used herein, the singular forms “a” , “an” and “the” are intended to include the plural forms as well, unless the context clearly indicates otherwise. It will be further understood that the terms “comprises” , “comprising” , “has” , “having” , “includes” and / or “including” , when used herein, specify the presence of stated features, elements, and / or components etc., but do not preclude the presence or addition of one or more other features, elements, components and / or combinations thereof.

[0052] As used in this application, the term “circuitry” may refer to one or more or all of the following: (a) hardware-only circuit implementations (such as implementations in only  analog and / or digital circuitry) and (b) combinations of hardware circuits and software, such as (as applicable) : (i) a combination of analog and / or digital hardware circuit (s) with  software / firmware and (ii) any portions of hardware processor (s) with software (including digital  signal processor (s) ) , software, and memory (ies) that work together to cause an apparatus, such as a mobile phone or server, to perform various functions) and (c) hardware circuit (s) and or processor (s) , such as a microprocessor (s) or a  portion of a microprocessor (s) , that requires software (e.g., firmware) for operation, but the software may not be present when it is not needed for operation.

[0053] This definition of circuitry applies to all uses of this term in this application, including in any claims. As a further example, as used in this application, the term circuitry also covers an implementation of merely a hardware circuit or processor (or multiple processors) or portion of a hardware circuit or processor and its (or their) accompanying software and / or firmware. The term circuitry also covers, for example and if applicable to the particular claim element, a baseband integrated circuit or processor integrated circuit for a mobile device or a similar integrated circuit in server, a cellular network device, or other computing or network device.

[0054] As used herein, the term “communication network” refers to a network following any suitable communication standards, such as New Radio (NR) , Long Term Evolution (LTE) , LTE-Advanced (LTE-A) , Wideband Code Division Multiple Access (WCDMA) , High-Speed Packet Access (HSPA) , Narrow Band Internet of Things (NB-IoT) and so on. Furthermore, the communications between a terminal device and a network device in the communication network may be performed according to any suitable generation communication protocols, including, but not limited to, the first generation (1G) , the second generation (2G) , 2.5G, 2.75G, the third generation (3G) , the fourth generation (4G) , 4.5G, the fifth generation (5G) , the sixth generation (6G) communication protocols, and / or any other protocols either currently known or to be developed in the future. Embodiments of the present disclosure may be applied in various communication systems. Given the rapid development in communications, there will of course also be future type communication technologies and systems with which the present disclosure may be embodied. It should not be seen as limiting the scope of the present disclosure to only the aforementioned system.

[0055] As used herein, the term “network device” refers to a node in a communication network via which a terminal device accesses the network and receives services therefrom. The network device may refer to a base station (BS) or an access point (AP) , for example, a node B (NodeB or NB) , an evolved NodeB (eNodeB or eNB) , an NR NB (also referred to as a gNB) , a Remote Radio Unit (RRU) , a radio header (RH) , a remote radio head (RRH) , a relay, an Integrated Access and Backhaul (IAB) node, a low power node such as a femto, a pico, a non-terrestrial network (NTN) or non-ground network device such as a satellite network device, a low earth orbit (LEO) satellite and a geosynchronous earth orbit (GEO) satellite, an aircraft network device, and so forth, depending on the applied terminology and technology. In some example embodiments, radio access network (RAN) split architecture comprises a Centralized Unit (CU) and a Distributed Unit (DU) at an IAB donor node. An IAB node comprises a Mobile Terminal (IAB-MT) part that behaves like a UE toward the parent node, and a DU part of an IAB node behaves like a base station toward the next-hop IAB node.

[0056] The term “terminal device” refers to any end device that may be capable of wireless communication. By way of example rather than limitation, a terminal device may also be referred to as a communication device, user equipment (UE) , a Subscriber Station (SS) , a Portable Subscriber Station, a Mobile Station (MS) , or an Access Terminal (AT) . The terminal device may include, but not limited to, a mobile phone, a cellular phone, a smart phone, voice over IP (VoIP) phones, wireless local loop phones, a tablet, a wearable terminal device, a personal digital assistant (PDA) , portable computers, desktop computer, image capture terminal devices such as digital cameras, gaming terminal devices, music storage and playback appliances, vehicle-mounted wireless terminal devices, wireless endpoints, mobile stations, laptop-embedded equipment (LEE) , laptop-mounted equipment (LME) , USB dongles, smart devices, wireless customer-premises equipment (CPE) , an Internet of Things (IoT) device, a watch or other wearable, a head-mounted display (HMD) , a vehicle, a drone, a medical device and applications (e.g., remote surgery) , an industrial device and applications (e.g., a robot and / or other wireless devices operating in an industrial and / or an automated processing chain contexts) , a consumer electronics device, a device operating on commercial and / or industrial wireless networks, and the like. The terminal device may also correspond to a Mobile Termination (MT) part of an IAB node (e.g., a relay node) . In the following description, the terms “terminal device” , “communication device” , “terminal” , “user equipment” and “UE” may be used interchangeably.

[0057] As used herein, the term “resource, ” “transmission resource, ” “resource block, ” “physical resource block” (PRB) , “uplink resource, ” or “downlink resource” may refer to any resource for performing a communication, for example, a communication between a terminal device and a network device, such as a resource in time domain, a resource in frequency domain, a resource in space domain, a resource in code domain, or any other combination of the time, frequency, space and / or code domain resource enabling a communication, and the like. In the following, unless explicitly stated, a resource in both frequency domain and time domain will be used as an example of a transmission resource for describing some example embodiments of the present disclosure. It is noted that example embodiments of the present disclosure are equally applicable to other resources in other domains.

[0058] As used herein, the term “AI agent” is referred to a data driven algorithm that applies AI / ML techniques to generate a set of outputs based on a set of inputs. As used herein, the term “AI agent” may also be referred to as “AI model” , “AI / ML model” , “model” , “machine learning network” , or “learning network, ” which are used interchangeably herein. An “AI agent” may include at least one AI / ML model.

[0059] FIG. 1 shows an example communication environment 100 in which example embodiments of the subject disclosure may be implemented. As shown in FIG. 1, the communication environment 100 may involve one or more terminal devices 104-1 and 104-2 (collectively or individually referred to as terminal devices 104) . Terminal devices 104-1 and 104-2 may connect with one or more RAN nodes 102 to get access to the communication systems.

[0060] The communication environment 100 may further involves a core network (CN) 103, which may, for example, comprise one or more network functions (NF) to support a user plane (UP) function, such as User Plane Function (UPF) 120. UPF 120 may be configured to forward traffic communicated between the RAN nodes 102. The CN 103 may also include other NFs, such as an Access and Mobility Management function (AMF) 130 and other NFs 110. AMF 130 may be configured to provide various functions relating to security and access management and authorization for the terminal device 130 and / or RAN nodes 102. In some cases, the CN 103 may further connect with an operations, administration, and maintenance (OAM) platform 140.

[0061] It is to be understood that the number of network nodes and terminal devices depicted in FIG. 1 is provided for the purpose of illustration without suggesting any limitations. The communication environment 100 may include any suitable number of network nodes and terminal devices.

[0062] Communications in communication environment 100 may be implemented according to any proper communication protocol (s) , including, but not limited to, cellular communication protocols of the first generation (1G) , the second generation (2G) , the third generation (3G) , the fourth generation (4G) , 5G, the sixth generation (6G) , and the like, wireless local network communication protocols such as Institute for Electrical and Electronics Engineers (IEEE) 802.11 and the like, and / or any other protocols currently known or to be developed in the future. Moreover, the communication may utilize any proper wireless communication technology, includes but not limited to: Code Division Multiple Access (CDMA) , Frequency Division Multiple Access (FDMA) , Time Division Multiple Access (TDMA) , FDD, TDD, Multiple-Input Multiple-Output (MIMO) , Orthogonal Frequency Division Multiple (OFDM) , Discrete Fourier Transform spread OFDM (DFT-s-OFDM) and / or any other technologies currently known or to be developed in the future.

[0063] As mentioned above, it is expected to introduce AI agents in the telecommunication systems. It is now studied in the telecommunication industry the AI / ML management and operation capabilities to support different types of AI / ML technologies as needed to support the AI / ML in the telecommunication systems, such as Federated Learning, Reinforcement Learning, Online and Offline training, Distributed Learning, and Generative AI.

[0064] LLMs are designed to process a single input and output modality, primarily natural language. In comparison, Large Multimodal Models (LMMs) incorporate and process multiple data modalities, including text, audio, visual, and sensor data, effectively capturing the relationships among these diverse data types. This multimodal capability extends the applicability of LMMs to various forms of data, such as network data in the telecommunication systems. Furthermore, Small Language Models (SLMs) require less computational power than LLMs, both for training and inference, while still achieving notable performance, especially when tailored to specific tasks. As a result, in addition to LLMs and LMMs, SLMs are also highly relevant in telecommunications applications.

[0065] The abovementioned models including LLM / LMM / SLM may be employed to enhance the capability of AI agents. The AI agents, by using the capabilities of the various models to reason, to use external tools, maintain memory of actions and perceive environment changes, can function as powerful entities capable of effectively completing complex tasks.

[0066] AI agents may be tailored to perform various types of tasks, one example type is consumer focused tasks. Consumer focused tasks may include activities such as sightseeing itineraries taking in consideration of timing, transportation with respect to weather forecasting, providing detailed guidance, offering personalized fitness planning and coaching. Another example type is network related tasks and network related tasks may include optimizing network parameters to achieve certain predefined purposes such as network energy saving.

[0067] Compared to other types of agents, AI agents may possess distinguishing features or capabilities, including but not limited to, the capability of acting autonomously and the capability of collaborating and sharing capabilities. Regarding the capability of acting autonomously, by leveraging the capability large language models, AI agents may comprehend complex tasks, develop execution plans consisting of multiple actions (e.g., create / read / update / delete (CRUD) operation, utilizing tools and services, collaborating with other AI agents) autonomously, and execute these plans independently. Regarding the capability of collaborating and sharing capabilities, AI agents may share their capabilities and collaborate with other AI agents as part of an orchestration system.

[0068] When the main AI agent receives a request involving a complex task that requires coordination and collaboration with multiple AI agents, gathering necessary information and network context is among the initial and most critical steps in order to fulfill the request. The success of task execution (e.g., execution plan) depends heavily on the quality and comprehensiveness of the gathered context.

[0069] An AI agent may require various types of context information, including but not limited to the following information. One type of the context information may be execution environment context, as the AI agent may be aware of or capable of collecting information of its surrounding environment, particularly real-time data related to the execution context such as real-time network data relevant to an AI agent request. A second type of context information may be the dynamic context changes of key aspects, as the AI agent should be able to track changes in the status of key focus areas such as operational network functions and their related or dependent network functions, as well as trends in these changes. A third type of context information may be memory context offloading and filtering, context history acts as the memory of the AI Agent. A more extensive and effective memory leads to more effective task execution. Long-term memory may incur high costs and therefore balancing and selectively providing relevant memory for task execution is essential. Offloading longer yet relevant memory segments may be beneficial from both performance and economy perspectives.

[0070] Regardless of the specific tasks, AI agents may need an accurate perception of their environment to take appropriate actions or produce appropriate outputs. Context information refers to the information that describes the environment and conditions under which an AI agent operates.

[0071] In the following, two example use cases are provided, where the AI agent is relevant, and the network context is beneficial in providing up-to-date state on the AI agent-based environment.

[0072] A first use case is AI agent aiding tasks in the factory. In the factory setting, the human worker poses specific task to be fulfilled by single or multiple robots collaboratively, e.g. panel transporting within a factory. Such task execution may be controlled by AI agents on the robots. In such scenario the robots equipped with AI agents need to communicate and collaboratively carry the panel, so they need low latency reliable communication link between them along the path in which they are carrying the object. Therefore, it is highly important for the AI agents on the robots to know with very high granularity what are currently network conditions as well as how those are expected to be along their path. It is also of importance to know if other robots are expected to move in their vicinity or intersect with them, such that they can adjust the speed or even the trajectory of carrying the object. Thus, the network context data, e.g. on network conditions, coverage availability, potential coverage issues, other robot movement, etc. are essential for AI agents on the robots in order to adequately plan and execute the task at hand. All this information can be stored in Network Context Repository or derived upon service request from one or all robots carrying the object.

[0073] A second use case is network operations based on an AI agent. In the scenario where the AI agents are employed to perform network related tasks, such as to save energy in specific network domain by adjusting the transmit power of base stations, or switching on and off cells, here the network context plays fundamental role. Depending on the AI agent scope, e.g. the list of base stations that it is controlling or list of cells it is allowed to switch on / off, different context data can be relevant, e.g. pertaining to load and energy consumption of the network entities that AI agent can control. Furthermore, the AI agent outputs and actions may have impact on only limited set of UEs, pertaining to the area of controlled cells, only the context information related to such UEs are relevant, e.g. resulting signal strength, UE DL / UL transmission rates prior and after the action is taken.

[0074] The ability of an AI agent to perceive its environment, along with the quality, relevance and timeliness of the context data, is of high importance for its performance. Without a comprehensive and accurate understanding of its surroundings, an AI agent may not be able to reason effectively or generate the most appropriate outputs (i.e., determining the right actions under specific conditions) .

[0075] Network data, which may be collected from network entities or herniated from network analytics, serves as a valuable source of context information for AI agents. This applies to both types of AI agents: those handling consumer focused tasks and those handling network related tasks. The currently available network data includes but not limited to, data for performance measurements and KPIs, trace data, quality of experience (QoE) and service experience data, analytics data, alarm information and notifications, user equipment (UE) location information, UE subscription data. In the future, additional network data such as sensing data may become available, and this can significantly enhance the perception of AI agents regarding their environment.

