تتمثل توصية التفاعل الكيميائي في اختيار معايير ظروف التفاعل المناسبة للتفاعلات الكيميائية، وهو أمر حاسم لتسريع تقدم العلوم الكيميائية. ومع التطور السريع لنماذج اللغة الكبيرة (LLMs)، زاد الاهتمام باستخدام قدراتها في التفكير والتخطيط لتوصية ظروف التفاعل. وعلى الرغم من نجاحها، فإن الطرق الحالية نادراً ما تقدم تبريرات واضحة لأساس التوصيات المتعلقة بظروف التفاعل، مما يحد من فائدتها في العمليات العلمية ذات الأثر الكبير. في هذا العمل، نقترح نظام ChemMAS، وهو نظام متعدد الوكلاء يعيد صياغة مهمة توقع الظروف كمهمة استدلال قائمة على الأدلة. يُفكك نظام ChemMAS المهمة إلى أربع مراحل: التأصيل الميكانيكي، والاسترجاع متعدد القنوات، والنقاش الوكيلي المُراعي للقيود، وجمع التبريرات. وتُدعم كل قرار بأساس تبريري قابل للتفسير، مبني على المعرفة الكيميائية وال precedents المسترجعة. تُظهر النتائج التجريبية أن ChemMAS يحقق مكاسب تصل إلى 20-35% مقارنةً بالأساليب المخصصة للمجال، ويتفوق على نماذج LLM العامة بنسبة 10-15% في دقة التصنيف الأول (Top-1)، مع تقديم تبريرات قابلة للإبطال وقابلة للثقة من قبل البشر، مما يُرسّخ نموذجاً جديداً للذكاء الاصطناعي القابل للتفسير في الاكتشاف العلمي.