随着电子商务的蓬勃发展，Agent技术应用于协商客户选择是近些年来的研究热点。在交易协商客户选择中，现有的协商客户选择方法在协商理论和方法上都存在一定的不足，主要表现在对协商历史信息学习不充分、预测的精度不高、预测时间较长以及没考虑诚信度对整个交易结果产生重要的影响等。基于此，本文提出了一种基于预测与诚信的多Agent协商客户选择方法。首先，根据电子商务中的Agent协商交互特征，提出了基于梯度信息的最小支持向量回归算法（GE-LS-SVR），对Agent的协商决策策略进行学习，从Agent的协商历史信息中获取学习样本来训练GE-LS-SVR，用GE-LS-SVR来预测交易客户在协商交易时可能出现的协商结果和对应的协商收益；其次，针对交易执行阶段协商客户Agent不信守承诺、进行不诚信交易的情况，提出了基于多Agent的电子商务诚信关系模型，给出了各个诚信度的计算方式以及诚信度的评估方法；再次，在电子商务交易中的客户选择问题上，把预测的协商收益与诚信度有机结合得出交易完成后的最终收益，根据Agent的自利性特性，选择最终收益值最大的协商客户。最后，通过仿真实验模拟验证了本文所提方法的有效性和优越性。