[0076] On the other hand, AI agents possess contextual memory, with characteristics that vary in storage capability and speed, determining the amount and type of the context data that may be stored. AI retain context information and a history of their options within their contextual memory, including information on current and previously encountered contexts as description of the AI agent environments, actions performed by the AI agent, action impacts on the environment, interactions with AI agent consumers etc. on one hand, such information are necessary for AI agents to make appropriate decisions but on the other hand, AI agents have limited contextual memory. It is technically and economically challenging or impossible to keep huge volume of context data or track context, action and effect information from long period of history. Due to the abovementioned memory constraints, context data need to be concise yet compassing all relevant information. Furthermore, to facilitate effective collaborations among various AI agents, it is important to provide context data that is common to all relevant or collaborating agents to support well-informed collaborative decisions.

[0077] However, there are still a series of gaps to fulfill. In particular, it is still not known how to Identify which network data is relevant for which AI agent, how to make AI agent aware of such relevant context data, and how to enable AI agent to request or subscribe to the network context. Further, it is also not defined how to identify which network data should be provided to the AI agent and how to, e.g. : identify right content, its volume and timeliness to be delivered to AI agents as context data, given their limited contextual memory capabilities. Other problems are related to granularity of context data to be provided; frequency of context data updates to be provided to the AI; format of context data to be provided, e.g. raw data, analytics, predictions, etc. ; priority of context data to be provided, etc. Further, it is also not defined how to enable the network to provide the context to AI agents and keep context up to date, including maintain a history of some selected context and thus offloading the limited memory of the AI agents towards the network; how to identify the context common to multiple AI agents and share such common context among AI Agents; and how to ensure secured and authorized sharing of the context data amongst AI agents.

[0078] Therefore, challenges remain in that an AI agent may not be aware of the network data that may be valuable for its task. Especially for the AI agents outside of the network, addressing consumer tasks have no visibility on the data available in the network and how the data may be leveraged to facilitate performing the tasks.

[0079] In addition, the AI agents themselves are not able or not allowed to collect network data. There is a need for an intermediary point in the network that bridges the gap between what is available in the network and what is useful for AI agents and to store and funnel the data in the most efficient way.

[0080] According to some example embodiments of the present disclosure, a system with apparatuses and methods is proposed where the various apparatuses interact to facilitate the provision of network context for AL agents. A network context service consumer (with an AI agent implemented therein) requests and receives network context. A network context function is configured to provide a network context service based on a configuration from a network context management function and thus respond the network context service consumer with the requested context. The network context management function is configured to manage configuration information for effective network context provision. The network context service consumer interacts with the network context function to request the relevant network context, which is fulfilled by the network context function using configuration information from the network context management function. This process enables AI agents which are or are comprised in the network context service consumers to perform tasks using the received network context.

[0081] According to some further embodiments of the present disclosure, in addition to the provision of the network context for AI agents, the system incorporates authentication and authorization to ensure secured network context and network data sharing. The network context function verifies the access token associated with the network context service consumer before requesting network data from a network data producer. The network data producer also performs access token verifications before transmitting data, ensuring that only authorized requests are processed for secure data transmission across the whole system.

[0082] The proposed solutions provide solutions that can bridge the gap between available network data and available network capability to collect and process the network data that may be utilized by AI agent (s) for environment perception and task fulfillment. The tasks may be consumer focused type or network related type. The apparatus and methods serve to identify, process and deliver network data as network context based on requests, characteristics, constraints and tasks specified by an AI agent. AI agents can leverage on the rich dataset available in the network, getting most relevant and up-to-date data in the form adapted to the AI agent needs and capabilities. In addition, the proposed authentication and subsequent authorization methods ensure data security by providing mechanisms for verifying context consumer identity and grant access privileges. The solutions ensure that data are protected throughout transmission and processing stages, therefore maintaining a secure data environment.

[0083] FIG. 2 illustrates a schematic diagram of an example communication environment 200 in which example embodiments of the present disclosure may be implemented. In the communication environment 200, a plurality of AI agents 210-1, 210-2 may be or may be comprised in terminal devices 214-1, 214-2, a plurality of AI agents 210-3, 210-4 may be or may be comprised RAN nodes 212-1, 212-2 and a plurality of AI agents 210-5, 210-6 may be or may be comprised in network functions (NFs) 216-1, 216-2 in a core network. The AI agents 210-1, 210-2, 201-3, 210-4, 210-5 and 210-6 may be collectively or individually referred to as AI agents 210. The terminal devices 214-1, 214-2 may be collectively or individually referred to as terminal devices 214. The RAN nodes 212-1, 212-2 may be collectively or individually referred to as RAN nodes 212. The NFs 216-1, 216-2 may be collectively or individually referred to as NFs 216.

[0084] According to example embodiments of the present disclosure, it is provided a network context management function 230. In some example embodiments, the network context management function 230 may be or may be comprised in a network function in the core network, may be or may be comprised in a RAN node, may be or may be comprised in an OAM platform. The network context management function 230 is configured to provide a network context management service and thus may sometimes be referred to as a producer of the network context management service 230.

[0085] The network context management function 230 may be responsible for configuring the policies for collection and processing of data missing for generation of network context, including but not limited to, defining priorities and amount / range of relevance level of data to a topic or task, range may indicate time range or geographic range, or network function / network element / network service type range, a processing scope, to what level of data to be processed, and the like.

[0086] In some example embodiments, the network context management function 230 may be responsible for configuring the policies for storing network context derived by a network context service producer, e.g. defining priorities and amount of context to be stored, storing history of network context, storing common context of specific AI agent with respect to all other related AI agents (e.g. based on common task or area) , and / or the like.

[0087] In some example embodiments, the network context management function 230 may be responsible for configuring the policies for exposure and delivery of network context, including the network context common to multiple entities. The policies for delivery of network context may indicate the amount of context to be delivered to AI agents given certain constraints as well as priorities of the context to be delivered given certain constraints, e.g. GenAI having limited contextual memory capabilities, latency constraints and requirements in receiving context, GenAI being in energy saving mode.

[0088] In some example embodiments, the network context management function 230 may be responsible for configuring the policies for updates and retirement of the network context as part of the network context repository, e.g. related to timeliness of the context, available AI agents, and / or configuring the policies to perform measurements related to consumption of network context, derivation of statistics and exposure of such information to authorized consumer.

[0089] In some example embodiments, the network context management service function 230 may aid the verification and evaluation of actions of a network context service consumer by observing the network level KPIs and reporting the observations as context updates to the network context service consumer 301. The network context consumer 301 may correlate its own actions with the reported network changes and keep this information as a part of its contextual memory.

[0090] According to example embodiments of the present disclosure, it is provided a network context function 220 to provide network context for an AI agent (s) 210. The network context function 220 is configured to provide a network context service. The network context function 220 may sometimes be referred to as a network context service producer. A communication entity, such as a RAN node 212, a terminal device 214, an NF 216 with an AI agent, may request network context from the network context function 220, and thus may be referred to as a network context service consumer. In some example embodiments, as the network context function 220 may be managed by the network context management function 230, and thus may also be considered as a consumer of the network context management service provide by the network context management function 230.

[0091] In some example embodiments, the network context function 220 may be or may be comprised in a network function in the core network, maybe or may be comprised in a terminal device, may be or may be comprised in a RAN node, and maybe or may be comprised in a terminal device, may be or may be comprised in an entity an OAM platform. The network context function 220 is configured to generate and provide network context according to a request (s) transmitted from a network context service consumer.

[0092] In some example embodiments, the network context function 220 may be configured to be responsible for network context generation pertaining to the most relevant scope, given the requested type of network context. The network context type refers to a type of data that is expected to be delivered to a network context consumer, e.g. AI agent 210. The network context type may be given in the request for network context retrieval. This may imply different granularities and abstraction levels such as raw network data as collected via network measurements, processed network data including the network data analytics and predictions, abstracted information on environment, e.g. given in textual or natural language form, etc.

[0093] The scope of network context refers to either generic nature of the context data applicable to any task the AI agent is dealing with e.g. based on AI agent location, or specific scope tailored to AI agent characteristics provided as request input to this service e.g., affected NFs, task description, etc. Furthermore, the scope may refer to common context to multiple AI agents or a context related to individual AI agent.

[0094] In some example embodiments, the network context function 220 may be configured for triggering the missing data collection and alternatively processing (aggregation, filtering, etc. ) according to policies configured by the network context management function 230 in order to gain complete network data needed for network context generation. In some example embodiments, the network context function 220 may be configured for storing network context to a network context repository based on policies configured by the network context management function 230, such as priorities of content to be stored, control of content amount to be stored, etc. In some example embodiments, the network context function 220 may be configured for exposure of network context from a network context repository based on exposure policies configured by the network context management function 230, e.g., in terms of list of AI agents to which the network context should or should not be exposed, geographical area to which the network context should or should not be exposed, etc.

[0095] In some example embodiments, the network context function 220 may be configured for delivery of network context to consumers based on policies configured by the network context management function 230, e.g. defining amount and priority of network context to be provided to different AI agents based on limited contextual memory, energy state of AI agent, latency requirements in providing context, type of context, structure of the context to be provided, meta-data related to context that should be provided, etc.

[0096] In some example embodiments, the network context function 220 may be configured for identifying the relation between the AI agent type or the task with the network context of the most relevance for the AI agent. In some example embodiments, the network context function 220 may be configured for updates and retirement of the context in the network context repository, based on policies configured by the network context management function 230 e.g., in relation to timeliness of the network context, currently available and registered AI agents, etc. In some example embodiments, the network context function 220 may be configured for monitoring and measurements according to policies configured by the network context management function 230, e.g. related to the consumption of network context, e.g. amount or type of data being delivered to different consumers AI agents.

[0097] In some example embodiments, the network context function 220 may be configured for providing the statistics according to policies configured by the network context management function 230, e.g. related to the data usage or rating the context in the Network Context Repository based on its usage. In some example embodiments, the network context function 220 may be configured for identifying the commonalities among the network contexts of different AI agents and reporting such commonalities to related AI agents. In some example embodiments, the network context function 220 may be configured for deriving common network context for a set of AI agents e.g., AI agents collaborating to fulfill common task, AI agents operating in common geographical area, AI agents having the common impact scope (e.g. common set of UEs that are impacted by AI agent actions) , support of AI agents collaboration by exposing and delivering common network context according to policies configured by the network context management function 230., and the like.

[0098] In some example embodiments, there is provided one or more network context repositories 260, which may be responsible for storing the network context relevant for AI agents, and may enable retrieval of network context by providing the according request and subscription capability to AI agents. A network context repository 260 for storing network context may be or may be comprised in a NF in a core network, an entity in OAM, and / or the like.

[0099] In some example embodiments, there may be one or more network data producers 240-1, 240-2, 240-N involved in the network context generation and providing. The network data producers 240-1, 240-2, 240-N are sometimes collectively or individually referred to as network data producers 240. A network data producer 240 may be or may be comprised in an entity at the OAM platform, a network function in the core network (CN) , a RAN code, data collection and correlation function (DCCF) , analytical data repository function (ADRF) , and network data analytics function (NWDAF) .

[0100] In some example embodiments, the example embodiments of the present disclosure may further involve a network repository function (NRF) 250. The NRF 250 serves as a central repository that maintains information about the available network functions and services within the core network. The NRF 250 may allow network functions and services to register their capabilities and addresses with it during the network's initialization or when they come into existence. Each network function provides information about its capabilities, supported features, and available resources to the NRF 250. This information is used for service discovery and dynamic network function selection. The NRF 250 may thus maintain an up-to-date repository of network function information, enabling dynamic service discovery. When a service request is made, the NRF identifies the appropriate network functions or services that can fulfill the requested.

[0101] FIG. 3 illustrates a signaling flow 300 for network context management in accordance with some example embodiments of the present disclosure. The signaling flow 300 will be described with respect to FIG. 2. The signaling flow 300 involves a network context service consumer 301, a network context function 220, a network context management function 230, a network context repository 260 and network data producer (s) 240.

[0102] The network context service consumer 301 may sometimes be referred to as “first apparatus” herein, which may be any communication entity with an AI agent. Some examples of the network context service consumer 301 may include a terminal device 214, a RAN node 212, and a NF 216 as illustrated in FIG. 2. The network context function 220 may sometimes be referred to as “second apparatus” herein. The network context management function 230 may sometimes be referred to as “third apparatus” herein. The network context repository 260 may sometimes be referred to as “sixth apparatus” herein. The network data producer (s) 240 may sometimes be referred to as “fourth apparatus” herein.

[0103] In the signaling flow 300, the network context management function 230 transmits (305) to a network context function 220, configuration information related to providing of network context by the network context function 220. The network context function 220 is capable of providing network context related to an AI agent, the AI agent being implemented at a network context service consumer 301 and being configured to perform a task based on the network context.

[0104] In some example embodiments, the AI agent may include a generative AI agent (GenAI agent) which is implemented based on generative AI models. To implement the configured task, the AI agent may require certain network context. It would be appreciated that there is no limitation to the specific tasks and the specific configuration to the AI agents. The example embodiments of the present disclosure are applicable to any communication entities with the AI agents implemented.

[0105] The network context function 220 receives (310) from the network context management function 230, configuration information related to providing of network context by the network context function 220, and thus may provide network context to one or more AI agents based on the received configuration information.

[0106] In some examples, the configuration information related to providing of network context may include setting the policies for network context storing, exposure, delivery, updates, retirement, performing measurements and statistics generation as well as collection and processing of missing network data and the policies include at least one of the following policy.

