微软研究院开源了一种名为Magentic Marketplace的模拟环境，让研究人员能够在可控的虚拟市场中观察人工智能代理的互动行为，并量化其对消费者福利、市场效率与抗操纵能力的影响。该开源项目为学术界和产业界提供了一个安全的沙箱环境，可在真实市场出现问题之前，提前评估代理行为可能带来的潜在影响。

传统人工智能研究多聚焦于单个代理完成任务的能力，或少数代理之间的简单协商，但真实市场中的情境要复杂得多。Magentic Marketplace支持上百个代理同时进行搜索、对话、谈判与交易，模拟真实市场的多方互动。平台基于HTTP/REST架构，采用客户端与服务器分离的设计，仅提供三个端点：注册、协议探索与动作执行，支持不同代理的动态行为。

在模拟环境中，两类主要代理分别代表消费者与商家，双方通过API交换信息，完成从商品搜索到支付的全流程，系统中央的交易层负责维护数据一致性与记录。平台还提供可视化模块，帮助研究人员观察市场动态及代理间的对话过程，深入分析其决策模式。

研究团队使用合成数据构建测试场景，目前支持餐饮和家庭维修与维护服务两类市场。实验设置了两种市场规模：小型配置为33名消费者与99家商家，中型配置为100名消费者与300家商家，并测试了多种专有与开源模型，包括GPT-5、GPT-4.1、Gemini-2.5-Flash与Qwen3系列。实验以消费者福利为主要衡量指标，定义为消费者效用减去实际支付金额，并与理论最优值进行对比。

研究结果显示，代理的信息发现能力对市场表现影响最大。在理想搜索条件下，GPT-5等模型的表现可接近最优水平；但在模拟现实环境的词汇搜索条件下，代理需自行拟定查询并筛选对象，表现差距显著拉大，凸显了搜索与匹配算法的关键作用。

团队观察到明显的“选择悖论”现象：当搜索结果从3家扩展至100家时，多数模型并未更广泛地探索，反而更快接受看似合理的方案，导致平均消费者福利下降（下图）。这反映出模型在长文本推理与比较策略上的不足，也提示开发者在代理设计中需平衡探索与决策效率。

研究设计了六种操纵策略，包括权威诉求、从众造假、损失厌恶信息，以及不同强度的提示注入攻击。在强提示注入攻击下，部分模型甚至将款项误付给恶意代理，暴露出自动化代理在开放市场中仍易受干扰的问题。此外，所有模型均表现出明显的“首因效应”：倾向于接受第一个收到的商家报价，而非等待更优选项，这种行为可能导致回复速度凌驾于商品质量之上，造成市场不公平竞争。

Magentic Marketplace已在GitHub上以MIT许可证开源，包含源代码、合成数据与实验模板，并提供完整文档，供研究者复现实验或扩展新场景。微软同时已在arXiv上公开论文，详细阐述平台架构与分析结果。