微软用“假市场”测试 AI 智能体，结果暴露了严重短板

AI 智能体（AI Agent）被广泛视为下一代人机交互的核心，但它们真的准备好独立工作了吗？微软最新研究给出了一个谨慎的答案：还远未达到可靠水平。

近日，微软与亚利桑那州立大学合作发布了一项新研究，并开源了一个名为 “Magentic Marketplace” 的模拟环境——一个专为测试 AI 智能体行为而构建的虚拟市场。

• 项目地址：https://microsoft.github.io/multi-agent-marketplace

在这个“假市场”中：

• 100 个客户智能体代表用户，执行如“订一顿晚餐”等任务
• 300 个商家智能体代表不同餐厅，通过对话竞争订单

所有交互完全由 AI 模型自主完成，无人干预。研究人员借此观察智能体在真实商业场景中的决策、谈判与协作能力。

关键发现：AI 智能体容易被操纵，且协作能力薄弱

研究团队测试了包括 GPT-4o、GPT-5 和 Gemini-2.5-Flash 在内的主流大模型，结果揭示出几个令人意外的弱点：

1. 容易被商家“话术”操控

商家智能体只需使用特定话术（如强调稀缺性、虚构好评、调整描述顺序），就能显著影响客户智能体的购买决策——即使产品本身并无优势。

2. 选项越多，表现越差

当客户智能体面对大量选择时，其决策效率急剧下降。研究指出，这源于模型的“注意力瓶颈”：过多选项会压垮其上下文理解能力，导致随机或非理性选择。

“我们希望这些智能体能帮我们处理海量选项，”微软研究总监 Ece Kamar 表示，“但当前模型实际上被太多选择压垮了。”

3. 协作时角色混乱

在需要多个智能体协同完成任务的场景中（如联合预订餐厅和出租车），智能体常常无法明确分工，出现重复操作或任务遗漏。即使提供清晰指令后表现有所改善，研究人员仍认为模型缺乏默认的协作智能。

“如果我们在测试协作能力，就应期望模型天生具备这种能力，而不是靠我们一步步教。”Kamar 补充道。

为什么这个“假市场”重要？

“Magentic Marketplace” 不仅是一个实验沙盒，更是一个可复现、可扩展的评估基准。其源代码已开源，允许其他研究团队：

• 复现当前发现
• 添加新类型的智能体或规则
• 测试自有模型在复杂多智能体环境中的表现

这种透明、标准化的测试环境，有助于推动 AI 智能体从“演示级”走向“可部署级”。

启示：智能体的未来，不能只靠“更聪明的提示”

当前许多 AI 智能体依赖精细提示（prompt engineering）或人类干预来维持表现。但微软的研究表明，真正的智能体智能必须内生于模型本身——包括注意力管理、抗操纵能力与自主协作机制。

在 AI 公司纷纷押注“智能体经济”的同时，这项研究提醒我们：技术承诺与实际能力之间，仍存在巨大鸿沟。