[0107] In some example embodiments, the configuration information may comprise at least one policy for data collection and processing to generate network context: the policy may specify the minimum amount of data that needs to be available at a network context function 220 or fetched from a network data producer 240 to perform network context generation. And the policy may also specify the required characteristics of the available data for example, the policy may specify that only data with certain data distribution, maximum amount or ratio of missing samples may be utilized. If the available data does not meet this policy, the network context management function 230 may trigger the data collection to obtain missing data. For example, perfMetricJob or TraceJob may be initiated.

[0108] In some example embodiments, the configuration information may comprise at least one storage policy of network context in a network context repository. This policy may define priorities and the amount of context to be stored in the network context repository 260 and this policy may define if only current network context information shall be stored or history of network context or only store data within certain period of length and time windows. This policy may define if common context of an AI agent with respect to all other related AI agents (e.g. performing the same task, or operating in the same area) needs to be stored and how, e.g. which metadata describing related AI agents need to be included in the network context repository 260.

[0109] In some example embodiments, the configuration information may comprise at least one policy for exposure and delivery of network context. The policies for delivery of network context may dictate delivery of network context under constraints such as: the amount of context to be delivered to AI agents given certain constraints as well as priorities of the context to be delivered given certain constraints, e.g. AI having limited memory capabilities, AI being in energy saving mode.

[0110] In some example embodiments, the configuration information may comprise a policy to perform update and retirement of the network context in a network context repository configured to implement a network context repository function. This policy may specify what is the cut-off time duration after which the network context should be retired / deleted, such as number of days or months. This policy may also specify whether context shall be maintained only for available and currently registered AI agents or also for AI agents that were active in the past (and how long past) . The policy may specify when network context should be updated, e.g. after update of AI subscription, after defined delta in network performance, delta in values of specific network KPIs.

[0111] In some example embodiments, the configuration information may comprise a policy to perform measurement related to consumption of network context, or a policy to perform measurement related to derivation of statistics and exposure of the measurement. These policy may specify to perform measurements, for example, based on certain AI agent request or based on events such as degradation of network performance or degradation of certain network KPIs.

[0112] The network context function 220 transmits (315) to the network context service consumer 301, capability information of the network context function 220, the capability information indicating a capability of the network context function 220 in providing network context. The network context service consumer 301 receives (320) from a network context function 220, capability information of the network context function 220, the capability information indicating a capability of the network context function 220 in providing network context.

[0113] The capability information may indicate at least one of the following pieces of information:

[0114] The network context function 220 may indicate via the capability information the type of the network context that may be provided by the network context function 220. For example, the network context function 220 may provide raw data, analytics data, or a combination of both raw data and the analytics data, abstracted information on environment status, or a summary of environment status given in natural language.

[0115] The network context function 220 may alternatively or additionally indicate via the capability information at least one scope of network context wherein the at least one scope of the network context may comprise at least one of the following: a first scope of network context based on a geographical area, a second scope of network context based on at least one network function, a third scope of network context tailed to a specific task, or a fourth scope of network context tailed to an agent characteristic.

[0116] The network context function 220 may alternatively or additionally indicate via the capability information the context related to collaboration of the AI agent with at least one further AI agent.

[0117] The network context function 220 may indicate via the capability information timeliness of network context to be provided. For example, whether the network context function 220 can provide current network context or history of network context.

[0118] The network context service consumer 301 transmits (325) to the network context function 220, a request for network context related to an AI agent, the AI agent being implemented at the network context service consumer 301 and being configured to perform a task based on the network context, and the request indicating at least a requirement for the requested network context. The network context function 220 receives (330) from the network context service consumer 301, a request for network context related to an AI agent, the AI agent being implemented at the network context service consumer 301 and being configured to perform a task based on the network context, and the request indicating at least a requirement for the requested network context.

[0119] The request from the network context service consumer 301 may comprise a registration request or a subscription request for a network context service provided by the network context function, the network context service being configured to provide network context.

[0120] The request transmitted from the network context service consumer 301 may at least indicate a requirement for the requested network context. In some examples, the requirement for the requested network context may indicate timeliness of the network context to be retrieved, such as whether current network context is required or network context from an old time is required. The timeliness of the network context may specify the indication on short or long term context history requirements, e.g. expressed in time duration or time window for the required network context.

[0121] In some examples, the requirement for the requested network context may indicate an expected abstraction level of network context to be retrieved. The requirements may specify raw data, or analytics data or abstracted summary of current environment, or natural language-based summary. In some examples, the requirement for the requested network context may indicate an expected amount and granularity of network context to be retrieved.

[0122] In some example embodiments, the request transmitted from the network context service consumer 301 may comprise requirement information including an expectation on retrieving network context common to a plurality of generative artificial agents. This requirement specify whether to delivery network context that is common to a plurality of AI agents and whether to deliver network context that is common to all AI agents or only those agents performing certain tasks, or operating in the same geographical area, etc.

[0123] In some example embodiments, the request transmitted from the network context service consumer 301 may comprise an AI agent identity information. In some example embodiments, the request transmitted from the network context service consumer 301 may indicate a task description of the task performed by the AI agent.

[0124] The request transmitted from the network context service consumer 301 may indicate location information of the AI agent, and / or a service area of the AI agent. For example, the request may indicate the exact location or geographical area of the AI agent, the list of network functions to which the network context should relate, UE groups to which the network context should relate, or the specific network metrics and KPIs to be monitored or related context that is expected to be provided in order to verify AI agent actions.

[0125] The request transmitted from the network context service consumer 301 may indicate reporting preference of network context required by the AI agent. For example, whether the network context service consumer 301 requires a periodic reporting of network context or only report network context triggered by certain changes of the network context.

[0126] The request transmitted from the network context service consumer 301 may indicate a constraint specified by the AI agent. For example, the network context service consumer may specify certain constraints due to memory limitations or scheduled energy saving modes.

[0127] At the side of the network context function 220, it determines, based on the received request from the network context service consumer 301, the availability of the requested network context in a network context repository 260. If the network context requested by the network context service consumer 301 is available in the network context repository 260, the network context function 220 fetch (340) the available network context from the network context repository 260. And from the perspective of the network context repository, the network context repository 260 transmits (335) to the network context function the fetched network context.

[0128] After receiving network context from the network context repository 260, the network context function 220 transmits (345) to the network context service consumer 301 the requested network context based on the configuration information. The network context service consumer 301 receives (350) from the network context function 220 the requested network context.

[0129] If the network context requested by the network context service consumer 301 is not available in the network context repository 260, the network context function 220 transmits (355) a request to the network data producer (s) 240 for fetching data. The network data producer (s) 240 receives (360) a request from the network context function for data fetching.

[0130] If there are data available in the network data producer (s) 240, the network data producer (s) 240 transmits (365) fetched data to the network context function 220. the network context function 220 receives (370) fetched data from the network data producer (s) 240. the network context function 220 generates (375) the requested network context based on raw network data obtained from at least one network data producer (s) 240; and transmits (390) , to the network context service consumer, the generated network context.

[0131] In some example embodiments, the generation of network context may include following processes in order to meet AI agent requirements. The processes may include filtering, which is to drop redundant information that is already captured in previously generated and delivered context. The processes may further include length control, to preempt the last context or traces of last context in aggregated response. The processes may further include transformation, to store root cause analysis or any other analyzed data in abstract form to avoid storing actual context. The processes may further include compression on the network data, as compressed context can be decompressed at AI agent to acquire original context.

[0132] In some example embodiments, the network context may be generated at the network context function 220 following a predetermined context generation policy. The policy may comprise at least one of the following policies:

[0133] The policy may require the network context function 220 to identify what network data are newly generated or has been already captured in previously generated and delivered context and dropping such data in order to avoid redundancy. i.e., if already generated and delivered context of AI agent operating in cell A included the subscription information of UEs (e.g. UE1, UE2, UE3) that were present in cell A at time t-1, whereas the information on their mobility pattern did not change (e.g. static UEs) such context data should not be repeatedly delivered to AI agent in time instance t.

[0134] The policy may specify the amount or range of relevance of the context data collected as per context policy, only allowed amount and range of relevance of collected network data are sent. E. g., the policy may only allow certain amount of network data, or may only prioritize the 80%relevant network data to be sent, 80%may indicate 80%similarity of behavior, or 80%of closest (geographic range) Network Function by distance as per the configured policy.

[0135] The policy may specify the length control requirement –updates on the context in time instance t should include only the delta, e.g. if at time t additional UE4 has entered the coverage area of cell A, or if mobility patter of UE1 changes from static to moving with trajectory T this additional context should be provided to the AI agent.

[0136] The policy may specify the abstraction and transformation of the context, e.g. deriving the root cause of current network problem or abstracting the context to avoid storing actual context such as “cell An overloaded” instead of listing all the UEs that are currently in the coverage area of cell A.

[0137] The policy may require the network context function 220 to use compression techniques to further compress the context data before storing or delivering it to the AI agents.

[0138] The policy may specify that if related to history context offloading, certain length of prioritized context may be sent as per configured context offloading policy.

[0139] The network context function 220 store (380) the generated network context into the network context repository 260 based on the at least one storage policy of network context in the network context repository. The network context repository 260 receives (385) from the network context function 220 network context to be stored in the network context repository 260. The network context function 220 transmits (390) to the network context service consumer 301 the newly generated network context. The network context service consumer 301 receives (395) from the network context function 220 the newly generated network context. The network context from the network context function 220 may be of different types and scopes depending on the request and the different type or scope may be one of the following:

[0140] In some example embodiments, the new generated network context may be raw data on performance measurement, configuration parameters, UE related data such as location, etc. analytics, predictions such on UE mobility patterns, etc. abstracted insights on network status, e.g. information on the network coverage in certain area, availability of certain technology or frequency, possibility of having different uplink / downlink data rates, information on expected network issues such as congestion situations, etc.

[0141] In some example embodiments, the new generated network context may have different granularities or frequency of updates, e.g. provided per second, minute, day, etc. In some example embodiments, the new generated network context may be related to collaboration with other AI agents, e.g. common context information. In some example embodiments, the new generated network context may be adjusted to AI constraints as provided in the request.

[0142] The following description outlines the modelling of the network context repository and network context management service classes. The present disclosure proposes new information models about the Network Context Repository and Network Context Management Service and procedures.

[0143] Some new dataType and Information Object Class (IOC) may be proposed to represent the information elements introduced during the sharing of the network context.

[0144] The relationship of the information elements will be explained below as illustrated as well in FIG. 4.

[0145] FIG. 4 illustrates the relationships of the different information object classes (IOCs) within a network context management system.

[0146] The information element “NetworkContext4Agent” represents the management capability for network context. It may be instantiated by the system or created as per request from a management service producer, e.g., the network context management function 230. The information element “NetworkContext4Agent” may include the following attributes: · An attribute contextCollectionControlInfoList specifies the control information  related when generating a network context. It is a list of ContextGenerationControlInfo. · An attribute contextCollectionControlInfoList specifies the control information  related to collecting the data for the network context generation, e.g., defining priorities and amount / range of relevance level of data to a topic or task, range may indicate time range or geographic range, or a range of network function / network element / network service type. · An attribute contextOffloadingControlInfoList specifies the control information  related to configure the policies for updates and retirement of the network context as part of the Network Context Repository, e.g. related to timeliness of the context, available GenAI agents. It shall be supported when the context offloading is supported. · An attribute networkContextUsageStasticRef point to a context usage reporting  control instance (NetworkContextUsageStastic instance) , which to configure the information to be included in the context usage report. Table 1. Example of information element “NetworkContext4Agent”

[0147] The information element “NetworkContextRepository” represents the repository to store the network context, e.g., the network context repository 260. The instance NetworkContextRepository may be contained by SubNetwork or ManagedElement. It may include the following attributes: · An attribute contextRepositoryControlInfoList specifies the control information of  the network context, e.g., priorities of content to be stored, content amount to be stored. Table 2. Example of information element “NetworkContextRepository”

[0148] The information element ContextGenerationControlInfo <<dataType>>specifies the control information related when generating a network context. It has the following attributes: · An attribute contextType indicates type of the network context, e.g. raw network  data, analytics, abstracted information on network states given in natural language, etc. · An attribute contextScope indicates the scope of the context to be generated. It may  be generic, regardless of GenAI agent specific tasks derived based on GenAI agent location, and it may be specific to GenAI agent characteristics provided as request input to this service, e.g., task description, affected NFs, etc. It may be also either individual context or common to multiple GenAI agents. · An attribute contextScopeApplicableType indicates the scope of control  imformation. It may be common to all network function, network element, or specific to some managed element. · An attribute networkEntityList indicates the specific network element or network  function for which the context generation control information applies. When contextScopeApplicableType is for all network entity, this attribute is not needed. Table 3. Example of “ContextGenerationControlInfo <<dataType>>”

[0149] The information element “ContextRepositoryControlInfo <<dataType>>” represents the configuration properties of a network context repository, e.g., the network context repository 260. It may include the following attributes: · An attribute contexPriority indicates the priority of network context. · An attribute contexMaxAmount indicates the total amount of network context which  may be stored in context Repository. · An attribute contextRotatePolicy indicates the rotate policy for network context  when maximum number of entries stored. It may be a list of enumerations, with values as OVERWRITEOLDESTFIRST; OVERWRITELOWESTPRIORITYFIRST, default is to overwrite the oldest entities. Table 4. Example of “ContextRepositoryControlInfo <<dataType>>”

[0150] The information element “ContextOffloadingControlInfo” represents the specifies the control information related to configure the policies for updates and retirement of the network context as part of the network context repository. It may include the following attributes: · An attribute contexTimeline indicates the timeline of the context for offloading. · An attribute contexMaxAmount indicates the max amount to be stored before  overwritten. · An attribute allowedAgents indicates the available agent for the offloading. Table 5. Example of “ContextOffloadingControlInfo”

[0151] The information element “NetworkContextUsageStastic” represents the policies to perform statistics related to consumption of network context, derivation of statistics. It may include the following attributes: · An attribute stasticsPeriod indicates the period of statistics generated. · An attribute usageStasticsReport indicates the report generated in the time period  indicated by stasticsPeriod. Table 6. Example of “NetworkContextUsageStastic”

[0152] The information element “UsageStasticReport <<dataType>>” represents the report on usage statistics related to consumption of network context, derivation of statistics. It may include the following attributes: · An attribute stasticsPeriod indicates the period of statistics generated. · An attribute stasticsType indicates the type of statistics generated, it may be an  enumeration to indicate it is for high usage or low usage of context generated. · An attribute stasticsThreshold indicates the threshold value, e.g. 10%, 80%. · An attribute contextType indicates type of the network context related to the  statistics generation. · An attribute networkEntityList indicates the specific network element or network  function for which to be included in the report. Table 7. Example of “UsageStasticReport <<dataType>>”

[0153] FIG. 5 illustrates a signaling flow 500 of interactions between a consumer of MnS (Management and Service) context 501 (referred to as a MnS consumer 501) and a producer of MnS for context (referred to as a MnS producer 502) . The MnS consumer 501 may be an example of the network context function 220, and the MnS producer 502 may be an example of the network context management function 230 in FIG. 2.

