Microsoft Magnetic Marketplace: Объяснение работы торговых ботов на базе ИИ
Microsoft тестирует агентов ИИ в закрытой симуляции «Magentic Marketplace», прежде чем они начнут совершать покупки с помощью кредитных карт. Симуляция исследует, могут ли несколько агентов ИИ принимать справедливые решения сообща, например, при заказе еды или бытовых услуг, и насколько они уязвимы к манипуляциям, предвзятости и перегрузке.
Источник: Собственное представление
Введение
В интеллектуальном агенте в исследованиях ИИ понимается система, которая воспринимает свое окружение, преследует цели и самостоятельно выбирает действия для их достижения. Агентский ИИ , который сегодня встречается во многих продуктах, расширяет это: такие агенты планируют многошаговые задачи, выбирают инструменты и работают в течение более длительных периодов времени почти как цифровой помощник, который самостоятельно выполняет задачи.
Ein Мультиагентная система состоит из нескольких таких агентов, которые взаимодействуют друг с другом в общей среде, сотрудничая или конкурируя для решения более крупных задач. На практике это может означать, что один агент сравнивает цены, другой оптимизирует сроки доставки, а третий проверяет, соответствует ли транзакция правилам компании. В электронной коммерции такие системы исследуются уже давно. Агенты могут, например, оптимизировать запасы, динамически корректировать цены или давать персонализированные рекомендации клиентам. Симуляции на основе агентов также помогают исследовать поведение клиентов в интернет-магазинах и смотреть, как различные бизнес-решения влияют на выручку и удовлетворенность.
На этой основе Microsoft строит Magentic Marketplace : открытую среду симуляции, в которой агенты ИИ торгуют друг с другом в качестве клиентов и поставщиков на искусственном рынке. Конкретно есть две роли: агенты-помощники представляют клиентов, агенты-поставщики — компании; оба общаются через центральный API маркетплейса, регистрируются, находят услуги и совершают транзакции. Технически это работает через легкую архитектуру HTTP/REST: агенты регистрируются на маркетплейсе, получают доступный протокол и выполняют действия через определенные конечные точки — например, поиск, общение, предложение и оплату. За этим стоит основная система, состоящая из каталога, функции поиска, уровня связи и управления транзакциями, которая функционирует как абстрагированный онлайн-маркетплейс.
Текущее состояние и результаты
Исследовательская группа Microsoft Research и Университета штата Аризона анонсировала Magentic Marketplace как исследовательскую платформу, включая техническую публикацию и код. Сопутствующая научная статья описывает систему как открытую среду, в которой агенты ИИ должны тестироваться в рыночных условиях, близких к реальным, — включая конкурентное давление, поисковый шум и ограниченную информацию.
Платформа является открытым исходным кодом как фреймворк на Python ; исследователи и компании могут определять собственных агентов в качестве клиентов или поставщиков услуг, запускать эксперименты и анализировать результаты. Сопутствующий веб-сайт объясняет, как настраивать симуляции и оценивать показатели, такие как благосостояние, справедливость или уязвимость к манипуляциям.
Для своих первых экспериментов исследователи заполнили маркетплейс чисто синтетическими данными: 100 агентов-клиентов и 300 агентов-продавцов торгуют, например, ресторанными заказами или простыми бытовыми услугами. В качестве моделей использовались, среди прочего, GPT-4o, GPT-4.1, GPT-5, Gemini-2.5-Flash, а также несколько моделей с открытым исходным кодом, таких как OSS-20B и варианты Qwen3.
Центральный вопрос: удается ли агентам находить выгодные сделки для клиентов, не поддаваясь нечестным предложениям или манипулятивным тактикам? Исследователи измеряют своего рода «потребительское благосостояние» — упрощенно говоря: сколько ценности клиенты получают за транзакцию после учета цен, желаемых характеристик и доступности.
Результаты: в идеальных условиях, когда поиск выдает идеальное соответствие, лучшие модели могут приблизиться к оптимальному благосостоянию. Однако как только рынок становится больше, результаты поиска становятся более зашумленными или появляется больше опций, производительность значительно падает.
Особенно заметна «предвзятость первого предложения»: многие агенты очень быстро принимают первое более-менее подходящее предложение, вместо того чтобы проверять другие варианты. В оценках это приводит к 10-–30-кратному преимуществу для поставщиков, которые просто отвечают первыми, независимо от фактического качества.
Второй эффект напоминает «парадокс выбора»: когда агенты видят не три, а десятки или даже сотни результатов, благосостояние многих моделей снижается, а не растет. Некоторые модели при этом значительно теряют в производительности, хотя объективно у них было бы больше выбора — они распыляются или выбирают непоследовательно.
СМИ подхватывают эти выводы: Windows Central описывает, как агенты борются с слишком большим количеством опций даже в казалось бы простых задачах, таких как заказ еды, поддаются манипулятивным ботам-продавцам и плохо сотрудничают при неясном распределении задач. TechCrunch и другие порталы подчеркивают, что симуляция показывает, как далеко мечта о полностью автономном агенте-покупателе еще находится от надежной практики.
Параллельно крупные игроки, такие как Amazon, Google, Shopify или OpenAI, продвигают собственные агентские торговые сервисы, например, интегрированные функции покупок в чат-ботах или протоколы для платежей между агентами.
Источник: 51cto.com
Magentic-UI обеспечивает интуитивное планирование и выполнение сложных задач, например, поиск подарков для велосипедов, благодаря координации агентов ИИ.
Анализ и контекст
Если рассматривать сочетание исследований и рыночного давления, Magentic Marketplace выглядит как аэродинамическая труба для грядущей агентской экономики. Компании хотят, чтобы агенты ИИ самостоятельно инициировали заказы, вели переговоры по договорам или сравнивали предложения — поскольку это обещает эффективность и открывает новые бизнес-модели.
