微軟開源Magentic Marketplace模擬環境，探索AI代理在虛擬市場的互動與風險

微軟研究院開源名為Magentic Marketplace的模擬環境，讓研究人員能在可控的虛擬市場中觀察人工智慧代理的互動行為，並量化其對消費者福利、市場效率與抗操弄能力的影響。該開源計畫提供學界與產業一個安全沙箱，在真實市場出現問題之前，預先觀察代理帶來的潛在效應。

傳統人工智慧研究多半聚焦在單一代理完成任務的能力，或少數代理之間的簡易協商，但真實市場裡情境複雜得多。Magentic Marketplace讓上百個代理能同時進行搜尋、對話、談判與交易，模擬真實市場的多方互動。平臺以HTTP/REST為基礎，採客戶端與伺服器分離架構，僅提供3個端點，分別是註冊、協定探索與動作執行，支援不同代理的動態行為。

在模擬環境中，2類主要代理分別代表顧客與商家，雙方透過API交換資訊，完成從搜尋商品到付款的整個流程，系統中央的交易層負責維護一致性與紀錄。平臺也提供視覺化模組，讓研究人員能觀察市場動態與個別代理間的對話過程，進一步分析決策模式。

微軟團隊以合成資料建立測試情境，目前支援餐飲與家庭修繕與維護服務兩類服務市場。研究評估兩種市場規模，包含33位顧客與99家商家的小型設定，以及100位顧客與300家商家的中型設定，並測試多種專有與開源模型，包括GPT-5、GPT-4.1、Gemini-2.5-Flash與Qwen3系列。實驗以消費者福利（Consumer Welfare）作為主要衡量指標，定義為消費者效用減去實際支付金額，並與理論最佳值比較。

研究結果顯示，代理的資訊發現能力對市場表現影響最大。在理想搜尋條件下，GPT-5等模型能逼近最佳水準，但在模擬現實環境的詞彙搜尋條件中，代理需自行擬定查詢並篩選對象，表現差距立刻拉開，凸顯搜尋與比對演算法的關鍵性。

團隊觀察到明顯的選擇悖論現象（Paradox of Choice），當搜尋結果從3家擴大到100家時，多數模型並未更廣泛探索，反而更快接受看似合理的方案，導致平均消費者福利下降（下圖）。如此反映模型在長內容推理與比較策略上的不足，也提醒開發者在代理設計上需平衡探索與決策效率。

研究設計了6種操弄策略，包括權威訴求、從眾造假、損失厭惡訊息（Loss Aversion），以及不同強度的提示注入攻擊，在強提示注入攻擊下，部分模型會把款項誤付給惡意代理，暴露出自動化代理在開放市場中仍易受影響的問題。此外，所有模型都呈現明顯的提案偏誤，傾向接受第一個收到的商家報價，而非等待更佳選項，這類行為可能讓回覆速度勝過商品品質，造成市場不公平競爭。

Magentic Marketplace已在GitHub上以MIT授權釋出，包含原始碼、合成資料與實驗模板，並附有完整文件供研究者重現實驗或擴展新場景。微軟同時公開論文於arXiv，詳細說明架構與結果分析。