[0154] At step 510, the MnS consumer 501 initiates a request to create a NetworkContext4Agent instance using a standard creation operation, such as by transmitting a createMOI request. The createMOI request may indicate the attribute of managedObjectClass to be NetworkContext4Agent. Alternatively, the NetworkContext4Agent instance may be installed or provisioned by the system.

[0155] At step 515, the MnS producer 502 receives the request and instantiates the NetworkContext4Agent instance, utilizing the configuration information provided by the MnS consumer 501.

[0156] At step 520, the MnS producer 502 sends a response back to the MnS consumer 501, indicating that the NetworkContext4Agent instance has been successfully created, along with its DistinguishedName (DN) .

[0157] In some example embodiments, the MnS consumer may perform other CRUD (Create, Read, Update, Delete) operations on the context instance, such as getMOIAttributes, modifyMOIAttributes, deleteMOI. This may ensure the full lifecycle management of the instantiated context object.

[0158] According to some further embodiments of the present disclosure, in addition to providing the network context for AI agents, the system may also provide an authorization mechanism to ensure secured network context and network data sharing. The example embodiments related to authentication and authorization in network context management will be described below with reference to a signaling flow 600 in FIG 6 and a signaling flow 700 in FIG. 7.

[0159] The signaling flow 600 and signaling flow 700 involves a network context service consumer 301, a network context function 220, a network context repository 260 and network data producer (s) 240 and a network repository function 250. The network context service consumer 301 may sometimes be referred to as “first apparatus” herein. The network context function 220 may sometimes be referred to as “second apparatus” herein. The network data producer (s) 240 may sometimes be referred to as “fourth apparatus” herein. The network repository function 250 may sometimes be referred as “fifth apparatus” . The network context repository 260 may sometimes be referred to as “sixth apparatus” herein.

[0160] In the signaling flow 600 as illustrated in FIG. 6, a network data producer 240 performs (610) registration of profile information of the network data producer 240 with an NRF 250. The profile information may indicate at least one dataset of network data collected by the network data producer 240, at least one allowed apparatus for a respective one of the at least one dataset, and may further indicate the region from which the dataset is collected. The NRF 250 receives (612) the registration of profile information of at least one network data producer 240, and complete the registration. In some examples, during the registration, the network data producer 240 may indicate the datasets collected by it, the region or Tracking Area Identity (TAI) information from where the data is collected, allowed consumers per dataset (for instance NF Instance ID, NF type, a region of the consumer, Public Land Mobile Network (PLMN) information Slice information etc. ) .

[0161] A network context service consumer 301 transmits (614) , to a network context function 220, a request for network context, the network context being related to an AI agent implemented at the network context service consumer 301, the AI agent being configured to perform a task based on the network context; a network context function 220 receive (616) , from a network context service consumer 301, a request for network context, the network context being related to an AI agent implemented at the network context service consumer 301, the AI agent being configured to perform a task based on the network context; and the network context function 220 receive an access token associated with the network context service consumer 301.

[0162] In some example embodiments, the request for network context may comprise client credential assertion, CCA, of the network context service consumer 301, for authentication and authorization of the network context service consumer 301. In some example embodiments, the request from the network context service consumer 301 wherein the request may comprise a subscription request or a content request for a network context service provided by the network context function 220, the network context service may be configured to provide network context. In some examples, the network context service consumer 301 may send a subscription request or content request for the new nNFContext_Retrieval service, along with its CCA, to a network context function 220.

[0163] At 618, in some example embodiments, the network context function 220 may identify (618) , based on the request for network context, the at least one network data producer and at least one dataset required for generating requested network context. In some examples, the network context function 220 may process the context request and may identify the data producer (s) and their respective datasets required for the context generation.

[0164] In some example embodiments, the network context function 220 may transmit (620) , to a NRF 250, a request for the access token, The NRF 250 receives (622) from a network context function 220, a request for an access token. In some example embodiments, the NRF 250 may be configured to perform authorization for a network context service provided by the network context function 220. In some example embodiments, the request for the access token may indicate at least one of the following: the requested network context, information related to the at least one network data producer, at least one dataset required from the at least one network data producer to generate the requested network context, or an area where the network context service consumer 301 is located.

[0165] In some examples, the network context function 220 may send the access token request on behalf of the network context service consumer 301 may also indicate in the request the context requested for, the data producer information and the exact datasets required from the data producers to generate the context. In order to identify the network context service consumer 301, the network context function 220 may also send the CCA received from the network context service consumer 301 earlier.

[0166] The NRF 250 determine (624) whether the network context service consumer 301 is authorized to access at least one dataset of the at least one network data producer 240 at least based on the profile information and the access token. In some examples, NRF 250 may base upon the information received during registration step, may verify whether network context service consumer 301 is indeed authorized to access the datasets from the corresponding producers or not. In accordance with the determination the network context service consumer 301 is authorized, the NRF 250 may generate an enhanced access token with additional claims and the additional claims may include context identifier information, network context service consumer 301 / NF Identifier (Instance ID, Type, Region, PLMN Info) , Network context function 220 / NFp Identifier (Instance ID, Type, Region, PLMN Info) , DataProducer (s) Identifier {Dataset (s) Identifier} . As an alternate embodiment, it can also be considered to have broader authorization and enable data access request based on region  / area of the network context service consumer 301 which is requesting the same (and not at the granularity of datasets) , in the case granular authorization is not present. In such cases, only the region / TAI of the consumer registered with the NRF 250 (or any other authorization server) may be considered, and the access token claims may also be enhanced accordingly.

[0167] In accordance with a determination that the network context service consumer 301 is authorized to access at least one dataset of the at least one network data producer 240, generate an access token associated with the network context service consumer 301.

[0168] The NRF 250, transmit (626) the generated access token to the network context function 220 from which the request for the access token is received. In some example embodiments, the access token may comprise an enhanced access token with additional information, the additional information may comprise at least one of the following: a network context identifier; an identifier for the network context service consumer 301, an identifier for the network context function 220, or at least one identifier for at least one network data producer for collecting datasets to generate the requested network context.

[0169] In some example embodiments, the network context function 220 may receive (628) an access token associated with the network context service consumer 301 from the NRF 250, an authorization result indicating that the network context service consumer 301 may be authorized to access the requested network context, the authorization result comprising an access token. The received access token from the NRF 250 may comprise CCA, of the network context service consumer 301.

[0170] The network context function 220, in accordance with a determination (630) that the access token is verified, may check that the context identifier / information in indeed included in the access token claims, and that the network context function 220 is added in the target producer claims. In the case of success, the network context function 220 then may initiate the process of context generation The network context function 220 transmits (632) , to at least one network data producer 240, a request for network data and the access token, the at least one network data producer 240 being configured as at least one network data producer to collect network data for generating the requested network context. the network data producer 240 receives (634) , from a network context function 220, a request for network data for generating network context, and an access token associated with a network context service consumer 301 which requests for the network context related to an AI agent implemented at the network context service consumer 301, the AI agent being configured to perform a task based on the network context. In the case of multiple network data producers, the same access token may be reused since all the data producers may be added in the access token claims of the token. In an alternate embodiment it may be envisioned that multiple tokens may be requested, one for each data producer.

[0171] The network data producer 240, in accordance with a determination (636) that the access token is verified, may verify if the access token claims contains that particular data producer and the specific data requested. In the case of generic token, network data producer 240 may verify if the consumer region is belonging to region present in the access token claims.

[0172] In some examples, the consumer CCA may also be enhanced to include the TAI / region of the consumer, and similarly the transport layer security (TLS) profile and / or the CCA signing certificate of the network context consumer 301 may be enhanced to include the region / TAI of that consumer.

[0173] The network data producer 240 the requested network data transmits (638) to the network context function 220. The network context function 220 receives (640) the requested network data from the at least one network data producer 240, and generates (642) the requested network context based on the received network data.

[0174] In some example embodiments, the network context function 220 may generate mapping information (e.g., a mapping table) indicating a mapping between the generated network context and the at least one network data producer from which the network data is collected.

[0175] In some example embodiments, the network context function 220 may stores (644) the generated network data and the mapping information into a network context repository 260 configured to implement a network context repository function. The network context repository 260 may receive (646) the generated network data and the mapping information from a network context function 220.

[0176] The network context function 220 transmits (648) to the network context service consumer 301 the generated network context, along with an access token to the same requested network context in a future request. The network context service consumer 301 receives (650) the generated network contest from the network context function 220, along with an access token to the same requested network context in a future request.

[0177] In some examples, in the case the same consumer or another consumer requests for network context, the network context function 220 may first check if the network context is already present in the network context repository 260 or not. In the case it is present, the network context function 220 may retrieve the network context along with the mapping table stored, and then may verify the access token claims against the mapping table data. In the case of success, the network context function 220 provides the context to the network context consumer.

[0178] In the signaling flow 700 as illustrated in FIG. 7, a network data producer 240 perform (710) registration of profile information of the network data producer 240 with an NRF 250, wherein the profile information indicates at least one dataset of network data collected by a network data producer 240 of the network data producers 240, and at least one allowed apparatus for a respective one of the at least one dataset; an NRF 250, receive (712) registration of profile information of at least one network data producer 240 with a NRF 250, wherein the profile information of a network data producer 240 indicates at least one dataset of network data collected by a network data producer 240 of the network data producers 240, and at least one allowed apparatus for a respective one of the at least one dataset. In some examples, during registration, the network data producer 240 may indicates the datasets collected by it, the region or Tracking Area Identity (TAI) information from where the data is collected, allowed consumers per dataset (for instance NF Instance ID, NF Type, Region of the consumer, Public Land Mobile Network (PLMN) information Slice information etc. ) .

[0179] A network context service consumer 301 transmit (714) , to a network context function 220, a request for network context, the network context being related to an AI agent implemented at the network context service consumer 301, the AI agent being configured to perform a task based on the network context; a network context function 220 receive (716) , from a network context service consumer 301, a request for network context, the network context being related to an AI agent implemented at the network context service consumer 301, the AI agent being configured to perform a task based on the network context; and the network context function 220 receive an access token associated with the network context service consumer 301. In some example embodiments, the request for network context may comprise client credential assertion, CCA, of the network context service consumer 301, for authentication and authorization of the network context service consumer 301. In some example embodiments, the request from the network context service consumer 301 wherein the request may comprise a subscription request or a content request for a network context service provided by the network context function 220, the network context service may be configured to provide network context. In some examples, network context service consumer 301 may send a subscription request or content request for the new nNFContext_Retrieval service, along with its CCA, to a network context function 220.

[0180] At 618, In some example embodiments, the network context function 220 may identify (718) , based on the request for network context, the at least one network data producer and at least one dataset required for generating requested network context. In some examples, the network context function 220 may process the context request and may identify the data producer (s) and their respective datasets required for the context generation.

[0181] In some example embodiments, a network context function (220) may transmit (720) to the network context service consumer 301 information indicating that at least at least one data producer for collecting at least one dataset to generate the requested network context. In some example embodiments, a network context service consumer 301 may receive (720) from the network context function (220) information indicating that at least at least one data producer for collecting at least one dataset to generate the requested network context.

[0182] In some example embodiments, a network context service consumer 301 may transmit (724) to an NRF 250 a request for an access token, the NRF 250 being configured to perform authorization for a network context service provided by the second apparatus. In some example embodiments, a NRF 250 may receive (726) from a network context service consumer 301 the request for the access token and client credential assertion, CCA, of the network context service consumer 301. In some example embodiments, the NRF 250 may be configured to perform authorization for a network context service provided by the network context function 220. And in some example embodiments, the request for the access token may indicate at least one of the following: the requested network context, information related to the at least one network data producer, at least one dataset required from the at least one network data producer to generate the requested network context, or an area where the network context service consumer 301 is located.

