Anthropic відкрила код Claude Commerce Agents — готової основи для AI-агентів у e-commerce
Anthropic виклала на GitHub Claude Commerce Agents — відкриту reference implementation для створення агентів для покупців і продавців.
https://github.com/anthropics/commerce-agents
Усередині два основні типи агентів.
Shopping Agent працює з покупцем:
— шукає товари;
— порівнює варіанти;
— допомагає з вибором;
— збирає кошик;
— відповідає на питання про замовлення та політики магазину;
— пам’ятає контекст клієнта.
Merchant Agent — уже для команди магазину:
— аналізує performance;
— працює з картками товарів;
— реагує на проблеми із залишками та замовленнями;
— допомагає з цінами й промо;
— готує маркетингові кампанії.
Причому записи агент не змінює самовільно.
Усі зміни з боку Merchant Agent спочатку створюються як staged changes, і людина має їх підтвердити.
Є одразу 4 робочі демо:
🛍 retail
✈️ travel
📱 telecom
🎟 entertainment.
Тобто можна не просто подивитися код, а запустити приклад і побачити, як одна й та сама архітектура працює в різних бізнесах.
Ще Anthropic додала плагін для Claude Code.
Він може взяти цю основу й зібрати commerce-agent уже поверх вашого бекенду.
Є окремі сценарії для:
— створення нового агента;
— додавання flow;
— написання evals;
— рев’ю вже існуючого агента.
Тобто не потрібно починати з порожнього репозиторію і самій придумувати всю архітектуру.
Паралельно Anthropic опублікувала окремий гайд:
https://claude.com/blog/the-anatomy-of-effective-commerce-agents
Там вони детально розбирають, як будувати таких агентів:
— як організовувати tools і Skills;
— як зменшувати latency;
— як рахувати реальну вартість виконання задачі;
— як будувати evals;
— де потрібне підтвердження людини.
Мені там особливо сподобався підхід не плодити окремого subagent під кожну дрібну задачу.
Покупець може в одному діалозі:
знайти товар →
порівняти →
уточнити умови →
перевірити попереднє замовлення →
покласти щось у кошик.
Якщо на кожному кроці перекидати його між різними агентами, ростуть latency, токени й ризик втратити контекст.
Тому базова схема у Anthropic значно простіша:
одна модель + tools + Skills + evals.
Для мене тут найцікавіший саме Merchant Agent.
Shopping assistants ми вже бачили багато.
А тут агент починає працювати вже всередині самого магазину:
побачив просідання →
перевірив дані →
запропонував зміну ціни →
підготував промо →
створив чернетку кампанії →
віддав людині на підтвердження.
Для PPC та e-commerce це вже дуже близько до того, як можуть виглядати внутрішні AI-агенти магазинів.
І Anthropic тепер ще й виклала готовий blueprint під Apache 2.0, який можна адаптувати під власні системи. Важливо тільки, що це саме reference implementation, а не готовий production-продукт.
#Anthropic #Claude #AIagents #ecommerce #ClaudeCode #AgentSkills #automation #retail #AI