Одновременно Microsoft уже давно предупреждает, что агенты будут функционировать осмысленно только в том случае, если они смогут стандартизированно сотрудничать и общаться через своего рода «Агентскую сеть» (Agentic Web) — то есть сеть из тысяч специализированных агентов, которые передают задачи друг другу. Таким образом, Magentic Marketplace также является политическим сигналом: кто определяет правила на этих агентских рынках, тот позднее будет определять, как функционируют цифровые рынки.
Однако исследование также показывает, насколько уязвимы еще эти системы. Агенты могут быть обмануты скрытыми подсказками в описаниях продуктов, переоценивают первый ответ в списке и часто слишком рано прекращают поиск. Внешние анализы подчеркивают, что при этом возникает огромный риск для потребителей, если такие агенты бесконтрольно совершают реальные покупки.
Интересно, что исследование явно показывает, насколько сильно сама конструкция рынка влияет на поведение: даже порядок результатов поиска или скорость ответа поставщиков могут склонить систему в сторону несправедливых преимуществ. Таким образом, на передний план выходят вопросы, знакомые нам по экономике платформ: кто контролирует ранжирование, правила и механизмы обратной связи — и кто систематически получает предпочтение из-за этого?
Источник: Видео на YouTube
Официальное видео проекта помогает визуально понять архитектуру и типичные эксперименты в Magentic Marketplace, не запуская код самостоятельно.
Источник: microsoft.com
Magentic-One как генералистская мультиагентная система интегрирует различные способности для решения сложных задач в таких областях, как программирование, системное управление, веб-взаимодействие и управление документами.
Практические последствия
Для вас как потребителя важнейший вывод заключается в том, что автономные торговые боты в настоящее время являются скорее испытательным полигоном, чем готовым продуктом. Исследование показывает, что агенты под стрессом, при большом количестве опций и манипулятивных предложений совершают ошибки, которые вы, вероятно, не совершили бы — например, поспешно принимают первое попавшееся предложение. Если какой-то сервис обещает полностью автономно совершать покупки для вас, стоит внимательно посмотреть на прозрачность, возможности контроля и правила возврата.
Для продавцов и операторов платформ Magentic Marketplace означает, что агентов следует рассматривать не только как новый канал сбыта, но и как новую форму «клиентов», которые сами уязвимы. Тот, кто серьезно относится к агентам, должен защищать их от темных паттернов, вводящего в заблуждение контента и злоупотреблений не меньше, чем покупателей-людей. Симуляции, такие как Magentic Marketplace или другие модели на основе агентов, могут помочь выявить проблемные эффекты до того, как пострадают реальные доходы и реальные люди.
Для команд, которые сами создают агентов, сообщение ясно: недостаточно сделать одного агента хорошим. Вы должны спросить себя, как агенты взаимодействуют друг с другом и с маркетплейсами, как вы тестируете предвзятость и манипуляции, и как вы разумно включаете людей в процесс — например, через явное подтверждение перед платежами или через интерфейсы, такие как Magentic-UI , которые сочетают человеческий контроль с координацией агентов.
На практике вы можете задать несколько проверочных вопросов о новых функциях агентов: кто определяет цели агента? Могу ли я видеть или отменить каждый шаг? Какие источники данных использует агент, и кто выигрывает, если он ошибается? Ответы на эти вопросы часто можно найти скорее в технических документах и независимых анализах, чем в маркетинговых текстах.
Источник: Видео на YouTube
Этот доклад об агентской коммерции показывает, как компании уже сегодня интегрируют торговых агентов в реальные платформы — полезно для того, чтобы вписать Magentic Marketplace в более широкий рыночный тренд.
Открытые вопросы и вывод
Многие из самых интересных моментов остаются открытыми. Пока мало исследовано, как агенты действуют на рынках, которые работают в течение длительного времени, где они накапливают опыт, корректируют стратегии и, возможно, даже «учатся» использовать других агентов. Также неясно, как поведение агентов влияет на цены, конкуренцию и распределение преимуществ между крупными и мелкими поставщиками.
Еще сложнее вопрос о справедливости по отношению к различным группам пользователей. Текущие исследования агентских торговых персон показывают, что агенты LLM могут иметь систематические предпочтения к определенным брендам или оценкам и хуже представлять некоторые группы. Чтобы понять дискриминацию или систематическое ущемление в агентской торговле, потребуется значительно больше данных — в идеале комбинации симуляции и реальных поведенческих моделей.
Наконец, регулирование находится только в начале. В то время как компании экспериментируют с агентами, платформы и суды уже обсуждают, что может делать агент на сайте, кому будут приписаны ошибки и насколько прозрачно должны быть обозначены агенты. Для органов по защите прав потребителей и конкуренции Magentic Marketplace становится важной испытательной лабораторией, чтобы не внедрять правила вслепую во время работы.
Magentic Marketplace очень четко показывает, насколько велик еще разрыв между видением и реальностью автономных покупок с помощью агентов ИИ. Симуляция доказывает, что сегодняшние агенты могут совершать впечатляющие вещи в идеальных условиях, но становятся удивительно слабыми при немного большем хаосе, конкуренции и возможностях для манипуляций.
В то же время платформа является конструктивным шагом: она позволяет контролируемо тестировать риски, настраивать рыночные механизмы и разрабатывать концепции защиты, прежде чем будут затронуты реальные люди и реальные счета. Для вас это означает: автономные торговые боты появятся — но хорошо, что они должны сначала пройти через такие «песочницы». И чем лучше мы сегодня понимаем, как работают мультиагентные системы на рынках, тем быстрее у нас завтра появятся справедливые, прозрачные и надежные агенты.