[0183] The NRF 250 determines (728) whether the network context service consumer 301 is authorized to access at least one dataset of the at least one network data producer 240 at least based on the profile information and the access token. In some examples, NRF 250 may base upon the information received during registration step, may verify whether network context service consumer 301 is indeed authorized to access the datasets from the corresponding producers or not. In accordance with the determination the network context service consumer 301 is authorized, the NRF 250 may generate an enhanced access token with additional claims and the additional claims may include context identifier information, network context service consumer 301 / NF Identifier (Instance ID, Type, Region, PLMN Info) , network context function 220 / NFp Identifier (Instance ID, Type, Region, PLMN Info) , DataProducer (s) Identifier {Dataset (s) Identifier} . As an alternate embodiment, it can also be considered to have broader authorization and enable data access request based on region  / area of the network context service consumer 301 which is requesting the same (and not at the granularity of datasets) , in the case granular authorization is not present. In such cases, only the region / TAI of the consumer registered with the NRF 250 (or any other authorization server) may be considered, and the access token claims may also be enhanced accordingly.

[0184] In accordance with a determination that the network context service consumer 301 is authorized to access at least one dataset of the at least one network data producer 240, generate an access token associated with the network context service consumer 301.

[0185] The NRF 250, transmit (730) the generated access token to network context service consumer 301 from which the request for the access token is received. In some example embodiments, the access token may comprise an enhanced access token with additional information, the additional information may comprise at least one of the following: a network context identifier; an identifier for the network context service consumer 301, an identifier for the network context function 220, or at least one identifier for at least one network data producer for collecting datasets to generate the requested network context.

[0186] In some example embodiments, the network context service consumer 301 may receive (732) an access token associated with the network context service consumer 301 from the NRF 250, an authorization result indicating that the network context service consumer 301 may be authorized to access the requested network context, the authorization result comprising an access token. The received access token from the NRF 250 may comprise CCA, of the network context service consumer 301.

[0187] In some example embodiments, the network context service consumer 301 may transmit (734) the access token received from an NRF 250 to a network context function 220. In some example embodiments, the network context function may receive (736) the access token received from an NRF 250 from a network context service consumer 301.

[0188] The network context function 220, in accordance with a determination (738) that the access token is verified, may check that the context identifier / information in indeed included in the access token claims, and that the network context function 220 is added in the target producer claims. In the case of success, the network context function 220 then may initiate the process of context generation. The network context function 220 transmits (740) , to at least one network data producer 240, a request for network data and the access token, the at least one network data producer 240 being configured as at least one network data producer to collect network data for generating the requested network context. The network data producer 240 receives (742) , from a network context function 220, a request for network data for generating network context, and an access token associated with a network context service consumer 301 which requests for the network context related to an AI agent implemented at the network context service consumer 301, the AI agent being configured to perform a task based on the network context. In the case of multiple network data producers, the same access token may be reused since all the data producers may be added in the access token claims of the token. In an alternate embodiment it may be envisioned that multiple tokens may be requested, one for each data producer.

[0189] The network data producer 240, in accordance with a determination (744) that the access token is verified, may verify if the access token claims contains that particular data producer and the specific data requested. In the case of generic token, network data producer 240 may verify if the consumer region is belonging to region present in the access token claims.

[0190] In some examples, the consumer CCA may also be enhanced to include the TAI / region of the consumer, and similarly the TLS profile and / or the CCA signing certificate of consumer may be enhanced to include the region / TAI of that consumer.

[0191] A network data producer 240 transmits (746) to the network context function 220, the requested network data. The network context function 220 receives (748) from the at least one network data producer 240, the requested network data.

[0192] The network context function 220 generates (750) the requested network context based on the received network data.

[0193] In some example embodiments, the network context function 220 may generate mapping information indicating a mapping between the generated network context and the at least one network data producer from which the network data is collected.

[0194] In some example embodiments, the network context function 220 may stores (752) the generated network data and the mapping information into a network context repository 260 configured to implement a network context repository function. The network context repository 260 may receive (754) the generated network data and the mapping information from a network context function 220.

[0195] The network context function 220 transmits (756) to the network context service consumer 301 301the generated network context, along with an access token to the same requested network context in a future request. The network context service consumer 301 receives (758) the generated network contest from the network context function 220, along with an access token to the same requested network context in a future request.

[0196] In some examples, in the case the same consumer or another consumer requests for a context, the network context function 220 may first check if the context is already present in the repository or not, in the case it is present, the network context function 220 may retrieve the context along with the mapping table stored, and then may verify the access token claims against the mapping table data. In the case of success, the network context function 220 provides the context to the consumer.

[0197] FIG. 8 shows a flowchart of an example method 800 implemented at a first apparatus in accordance with some example embodiments of the present disclosure. For the purpose of discussion, the method 800 will be described from the perspective of the first apparatus. The first apparatus may be a network context consumer, which may be or may be included in a RAN node 212, a terminal device 214, or an NF in FIG. 2.

[0198] At block 810, the first apparatus receives, from a second apparatus, capability information of the second apparatus, the capability information indicating a capability of the second apparatus in providing network context.

[0199] At block 820, the first apparatus transmits, to the second apparatus, a request for network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at the first apparatus and being configured to perform a task based on the network context, and the request indicating at least a requirement for the requested network context.

[0200] At block 830, the first apparatus receives, from the second apparatus, the requested network context.

[0201] In some example embodiments, the capability information indicates at least one of the following: at least one type of network context to be provided; at least one scope of network context; context related to collaboration of the artificial intelligence agent with at least one further artificial intelligence agent; or timeliness of network context to be provided.

[0202] In some example embodiments, the least one scope of the network context comprises at least one of the following: a first scope of network context based on a geographical area, a second scope of network context based on at least one network function, a third scope of network context tailed to a specific task, or a fourth scope of network context tailed to an agent characteristic.

[0203] In some example embodiments, the request further indicates at least one of the following: an agent identity of the artificial intelligence agent; a task description of the task performed by the artificial intelligence agent; location information of the artificial intelligence agent; a service area of the artificial intelligence agent; reporting preference of network context required by the artificial intelligence agent; a constraint specified by the artificial intelligence agent; or an expectation on retrieving network context common to a plurality of artificial agents.

[0204] In some example embodiments, the requirement for the requested network context indicates at least one of the following: timeliness of network context to be retrieved; an expected abstraction level of network context to be retrieved; or an expected amount and granularity of network context to be retrieved.

[0205] In some example embodiments, the request comprises a registration request or a subscription request for a network context service provided by the second apparatus, the network context service being configured to provide network context.

[0206] In some example embodiments, the first apparatus is or is comprised in a network function in a core network, a radio access network, RAN node, or a terminal device.

[0207] FIG. 9 shows a flowchart of an example method 900 implemented at a second apparatus in accordance with some example embodiments of the present disclosure. For the purpose of discussion, the method 900 will be described from the perspective of the second apparatus. The second apparatus may be or may be included in the network context function 220 in FIG. 2, which may be or may be comprised in a RAN node, a terminal device, or an NF, or an entity in the OAM platform.

[0208] At block 910, the second apparatus receives, from a third apparatus, configuration information related to providing of network context by the second apparatus.

[0209] At block 920, the second apparatus transmits, to a first apparatus, capability information of the second apparatus, the capability information indicating a capability of the second apparatus in providing network context.

[0210] At block 930, the second apparatus receives, from the first apparatus, a request for network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at the first apparatus and being configured to perform a task based on the network context, and the request indicating at least a requirement for the requested network context.

[0211] At block 940, the second apparatus transmits, to the first apparatus, the requested network context based on the configuration information.

[0212] In some example embodiments, the method 900 further comprises: determining, based on the received request, availability of the requested network context in a sixth apparatus configured to implement a network context repository function; in accordance with a determination that the requested network context is available in the network context repository, fetching the requested network context from the sixth apparatus; in accordance with a determination that the requested network context is not available in the sixth apparatus, generating the requested network context based on raw network data obtained from at least one network data producer; and transmitting, to the first apparatus, the fetched or generated network context.

[0213] In some example embodiments, the method 900 further comprises: storing the generated network context into the sixth apparatus based on the at least one storage policy of network context in the sixth apparatus.

[0214] In some example embodiments, the configuration information further indicates at least one of the following beyond the storage policy in claim 9: at least one policy for data collection and processing to generate network context, at least one policy for exposure and delivery of network context, a policy to perform update and retirement of the network context in a sixth apparatus configured to implement a network context repository function, a policy to perform measurement related to consumption of network context, or a policy to perform measurement related to derivation of statistics and exposure of the measurement.

[0215] In some example embodiments, the capability information indicates at least one of the following: at least one type of network context to be provided; at least one scope of network context; context related to collaboration of the artificial intelligence agent with at least one further artificial intelligence agent; or timeliness of network context to be provided.

[0216] In some example embodiments, the least one scope of the network context comprises at least one of the following: a first scope of network context based on a geographical area, a second scope of network context based on at least one network function, a third scope of network context tailed to a specific task, or a fourth scope of network context tailed to an agent characteristic.

[0217] In some example embodiments, the request further indicates at least one of the following: an agent identity of the artificial intelligence agent; a task description of the task performed by the artificial intelligence agent; location information of the artificial intelligence agent; a service area of the artificial intelligence agent; reporting preference of network context required by the artificial intelligence agent; a constraint specified by the artificial intelligence agent; or an expectation on retrieving network context common to a plurality of artificial agents.

[0218] In some example embodiments, the request comprises a registration request or a subscription request for a network context service provided by the second apparatus, the network context service being configured to provide network context.

[0219] FIG. 10 shows a flowchart of an example method 1000 implemented at a third apparatus in accordance with some example embodiments of the present disclosure. For the purpose of discussion, the method 1000 will be described from the perspective of the third apparatus. The third apparatus may be or may be included in the network context management function 230 in FIG. 2, which may be or may be comprised in a RAN node, a terminal device, or an NF, or an entity in an OAM platform.

[0220] At block 1010, the third apparatus transmits, to a second apparatus, configuration information related to providing of network context by the second apparatus, wherein the second apparatus is capable of providing network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at a first apparatus and being configured to perform a task based on the network context.

[0221] In some example embodiments, the configuration information related to providing of network context comprises at least one of the following: at least one policy for data collection and processing to generate network context, at least one storage policy of network context in a network context repository, at least one policy for exposure and delivery of network context, a policy to perform update and retirement of the network context in a sixth apparatus configured to implement a network context repository function, a policy to perform measurement related to consumption of network context, or a policy to perform measurement related to derivation of statistics and exposure of the measurement.

[0222] FIG. 11 shows a flowchart of an example method 1100 implemented at a first apparatus in accordance with some example embodiments of the present disclosure. For the purpose of discussion, the method 1100 will be described from the perspective of the first apparatus 110. The first apparatus may be a network context consumer, which may be or may be included in a RAN node 212, a terminal device 214, or an NF in FIG. 2.

[0223] At block 1110, the first apparatus transmits, to a second apparatus, a request for network context, the network context being related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context.

[0224] At block 1120, the first apparatus receives, from the second apparatus, the requested network context.

[0225] In some example embodiments, the request for network context comprises client credential assertion, CCA, of the first apparatus, for authentication and authorization of the first apparatus.

[0226] In some example embodiments, the request comprises a subscription request or a content request for a network context service provided by the second apparatus, the network context service being configured to provide network context.

[0227] In some example embodiments, the method 1100 further comprises: receiving, from the second apparatus, an access token for the first apparatus to access to the same requested network context in a future request.

[0228] In some example embodiments, the method 1100 further comprises: receiving, from the second apparatus, information indicating at least one data producer for collecting at least one dataset to generate the requested network context; transmitting, to a fifth apparatus, a request for an access token, the fifth apparatus being configured to perform authorization for a network context service provided by the second apparatus; receiving, from the fifth apparatus, an authorization result indicating that the first apparatus is authorized to access the requested network context, the authorization result comprising an access token; and transmitting the received access token to the second apparatus.

[0229] In some example embodiments, the request for the access token indicates at least one of the following: the requested network context, information related to the at least one data producer, at least one dataset required from the at least one data producer to generate the requested network context, or an area where the first apparatus is located.

[0230] In some example embodiments, the request for the access token comprises client credential assertion, CCA, of the first apparatus.

[0231] In some example embodiments, the access token comprises an enhanced access token with additional information, the additional information comprising at least one of the following: a network context identifier; an identifier for the first apparatus, an identifier for the second apparatus, or at least one identifier for at least one network data producer for collecting datasets to generate the requested network context.

[0232] In some example embodiments, the first apparatus is or is comprised in a network function in a core network a radio access network, RAN, node or a terminal device.

[0233] FIG. 12 shows a flowchart of an example method 1200 implemented at a second apparatus in accordance with some example embodiments of the present disclosure. For the purpose of discussion, the method 1200 will be described from the perspective of the second apparatus. The second apparatus may be or may be included in the network context function 220 in FIG. 2, which may be or may be comprised in a RAN node, a terminal device, or an NF, or an entity in an OAM platform.

[0234] At block 1210, the second apparatus receives, from a first apparatus, a request for network context, the network context being related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context.

[0235] At block 1220, the second apparatus receives an access token associated with the first apparatus.

[0236] At block 1230, in accordance with a determination that the access token is verified, the second apparatus transmits to at least one fourth apparatus, a request for network data and the access token, the at least one fourth apparatus being configured as at least one network data producer to collect network data for generating the requested network context.

[0237] At block 1240, the second apparatus receives, from the at least one fourth apparatus, the requested network data.

[0238] At block 1250, the second apparatus generates the requested network context based on the received network data.

[0239] At block 1260, the second apparatus transmits, to the first apparatus, the generated network context.

[0240] In some example embodiments, the request for network context comprises client credential assertion, CCA, information of the first apparatus, for authentication and authorization of the first apparatus.

