随着计算机技术的不断发展，特别是分布式计算和人工智能的广泛应用，使计算机网络逐渐渗入到人们日常生活的每一个环节中。与此同时，电子商务也逐渐发展壮大，网络购物已经不再是一个陌生而遥远的话题。据调查数据显示，中国网络购物用户规模将达到1.87亿人，网络购物市场中，B2C市场增长迅猛，将成为网络购物行业的主要推动力。协商是一个复杂的过程，涉及多方面的因素。传统的电子商务企业主要通过电话或C/S模式进行电子商务协商，不可避免的造成了人力、物力和财力资源的浪费。移动Agent具有智能性、自主性和移动性等特点，该技术的发展使这一问题的解决成为可能。将移动Agent技术应用到电子商务环境中，也成为电子商务，特别是电子商务自动协商发展的一个新的方向。本文以电子协商理论与技术为基础，模拟传统的协商过程，建立了一个基于移动Agent的B2C电子商务协商模型。该模型是一个描述型模型，将其表示为一个九元组，分别对协商过程中可能涉及到的各要素进行了定义。为了实现多边动态协商，将多线程的思想引入到协商模型中，使得所有能够满足初始条件的协商主体都能参与到协商中来。在协商过程中，Agent结合对自身和对对方提议的效用评价做出决策。为了实现效用最大化，本文提出一种基于对手态度学习的动态让步策略，通过学习对方提议的轨迹，来了解对方的偏好、态度及迫切程度等，在此基础上结合自身利益制定让步策略，给出自己的反提议。该协商模型可以支持连续、动态的协商过程，协商主体的定价策略及让步策略都影响着协商结果，使得参与到协商中的协商主体之间形成一种竞争机制，有助于协商各方实现“共赢”。为了对协商模型进行验证，本文使用Java语言，以Aglet系统作为移动Agent的支撑平台，设计实现了一个基于移动Agent的B2C电子商务协商模型系统。最后，搭建模型系统的测试环境，对系统进行了功能测试和增量测试，验证了系统的可运行性、正确性及可扩展性。文章最后对本研究的主要结论进行了总结，指出了论文在研究过程中的局限性，并分析了本论文研究领域未来的研究方向。