Magentic Marketplace: un ambiente open-source per lo studio dei mercati agentici

Abstract

Man mano che gli agenti LLM avanzano, mediano sempre più decisioni economiche, dalla scoperta di prodotti alle transazioni, per conto degli utenti. Tali applicazioni promettono benefici ma sollevano anche molti interrogativi sulla responsabilità degli agenti e sul valore per gli utenti. Affrontare queste questioni richiede la comprensione di come gli agenti si comportano in condizioni di mercato realistiche. Tuttavia, la ricerca precedente ha valutato per lo più gli agenti in contesti vincolati, come marketplace a compito singolo (ad esempio, negoziazione) o interazioni strutturate a due agenti. I mercati del mondo reale sono fondamentalmente diversi: richiedono agli agenti di gestire attività economiche diversificate e di coordinarsi all'interno di ecosistemi ampi e dinamici dove più agenti con comportamenti opachi possono impegnarsi in dialoghi aperti. Per colmare questa lacuna, investigiamo marketplace agentici bilaterali in cui agenti Assistente rappresentano i consumatori e agenti Servizio rappresentano aziende concorrenti. Per studiare queste interazioni in sicurezza, sviluppiamo Magentic-Marketplace, un ambiente simulato in cui gli Assistenti e i Servizi possono operare. Questo ambiente ci permette di studiare le dinamiche di mercato chiave: l'utilità raggiunta dagli agenti, i bias comportamentali, la vulnerabilità alla manipolazione e come i meccanismi di ricerca influenzano i risultati del mercato. I nostri esperimenti mostrano che i modelli all'avanguardia possono avvicinarsi all'ottimo sociale, ma solo in condizioni di ricerca ideali. Le prestazioni si degradano nettamente con la scala e tutti i modelli mostrano un forte bias per la prima proposta, creando vantaggi di 10-30 volte per la velocità di risposta rispetto alla qualità. Questi risultati rivelano come i comportamenti emergono in diverse condizioni di mercato, fornendo indicazioni per la progettazione di marketplace agentici equi ed efficienti.

English

As LLM agents advance, they are increasingly mediating economic decisions, ranging from product discovery to transactions, on behalf of users. Such applications promise benefits but also raise many questions about agent accountability and value for users. Addressing these questions requires understanding how agents behave in realistic market conditions. However, previous research has largely evaluated agents in constrained settings, such as single-task marketplaces (e.g., negotiation) or structured two-agent interactions. Real-world markets are fundamentally different: they require agents to handle diverse economic activities and coordinate within large, dynamic ecosystems where multiple agents with opaque behaviors may engage in open-ended dialogues. To bridge this gap, we investigate two-sided agentic marketplaces where Assistant agents represent consumers and Service agents represent competing businesses. To study these interactions safely, we develop Magentic-Marketplace-- a simulated environment where Assistants and Services can operate. This environment enables us to study key market dynamics: the utility agents achieve, behavioral biases, vulnerability to manipulation, and how search mechanisms shape market outcomes. Our experiments show that frontier models can approach optimal welfare-- but only under ideal search conditions. Performance degrades sharply with scale, and all models exhibit severe first-proposal bias, creating 10-30x advantages for response speed over quality. These findings reveal how behaviors emerge across market conditions, informing the design of fair and efficient agentic marketplaces.

Magentic Marketplace: un ambiente open-source per lo studio dei mercati agentici

Magentic Marketplace: An Open-Source Environment for Studying Agentic Markets

Abstract

Support