[0241] In some example embodiments, the method 1200 further comprises: transmitting, to a fifth apparatus, a request for the access token, the fifth apparatus being configured to perform authorization for a network context service provided by the second apparatus; and wherein the receiving an access token associated with the first apparatus comprises receiving, from the fifth apparatus, an authorization result indicating that the first apparatus is authorized to access the requested network context, the authorization result comprising an access token.

[0242] In some example embodiments, the method 1200 further comprises: identifying, based on the request for network context, the at least one network data producer and at least one dataset required for generating requested network context; and transmitting, to the fifth apparatus, a request for the access token indicating at least one of the following: the requested network context, information related to the at least one network data producer, at least one dataset required from the at least one network data producer to generate the requested network context, or an area where the first apparatus is located.

[0243] In some example embodiments, the request for the access token comprises client credential assertion, CCA, of the first apparatus.

[0244] In some example embodiments, the method 1200 further comprises: transmitting, to the first apparatus, the received access token for the first apparatus to access to the same requested network context in a future request.

[0245] In some example embodiments, the method 1200 further comprises: identifying, based on the request for network context, the at least one network data producer; transmitting, to the first apparatus, information indicating the at least one data producer; and receiving the access token from the first apparatus.

[0246] In some example embodiments, the method 1200 further comprises: transmitting, to the at least one fourth apparatus, the request for network data, the access token, and client credential assertion, CCA, of the first apparatus.

[0247] In some example embodiments, the access token comprises an enhanced access token with additional information, the additional information comprising at least one of the following: a network context identifier; an identifier for the first apparatus, an identifier for the second apparatus, or at least one identifier for at least one network data producer for collecting datasets to generate the requested network context.

[0248] In some example embodiments, the method 1200 further comprises: generating mapping information indicating a mapping between the generated network context and the at least one network data producer from which the network data is collected; and storing the generated network data and the mapping information into a sixth apparatus configured to implement a network context repository function.

[0249] FIG. 13 shows a flowchart of an example method 1300 implemented at a fourth apparatus in accordance with some example embodiments of the present disclosure. For the purpose of discussion, the method 1300 will be described from the perspective of the fourth apparatus. The fourth apparatus may be or may be included in the network data producer 240 in FIG. 2, which may be or may be included in an entity at an OAM platform, a network function in the CN, a RAN code, a DCCF, an ADRF, and a NWDAF.

[0250] At block 1310, the fourth apparatus performs registration of profile information of the fourth apparatus with a fifth apparatus, wherein the profile information indicates at least one dataset of network data collected by a network data producer of the fourth apparatus, and at least one allowed apparatus for a respective one of the at least one dataset.

[0251] At block 1320, the fourth apparatus receives, from a second apparatus, a request for network data for generating network context, and an access token associated with a first apparatus which requests for the network context related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context.

[0252] At block 1330, in accordance with a determination that the access token is verified, the fourth apparatus transmits to the second apparatus, the requested network data.

[0253] In some example embodiments, the method 1300 further comprises: receiving, from the second apparatus, the request for network data, the access token, and client credential assertion, CCA, of the first apparatus; and verifying the access token further based on the CCA.

[0254] FIG. 14 shows a flowchart of an example method 1400 implemented at a fifth apparatus in accordance with some example embodiments of the present disclosure. For the purpose of discussion, the method 1400 will be described from the perspective of the fifth apparatus. The fifth apparatus may be or may be included in the NRF 250 in FIG. 2, which may be or may be comprised in a RAN node, an NF, or an entity in an OAM platform.

[0255] At block 1410, the fifth apparatus receives registration of profile information of at least one fourth apparatus with a fifth apparatus, wherein the profile information of a fourth apparatus indicates at least one dataset of network data collected by a network data producer of the fourth apparatus, and at least one allowed apparatus for a respective one of the at least one dataset.

[0256] At block 1420, the fifth apparatus receives, from a first apparatus or a second apparatus, a request for an access token.

[0257] At block 1430, the fifth apparatus determines whether the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus at least based on the profile information.

[0258] At block 1440, in accordance with a determination that the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus, the fifth apparatus generates an access token associated with the first apparatus.

[0259] At block 1450, the fifth apparatus transmits the generated access token to the first apparatus or the second apparatus from which the request for the access token is received.

[0260] In some example embodiments, the request for the access token indicates at least one of the following: network context requested by the first apparatus, information related to at least one data producer provided by the at least one fourth apparatus, at least one dataset required from the at least one data producer to generate the requested network context, or an area where the first apparatus is located.

[0261] In some example embodiments, the method 1400 further comprises: determining whether the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus at least based on the profile information and the request for the access token.

[0262] In some example embodiments, the method 1400 further comprises: receiving, from the first apparatus or the second apparatus, the request for the access token and client credential assertion, CCA, of the first apparatus; and wherein the fifth apparatus is caused to determine whether the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus further based on the CCA of the first apparatus.

[0263] In some example embodiments, the access token comprises an enhanced access token with additional information, the additional information comprising at least one of the following: a network context identifier; an identifier for the first apparatus, an identifier for the second apparatus, or at least one identifier for at least one network data producer for collecting datasets to generate the requested network context. (The method claims, apparatus claims with means-plus-function limitations, and medium claims will be drafted later after approval of the above apparatus claims. )

[0264] In some example embodiments, a first apparatus capable of performing any of the method 800 (for example, the network context consumer 301) may comprise means for performing the respective operations of the method 800. The means may be implemented in any suitable form. For example, the means may be implemented in a circuitry or software module. The first apparatus may be implemented as or included in the network context consumer 301 in FIG. 3, which may be or may be included in a RAN node 212, a terminal device 214, or an NF in FIG. 2.

[0265] In some example embodiments, the first apparatus comprises means for receiving, from a second apparatus, capability information of the second apparatus, the capability information indicating a capability of the second apparatus in providing network context; means for transmitting, to the second apparatus, a request for network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at the first apparatus and being configured to perform a task based on the network context, and the request indicating at least a requirement for the requested network context; and means for receiving, from the second apparatus, the requested network context.

[0266] In some example embodiments, the capability information indicates at least one of the following: at least one type of network context to be provided; at least one scope of network context; context related to collaboration of the artificial intelligence agent with at least one further artificial intelligence agent; or timeliness of network context to be provided.

[0267] In some example embodiments, the least one scope of the network context comprises at least one of the following: a first scope of network context based on a geographical area, a second scope of network context based on at least one network function, a third scope of network context tailed to a specific task, or a fourth scope of network context tailed to an agent characteristic.

[0268] In some example embodiments, the request further indicates at least one of the following: an agent identity of the artificial intelligence agent; a task description of the task performed by the artificial intelligence agent; location information of the artificial intelligence agent; a service area of the artificial intelligence agent; reporting preference of network context required by the artificial intelligence agent; a constraint specified by the artificial intelligence agent; or an expectation on retrieving network context common to a plurality of artificial agents.

[0269] In some example embodiments, the requirement for the requested network context indicates at least one of the following: timeliness of network context to be retrieved; an expected abstraction level of network context to be retrieved; or an expected amount and granularity of network context to be retrieved.

[0270] In some example embodiments, the request comprises a registration request or a subscription request for a network context service provided by the second apparatus, the network context service being configured to provide network context.

[0271] In some example embodiments, the first apparatus is or is comprised in a network function in a core network, a radio access network, RAN node, or a terminal device.

[0272] In some example embodiments, a second apparatus capable of performing any of the method 900 (for example, the network context function 220 in FIG. 2) may comprise means for performing the respective operations of the method 900. The means may be implemented in any suitable form. For example, the means may be implemented in a circuitry or software module. The second apparatus may be implemented as or included in a RAN node, a terminal device, or an NF, or an entity in an OAM platform.

[0273] In some example embodiments, the second apparatus comprises means for receiving, from a third apparatus, configuration information related to providing of network context by the second apparatus; means for transmitting, to a first apparatus, capability information of the second apparatus, the capability information indicating a capability of the second apparatus in providing network context; means for receiving, from the first apparatus, a request for network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at the first apparatus and being configured to perform a task based on the network context, and the request indicating at least a requirement for the requested network context; and means for transmitting, to the first apparatus, the requested network context based on the configuration information.

[0274] In some example embodiments, the second apparatus further comprises: means for determining, based on the received request, availability of the requested network context in a sixth apparatus configured to implement a network context repository function; means for in accordance with a determination that the requested network context is available in the network context repository, fetching the requested network context from the sixth apparatus; means for, in accordance with a determination that the requested network context is not available in the sixth apparatus, generating the requested network context based on raw network data obtained from at least one network data producer; and means for transmitting, to the first apparatus, the fetched or generated network context.

[0275] In some example embodiments, the second apparatus further comprises: means for storing the generated network context into the sixth apparatus based on the at least one storage policy of network context in the sixth apparatus.

[0276] In some example embodiments, the configuration information further indicates at least one of the following beyond the storage policy in claim 9: at least one policy for data collection and processing to generate network context, at least one policy for exposure and delivery of network context, a policy to perform update and retirement of the network context in a sixth apparatus configured to implement a network context repository function, a policy to perform measurement related to consumption of network context, or a policy to perform measurement related to derivation of statistics and exposure of the measurement.

[0277] In some example embodiments, the capability information indicates at least one of the following: at least one type of network context to be provided; at least one scope of network context; context related to collaboration of the artificial intelligence agent with at least one further artificial intelligence agent; or timeliness of network context to be provided.

[0278] In some example embodiments, the least one scope of the network context comprises at least one of the following: a first scope of network context based on a geographical area, a second scope of network context based on at least one network function, a third scope of network context tailed to a specific task, or a fourth scope of network context tailed to an agent characteristic.

[0279] In some example embodiments, the request further indicates at least one of the following: an agent identity of the artificial intelligence agent; a task description of the task performed by the artificial intelligence agent; location information of the artificial intelligence agent; a service area of the artificial intelligence agent; reporting preference of network context required by the artificial intelligence agent; a constraint specified by the artificial intelligence agent; or an expectation on retrieving network context common to a plurality of artificial agents.

[0280] In some example embodiments, the request comprises a registration request or a subscription request for a network context service provided by the second apparatus, the network context service being configured to provide network context.

[0281] In some example embodiments, a third apparatus capable of performing any of the method 1000 (for example, the network context management function 230 in FIG. 2) may comprise means for performing the respective operations of the method 1000. The means may be implemented in any suitable form. For example, the means may be implemented in a circuitry or software module. The third apparatus may be implemented as or included a RAN node, a terminal device, or an NF, or an entity in an OAM platform.

[0282] In some example embodiments, the third apparatus comprises means for transmitting, to a second apparatus, configuration information related to providing of network context by the second apparatus, wherein the second apparatus is capable of providing network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at a first apparatus and being configured to perform a task based on the network context.

[0283] In some example embodiments, the configuration information related to providing of network context comprises at least one of the following: at least one policy for data collection and processing to generate network context, at least one storage policy of network context in a network context repository, at least one policy for exposure and delivery of network context, a policy to perform update and retirement of the network context in a sixth apparatus configured to implement a network context repository function, a policy to perform measurement related to consumption of network context, or a policy to perform measurement related to derivation of statistics and exposure of the measurement.

[0284] In some example embodiments, a first apparatus capable of performing any of the method 1100 (for example, the network context consumer 301) may comprise means for performing the respective operations of the method 1100. The means may be implemented in any suitable form. For example, the means may be implemented in a circuitry or software module. The first apparatus may be implemented as or included a RAN node 212, a terminal device 214, or an NF in FIG. 2.

[0285] In some example embodiments, the first apparatus comprises means for transmitting, to a second apparatus, a request for network context, the network context being related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context; and means for receiving, from the second apparatus, the requested network context.

[0286] In some example embodiments, the request for network context comprises client credential assertion, CCA, of the first apparatus, for authentication and authorization of the first apparatus.

[0287] In some example embodiments, the request comprises a subscription request or a content request for a network context service provided by the second apparatus, the network context service being configured to provide network context.

[0288] In some example embodiments, the first apparatus further comprises: means for receiving, from the second apparatus, an access token for the first apparatus to access to the same requested network context in a future request.

[0289] In some example embodiments, the first apparatus further comprises: means for receiving, from the second apparatus, information indicating at least one data producer for collecting at least one dataset to generate the requested network context; means for transmitting, to a fifth apparatus, a request for an access token, the fifth apparatus being configured to perform authorization for a network context service provided by the second apparatus; means for receiving, from the fifth apparatus, an authorization result indicating that the first apparatus is authorized to access the requested network context, the authorization result comprising an access token; and means for transmitting the received access token to the second apparatus.

[0290] In some example embodiments, the request for the access token indicates at least one of the following: the requested network context, information related to the at least one data producer, at least one dataset required from the at least one data producer to generate the requested network context, or an area where the first apparatus is located.

[0291] In some example embodiments, the request for the access token comprises client credential assertion, CCA, of the first apparatus.

[0292] In some example embodiments, the access token comprises an enhanced access token with additional information, the additional information comprising at least one of the following: a network context identifier; an identifier for the first apparatus, an identifier for the second apparatus, or at least one identifier for at least one network data producer for collecting datasets to generate the requested network context.

[0293] In some example embodiments, the first apparatus is or is comprised in a network function in a core network a radio access network, RAN, node or a terminal device.

[0294] In some example embodiments, a second apparatus capable of performing any of the method 1200 (for example, the network context function 220 in FIG. 2) may comprise means for performing the respective operations of the method 1200. The means may be implemented in any suitable form. For example, the means may be implemented in a circuitry or software module. The second apparatus may be implemented as or included in a RAN node, a terminal device, or an NF, or an entity in an OAM platform.

[0295] In some example embodiments, the second apparatus comprises means for receiving, from a first apparatus, a request for network context, the network context being related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context; means for receiving an access token associated with the first apparatus; means for in accordance with a determination that the access token is verified, transmitting to at least one fourth apparatus, a request for network data and the access token, the at least one fourth apparatus being configured as at least one network data producer to collect network data for generating the requested network context; means for receiving, from the at least one fourth apparatus, the requested network data; means for generating the requested network context based on the received network data; and means for transmitting, to the first apparatus, the generated network context.

[0296] In some example embodiments, the request for network context comprises client credential assertion, CCA, information of the first apparatus, for authentication and authorization of the first apparatus.

[0297] In some example embodiments, the second apparatus further comprises: means for transmitting, to a fifth apparatus, a request for the access token, the fifth apparatus being configured to perform authorization for a network context service provided by the second apparatus; and wherein the receiving an access token associated with the first apparatus comprises receiving, from the fifth apparatus, an authorization result indicating that the first apparatus is authorized to access the requested network context, the authorization result comprising an access token.

[0298] In some example embodiments, the second apparatus further comprises: means for identifying, based on the request for network context, the at least one network data producer and at least one dataset required for generating requested network context; and means for transmitting, to the fifth apparatus, a request for the access token indicating at least one of the following: means for the requested network context, means for information related to the at least one network data producer, at least one dataset required from the at least one network data producer to generate the requested network context, or means for an area where the first apparatus is located.

[0299] In some example embodiments, the request for the access token comprises client credential assertion, CCA, of the first apparatus.

[0300] In some example embodiments, the second apparatus further comprises: means for transmitting, to the first apparatus, the received access token for the first apparatus to access to the same requested network context in a future request.

[0301] In some example embodiments, the second apparatus further comprises: means for identifying, based on the request for network context, the at least one network data producer; means for transmitting, to the first apparatus, information indicating the at least one data producer; and means for receiving the access token from the first apparatus.

[0302] In some example embodiments, the second apparatus further comprises: means for transmitting, to the at least one fourth apparatus, the request for network data, the access token, and client credential assertion, CCA, of the first apparatus.

[0303] In some example embodiments, the access token comprises an enhanced access token with additional information, the additional information comprising at least one of the following: a network context identifier; an identifier for the first apparatus, an identifier for the second apparatus, or at least one identifier for at least one network data producer for collecting datasets to generate the requested network context.

[0304] In some example embodiments, the second apparatus further comprises: means for generating mapping information indicating a mapping between the generated network context and the at least one network data producer from which the network data is collected; and means for storing the generated network data and the mapping information into a sixth apparatus configured to implement a network context repository function.

[0305] In some example embodiments, a fourth apparatus capable of performing any of the method 1300 (for example, the network data producer 240 in FIG. 2) may comprise means for performing the respective operations of the method 1300. The means may be implemented in any suitable form. For example, the means may be implemented in a circuitry or software module. The fourth apparatus may be implemented as or included in an entity at an OAM platform, a network function in the CN, a RAN code, a DCCF, an ADRF, and a NWDAF.

[0306] In some example embodiments, the fourth apparatus comprises means for performing registration of profile information of the fourth apparatus with a fifth apparatus, wherein the profile information indicates at least one dataset of network data collected by a network data producer of the fourth apparatus, and at least one allowed apparatus for a respective one of the at least one dataset; means for receiving, from a second apparatus, a request for network data for generating network context, and an access token associated with a first apparatus which requests for the network context related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context; and means for in accordance with a determination that the access token is verified, transmitting to the second apparatus, the requested network data.

[0307] In some example embodiments, the fourth apparatus further comprises: means for receiving, from the second apparatus, the request for network data, the access token, and client credential assertion, CCA, of the first apparatus; and means for verifying the access token further based on the CCA.

[0308] In some example embodiments, a fifth apparatus capable of performing any of the method 1400 (for example, in the NRF 250 in FIG. 2) may comprise means for performing the respective operations of the method 1400. The means may be implemented in any suitable form. For example, the means may be implemented in a circuitry or software module. The fifth apparatus may be implemented as or included in a RAN node, an NF, or an entity in an OAM platform.

[0309] In some example embodiments, the fifth apparatus comprises means for receiving registration of profile information of at least one fourth apparatus with a fifth apparatus, wherein the profile information of a fourth apparatus indicates at least one dataset of network data collected by a network data producer of the fourth apparatus, and at least one allowed apparatus for a respective one of the at least one dataset; means for receiving, from a first apparatus or a second apparatus, a request for an access token; means for determining whether the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus at least based on the profile information; means for in accordance with a determination that the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus, generating an access token associated with the first apparatus; and means for transmitting the generated access token to the first apparatus or the second apparatus from which the request for the access token is received.

[0310] In some example embodiments, the request for the access token indicates at least one of the following: network context requested by the first apparatus, information related to at least one data producer provided by the at least one fourth apparatus, at least one dataset required from the at least one data producer to generate the requested network context, or an area where the first apparatus is located.

[0311] In some example embodiments, the fifth apparatus further comprises: means for determining whether the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus at least based on the profile information and the request for the access token.

[0312] In some example embodiments, the fifth apparatus further comprises: means for receiving, from the first apparatus or the second apparatus, the request for the access token and client credential assertion, CCA, of the first apparatus; and wherein the fifth apparatus is caused to determine whether the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus further based on the CCA of the first apparatus.

[0313] In some example embodiments, the access token comprises an enhanced access token with additional information, the additional information comprising at least one of the following: a network context identifier; an identifier for the first apparatus, an identifier for the second apparatus, or at least one identifier for at least one network data producer for collecting datasets to generate the requested network context. (The method claims, apparatus claims with means-plus-function limitations, and medium claims will be drafted later after approval of the above apparatus claims. )

[0314] FIG. 15 is a simplified block diagram of a device 1500 that is suitable for implementing example embodiments of the present disclosure. The device 1500 may be provided to implement a communication device, for example, a network context consumer, or the network context function 220, the network context management function 230, the network data producer 240, the NRF 250, or the network context repository 260 as shown in FIG. 2. As shown, the device 1500 includes one or more processors 1510, one or more memories 1520 coupled to the processor 1510, and one or more communication modules 1540 coupled to the processor 1510.

[0315] The communication module 1540 is for bidirectional communications. The communication module 1540 has one or more communication interfaces to facilitate communication with one or more other modules or devices. The communication interfaces may represent any interface that is necessary for communication with other network elements. In some example embodiments, the communication module 1540 may include at least one antenna.

[0316] The processor 1510 may be of any type suitable to the local technical network and may include one or more of the following: general purpose computers, special purpose computers, microprocessors, digital signal processors (DSPs) and processors based on multicore processor architecture, as non-limiting examples. The device 1500 may have multiple processors, such as an application specific integrated circuit chip that is slaved in time to a clock which synchronizes the main processor.

[0317] The memory 1520 may include one or more non-volatile memories and one or more volatile memories. Examples of the non-volatile memories include, but are not limited to, a Read Only Memory (ROM) 1524, an electrically programmable read only memory (EPROM) , a flash memory, a hard disk, a compact disc (CD) , a digital video disk (DVD) , an optical disk, a laser disk, and other magnetic storage and / or optical storage. Examples of the volatile memories include, but are not limited to, a random-access memory (RAM) 1522 and other volatile memories that will not last in the power-down duration.

[0318] A computer program 1530 includes computer executable instructions that are executed by the associated processor 1510. The instructions of the program 1530 may include instructions for performing operations / acts of some example embodiments of the present disclosure. The program 1530 may be stored in the memory, e.g., the ROM 1524. The processor 1510 may perform any suitable actions and processing by loading the program 1530 into the RAM 1522.

[0319] The example embodiments of the present disclosure may be implemented by means of the program 1530 so that the device 1500 may perform any process of the disclosure as discussed with reference to FIG. 2 to FIG. 14. The example embodiments of the present disclosure may also be implemented by hardware or by a combination of software and hardware.

[0320] In some example embodiments, the program 1530 may be tangibly contained in a computer readable medium which may be included in the device 1500 (such as in the memory 1520) or other storage devices that are accessible by the device 1500. The device 1500 may load the program 1530 from the computer readable medium to the RAM 1522 for execution. In some example embodiments, the computer readable medium may include any types of non-transitory storage medium, such as ROM, EPROM, a flash memory, a hard disk, CD, DVD, and the like. The term “non-transitory, ” as used herein, is a limitation of the medium itself (i.e., tangible, not a signal) as opposed to a limitation on data storage persistency (e.g., RAM vs. ROM) .

[0321] FIG. 16 shows an example of the computer readable medium 1600 which may be in form of CD, DVD or other optical storage disk. The computer readable medium 1600 has the program 1530 stored thereon.

[0322] Generally, various embodiments of the present disclosure may be implemented in hardware or special purpose circuits, software, logic or any combination thereof. Some aspects may be implemented in hardware, and other aspects may be implemented in firmware or software which may be executed by a controller, microprocessor or other computing device. Although various aspects of embodiments of the present disclosure are illustrated and described as block diagrams, flowcharts, or using some other pictorial representations, it is to be understood that the block, apparatus, system, technique or method described herein may be implemented in, as non-limiting examples, hardware, software, firmware, special purpose circuits or logic, general purpose hardware or controller or other computing devices, or some combination thereof.

[0323] Some example embodiments of the present disclosure also provide at least one computer program product tangibly stored on a computer readable medium, such as a non-transitory computer readable medium. The computer program product includes computer-executable instructions, such as those included in program modules, being executed in a device on a target physical or virtual processor, to carry out any of the methods as described above. Generally, program modules include routines, programs, libraries, objects, classes, components, data structures, or the like that perform particular tasks or implement particular abstract data types. The functionality of the program modules may be combined or split between program modules as desired in various embodiments. Machine-executable instructions for program modules may be executed within a local or distributed device. In a distributed device, program modules may be located in both local and remote storage media.

[0324] Program code for carrying out methods of the present disclosure may be written in any combination of one or more programming languages. The program code may be provided to a processor or controller of a general-purpose computer, special purpose computer, or other programmable data processing apparatus, such that the program code, when executed by the processor or controller, cause the functions / operations specified in the flowcharts and / or block diagrams to be implemented. The program code may execute entirely on a machine, partly on the machine, as a stand-alone software package, partly on the machine and partly on a remote machine or entirely on the remote machine or server.

[0325] In the context of the present disclosure, the computer program code or related data may be carried by any suitable carrier to enable the device, apparatus or processor to perform various processes and operations as described above. Examples of the carrier include a signal, computer readable medium, and the like.

[0326] The computer readable medium may be a computer readable signal medium or a computer readable storage medium. A computer readable medium may include but not limited to an electronic, magnetic, optical, electromagnetic, infrared, or semiconductor system, apparatus, or device, or any suitable combination of the foregoing. More specific examples of the computer readable storage medium would include an electrical connection having one or more wires, a portable computer diskette, a hard disk, a random-access memory (RAM) , a read-only memory (ROM) , an erasable programmable read-only memory (EPROM or Flash memory) , an optical fiber, a portable compact disc read-only memory (CD-ROM) , an optical storage device, a magnetic storage device, or any suitable combination of the foregoing.

[0327] Further, although operations are depicted in a particular order, this should not be understood as requiring that such operations be performed in the particular order shown or in sequential order, or that all illustrated operations be performed, to achieve desirable results. In certain circumstances, multitasking and parallel processing may be advantageous. Likewise, although several specific implementation details are contained in the above discussions, these should not be construed as limitations on the scope of the present disclosure, but rather as descriptions of features that may be specific to particular embodiments. Unless explicitly stated, certain features that are described in the context of separate embodiments may also be implemented in combination in a single embodiment. Conversely, unless explicitly stated, various features that are described in the context of a single embodiment may also be implemented in a plurality of embodiments separately or in any suitable sub-combination.

[0328] Although the present disclosure has been described in languages specific to structural features and / or methodological acts, it is to be understood that the present disclosure defined in the appended claims is not necessarily limited to the specific features or acts described above. Rather, the specific features and acts described above are disclosed as example forms of implementing the claims.

Claims

A first apparatus comprising:at least one processor; andat least one memory storing instructions that, when executed by the at least one processor, cause the first apparatus at least to:receive, from a second apparatus, capability information of the second apparatus, the capability information indicating a capability of the second apparatus in providing network context;transmit, to the second apparatus, a request for network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at the first apparatus and being configured to perform a task based on the network context, and the request indicating at least a requirement for the requested network context; andreceive, from the second apparatus, the requested network context.The first apparatus of claim 1, wherein the capability information indicates at least one of the following:at least one type of network context to be provided;at least one scope of network context;context related to collaboration of the artificial intelligence agent with at least one further artificial intelligence agent; ortimeliness of network context to be provided.The first apparatus of claim 2, wherein the least one scope of the network context comprises at least one of the following:a first scope of network context based on a geographical area,a second scope of network context based on at least one network function,a third scope of network context tailed to a specific task, ora fourth scope of network context tailed to an agent characteristic.The first apparatus of any claims 1 to 3, wherein the request further indicates at least one of the following:an agent identity of the artificial intelligence agent;a task description of the task performed by the artificial intelligence agent;location information of the artificial intelligence agent;a service area of the artificial intelligence agent;reporting preference of network context required by the artificial intelligence agent;a constraint specified by the artificial intelligence agent; oran expectation on retrieving network context common to a plurality of artificial agents.The first apparatus of any of claims 1 to 4, wherein the requirement for the requested network context indicates at least one of the following:timeliness of network context to be retrieved;an expected abstraction level of network context to be retrieved; oran expected amount and granularity of network context to be retrieved.The first apparatus of any of claims 1 to 5, wherein the request comprises a registration request or a subscription request for a network context service provided by the second apparatus, the network context service being configured to provide network context.The first apparatus of any of claims 1 to 6, wherein the first apparatus is or is comprised in a network function in a core network, a radio access network, RAN node, or a terminal device.A second apparatus comprising:at least one processor; andat least one memory storing instructions that, when executed by the at least one processor, cause the second apparatus at least to:receive, from a third apparatus, configuration information related to providing of network context by the second apparatus;transmit, to a first apparatus, capability information of the second apparatus, the capability information indicating a capability of the second apparatus in providing network context;receive, from the first apparatus, a request for network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at the first apparatus and being configured to perform a task based on the network context, and the request indicating at least a requirement for the requested network context; andtransmit, to the first apparatus, the requested network context based on the configuration information.The second apparatus of claim 8, wherein the second apparatus is caused to:determine, based on the received request, availability of the requested network context in a sixth apparatus configured to implement a network context repository function;in accordance with a determination that the requested network context is available in the network context repository, fetch the requested network context from the sixth apparatus;in accordance with a determination that the requested network context is not available in the sixth apparatus, generate the requested network context based on raw network data obtained from at least one network data producer; andtransmit, to the first apparatus, the fetched or generated network context.The second apparatus of claim 9, wherein the configuration information indicates at least one storage policy of network context in the sixth apparatus, and wherein the second apparatus is further caused to:store the generated network context into the sixth apparatus based on the at least one storage policy of network context in the sixth apparatus.The second apparatus of any of claims 8 to 10, wherein the configuration information further indicates at least one of the following beyond the storage policy in claim 9:at least one policy for data collection and processing to generate network context,at least one policy for exposure and delivery of network context,a policy to perform update and retirement of the network context in a sixth apparatus configured to implement a network context repository function,a policy to perform measurement related to consumption of network context, ora policy to perform measurement related to derivation of statistics and exposure of the measurement.The second apparatus of any of claims 8 to 11, wherein the capability information indicates at least one of the following:at least one type of network context to be provided;at least one scope of network context;context related to collaboration of the artificial intelligence agent with at least one further artificial intelligence agent; ortimeliness of network context to be provided.The second apparatus of claim 12, wherein the least one scope of the network context comprises at least one of the following: a first scope of network context based on a geographical area, a second scope of network context based on at least one network function, a third scope of network context tailed to a specific task, or a fourth scope of network context tailed to an agent characteristic.The second apparatus of any of claims 8 to 12, wherein the request further indicates at least one of the following:an agent identity of the artificial intelligence agent;a task description of the task performed by the artificial intelligence agent;location information of the artificial intelligence agent;a service area of the artificial intelligence agent;reporting preference of network context required by the artificial intelligence agent;a constraint specified by the artificial intelligence agent; oran expectation on retrieving network context common to a plurality of artificial agents.The second apparatus of any of claims 9 to 14, wherein the request comprises a registration request or a subscription request for a network context service provided by the second apparatus, the network context service being configured to provide network context.A third apparatus comprising:at least one processor; andat least one memory storing instructions that, when executed by the at least one processor, cause the third apparatus at least to:transmit, to a second apparatus, configuration information related to providing of network context by the second apparatus, wherein the second apparatus is capable of providing network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at a first apparatus and being configured to perform a task based on the network context.The third apparatus of claim 16, wherein the configuration information related to providing of network context comprises at least one of the following:at least one policy for data collection and processing to generate network context,at least one storage policy of network context in a network context repository,at least one policy for exposure and delivery of network context,a policy to perform update and retirement of the network context in a sixth apparatus configured to implement a network context repository function,a policy to perform measurement related to consumption of network context, ora policy to perform measurement related to derivation of statistics and exposure of the measurement.A first apparatus comprising:at least one processor; andat least one memory storing instructions that, when executed by the at least one processor, cause the first apparatus at least to:transmit, to a second apparatus, a request for network context, the network context being related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context; andreceive, from the second apparatus, the requested network context.The first apparatus of claim 18, wherein the request for network context comprises client credential assertion, CCA, of the first apparatus, for authentication and authorization of the first apparatus.The first apparatus of claim 18 or 20, wherein the request comprises a subscription request or a content request for a network context service provided by the second apparatus, the network context service being configured to provide network context.The first apparatus of any of claims 18 or 20, wherein the first apparatus is further caused to:receive, from the second apparatus, an access token for the first apparatus to access to the same requested network context in a future request.The first apparatus of claim 18 or 21, wherein the first apparatus is further caused to:receive, from the second apparatus, information indicating at least one data producer for collecting at least one dataset to generate the requested network context;transmit, to a fifth apparatus, a request for an access token, the fifth apparatus being configured to perform authorization for a network context service provided by the second apparatus;receive, from the fifth apparatus, an authorization result indicating that the first apparatus is authorized to access the requested network context, the authorization result comprising an access token; andtransmit the received access token to the second apparatus.The first apparatus of claim 22, wherein the request for the access token indicates at least one of the following:the requested network context,information related to the at least one data producer,at least one dataset required from the at least one data producer to generate the requested network context, oran area where the first apparatus is located.The first apparatus of claim 22 or 24, wherein the request for the access token comprises client credential assertion, CCA, of the first apparatus.The first apparatus of any of claims 22 to 24, wherein the access token comprises an enhanced access token with additional information, the additional information comprising at least one of the following:a network context identifier;an identifier for the first apparatus,an identifier for the second apparatus, orat least one identifier for at least one network data producer for collecting datasets to generate the requested network context.The first apparatus of any of claims 18 to 25, wherein the first apparatus is or is comprised in a network function in a core network a radio access network, RAN, node or a terminal device.A second apparatus comprising:at least one processor; andat least one memory storing instructions that, when executed by the at least one processor, cause the second apparatus at least to:receive, from a first apparatus, a request for network context, the network context being related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context;receive an access token associated with the first apparatus;in accordance with a determination that the access token is verified, transmit, to at least one fourth apparatus, a request for network data and the access token, the at least one fourth apparatus being configured as at least one network data producer to collect network data for generating the requested network context;receive, from the at least one fourth apparatus, the requested network data;generate the requested network context based on the received network data; andtransmit, to the first apparatus, the generated network context.The second apparatus of claim 27, wherein the request for network context comprises client credential assertion, CCA, information of the first apparatus, for authentication and authorization of the first apparatus.The second apparatus of claim 27, wherein the second apparatus is further caused to:transmit, to a fifth apparatus, a request for the access token, the fifth apparatus being configured to perform authorization for a network context service provided by the second apparatus; andwherein the receiving an access token associated with the first apparatus comprises receiving, from the fifth apparatus, an authorization result indicating that the first apparatus is authorized to access the requested network context, the authorization result comprising an access token.The second apparatus of claim 29, wherein the second apparatus is caused to:identify, based on the request for network context, the at least one network data producer and at least one dataset required for generating requested network context; andtransmit, to the fifth apparatus, a request for the access token indicating at least one of the following:the requested network context,information related to the at least one network data producer,at least one dataset required from the at least one network data producer to generate the requested network context, oran area where the first apparatus is located.The second apparatus of claim 30, wherein the request for the access token comprises client credential assertion, CCA, of the first apparatus.The second apparatus of claim 30 or 31, wherein the second apparatus is further caused to:transmit, to the first apparatus, the received access token for the first apparatus to access to the same requested network context in a future request.The second apparatus of claim 29 wherein the second apparatus is further caused to:identify, based on the request for network context, the at least one network data producer;transmit, to the first apparatus, information indicating the at least one data producer; andreceive the access token from the first apparatus.The second apparatus of any of claims 27 to 33, wherein the second apparatus is caused to:transmit, to the at least one fourth apparatus, the request for network data, the access token, and client credential assertion, CCA, of the first apparatus.The second apparatus of any of claims 27 to 34, wherein the access token comprises an enhanced access token with additional information, the additional information comprising at least one of the following:a network context identifier;an identifier for the first apparatus,an identifier for the second apparatus, orat least one identifier for at least one network data producer for collecting datasets to generate the requested network context.The second apparatus of any of claims 27 to 35, wherein the second apparatus is caused to:generate mapping information indicating a mapping between the generated network context and the at least one network data producer from which the network data is collected; andstore the generated network data and the mapping information into a sixth apparatus configured to implement a network context repository function.A fourth apparatus comprising:at least one processor; andat least one memory storing instructions that, when executed by the at least one processor, cause the fourth apparatus at least to:perform registration of profile information of the fourth apparatus with a fifth apparatus, wherein the profile information indicates at least one dataset of network data collected by a network data producer of the fourth apparatus, and at least one allowed apparatus for a respective one of the at least one dataset;receive, from a second apparatus, a request for network data for generating network context, and an access token associated with a first apparatus which requests for the network context related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context; andin accordance with a determination that the access token is verified, transmit, to the second apparatus, the requested network data.The fourth apparatus of claim 37, wherein the fourth apparatus is caused to:receive, from the second apparatus, the request for network data, the access token, and client credential assertion, CCA, of the first apparatus; andverify the access token further based on the CCA.A fifth apparatus comprising:at least one processor; andat least one memory storing instructions that, when executed by the at least one processor, cause the third apparatus at least to:receive registration of profile information of at least one fourth apparatus with a fifth apparatus, wherein the profile information of a fourth apparatus indicates at least one dataset of network data collected by a network data producer of the fourth apparatus, and at least one allowed apparatus for a respective one of the at least one dataset;receive, from a first apparatus or a second apparatus, a request for an access token;determine whether the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus at least based on the profile information;in accordance with a determination that the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus, generate an access token associated with the first apparatus; andtransmit the generated access token to the first apparatus or the second apparatus from which the request for the access token is received.The fifth apparatus of claim 39, wherein the request for the access token indicates at least one of the following:network context requested by the first apparatus,information related to at least one data producer provided by the at least one fourth apparatus,at least one dataset required from the at least one data producer to generate the requested network context, oran area where the first apparatus is located.The fifth apparatus of claim 40, wherein the fifth apparatus is caused to:determine whether the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus at least based on the profile information and the request for the access token.The fifth apparatus of claim 40 or 41, wherein the fifth apparatus is further caused to:receive, from the first apparatus or the second apparatus, the request for the access token and client credential assertion, CCA, of the first apparatus; andwherein the fifth apparatus is caused to determine whether the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus further based on the CCA of the first apparatus.The fifth apparatus of any of claims 40 to 42, wherein the access token comprises an enhanced access token with additional information, the additional information comprising at least one of the following:a network context identifier;an identifier for the first apparatus,an identifier for the second apparatus, orat least one identifier for at least one network data producer for collecting datasets to generate the requested network context.A method comprising:receiving, by a first apparatus and from a second apparatus, capability information of the second apparatus, the capability information indicating a capability of the second apparatus in providing network context;transmitting, to the second apparatus, a request for network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at the first apparatus and being configured to perform a task based on the network context, and the request indicating at least a requirement for the requested network context; andreceiving, from the second apparatus, the requested network context.A method comprising:receiving, by a second apparatus and from a third apparatus, configuration information related to providing of network context by the second apparatus;transmitting, to a first apparatus, capability information of the second apparatus, the capability information indicating a capability of the second apparatus in providing network context;receiving, from the first apparatus, a request for network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at the first apparatus and being configured to perform a task based on the network context, and the request indicating at least a requirement for the requested network context; andtransmitting, to the first apparatus, the requested network context based on the configuration information.A method comprising:transmitting, by a third apparatus and to a second apparatus, configuration information related to providing of network context by the second apparatus, wherein the second apparatus is capable of providing network context related to an artificial intelligence agent, the artificial intelligence agent being implemented at a first apparatus and being configured to perform a task based on the network context.A method comprising:transmitting, by a first apparatus and to a second apparatus, a request for network context, the network context being related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context; andreceiving, from the second apparatus, the requested network context.A method comprising:receiving, by a second apparatus and from a first apparatus, a request for network context, the network context being related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context;receiving an access token associated with the first apparatus;in accordance with a determination that the access token is verified, transmitting to at least one fourth apparatus, a request for network data and the access token, the at least one fourth apparatus being configured as at least one network data producer to collect network data for generating the requested network context;receiving, from the at least one fourth apparatus, the requested network data;generating the requested network context based on the received network data; andtransmitting, to the first apparatus, the generated network context.A method comprising:performing, by a fourth apparatus, registration of profile information of the fourth apparatus with a fifth apparatus, wherein the profile information indicates at least one dataset of network data collected by a network data producer of the fourth apparatus, and at least one allowed apparatus for a respective one of the at least one dataset;receiving, from a second apparatus, a request for network data for generating network context, and an access token associated with a first apparatus which requests for the network context related to an artificial intelligence agent implemented at the first apparatus, the artificial intelligence agent being configured to perform a task based on the network context; andin accordance with a determination that the access token is verified, transmitting to the second apparatus, the requested network data.A method comprising:receiving, by a fifth apparatus, registration of profile information of at least one fourth apparatus with the fifth apparatus, wherein the profile information of a fourth apparatus indicates at least one dataset of network data collected by a network data producer of the fourth apparatus, and at least one allowed apparatus for a respective one of the at least one dataset;receiving, from a first apparatus or a second apparatus, a request for an access token;determining whether the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus at least based on the profile information;in accordance with a determination that the first apparatus is authorized to access at least one dataset of the at least one fourth apparatus, generating an access token associated with the first apparatus; andtransmitting the generated access token to the first apparatus or the second apparatus from which the request for the access token is received.

Images