Торговые агенты на Claude: код открыт под Apache 2.0

Anthropic опубликовала репозиторий commerce-agents: рабочий код двух торговых агентов на Claude, покупательского для клиентов бизнеса и агента продавца для бэк-офиса, каждый из которых описан один раз и запускается тремя путями. Код выложен на Github под лицензией Apache 2.0 и собран из семи pip-пакетов и восьми веб-приложений.

Коротко

• Оба агента описаны промптом, навыками и контрактами инструментов, а исполняются на Messages API, Claude Agent SDK и Managed Agents; четыре вертикали демонстрируют обе роли поверх одних и тех же библиотек.
• Ни один из путей не оформляет заказ, не списывает карту и не меняет живой листинг: чекаут отрисовывает корзину для хоста, а каждая запись агента продавца ждёт одобрения человека.
• Плагин commerce-builder для Claude Code собирает агента на тех же пакетах под чужие системы: команда /scaffold-commerce-agent расспрашивает о стеке, проговаривает план и строит проект, а /review-commerce-agent разбирает уже существующего агента.

Репозиторий развивает прежние шаблоны торговых агентов Anthropic до запускаемого кода, и главная его идея архитектурная: модель рассуждает и готовит действие, а деньги списывает и правки применяет хост. Судя по всему, это ответ на основной барьер для автономных агентов в торговле, где ошибка агента затрагивает реальные платежи и живые листинги. Командам с готовым каталогом и корзиной репозиторий предлагает схему интеграции, а не витрину возможностей.

Покупательский агент закрывает пять флоу, от поиска до памяти о клиенте

Покупательский агент ищет товары, сравнивает их, строит подборки, наполняет корзину, отвечает на вопросы о заказах и правилах магазина и запоминает сказанное клиентом. Пять его флоу лежат навыками в shopping-agent/skills/, а внедрение реализует интерфейс StorefrontBackend поверх собственных систем каталога, корзины, заказов и правил. Имя бренда, имя ассистента и тон задаются полями brand_name, assistant_name и brand_voice.

Агент продавца объясняет показатели, ведёт листинги, реагирует на предупреждения о складе и заказах, управляет ценами и продвижением и готовит кампании. Его пять флоу собраны в merchant-agent/skills/, а MerchantBackend закрывает аналитику, каталог, склад, цены и кампании. Каждая запись остаётся подготовленной правкой, пока её не применит экран одобрения на стороне хоста.

Демо поднимают витрины на портах 3000–3003 и порталы продавца на 3100–3103

Демо требуют Python 3.11+ и Node 22: репозиторий клонируется, зависимости ставятся из requirements.txt, а ключ ANTHROPIC_API_KEY кладётся в .env. Команда scripts/run_demo.py поднимает выбранную вертикаль, витрины занимают порты 3000–3003, порталы продавца 3100–3103, флаг --merchant открывает портал вместо витрины, --all запускает обе поверхности.

Messages API назван эталонным циклом: ShoppingAgent отдаёт поток событий через stream_turn, среди них text_delta, tool_call, ui, cart_update (на стороне продавца change_update) и turn_complete. Извлечение памяти работает только на этом пути, а приложения-хосты из примеров принимают идентификатор сессии в заголовке X-Session-Id, бэкенд и каталог навыков передаются в конструктор агента.

На Agent SDK цикл ведёт сам SDK при тех же промпте, навыках и инструментах: хост заранее подтягивает данные для сверки, после хода ничего не выполняется, а консоль агента продавца подтверждает подготовленные правки ответом y/N. Managed Agents дают размещённого агента поверх тех же навыков и контрактов, который обращается к MCP-серверу внедрения; разворачивает его scripts/deploy_managed_agent.sh.

Ограждения и гейт одобрения выполняются внутри вызова инструмента на всех трёх путях

Ограждения, проверки происхождения данных, лимиты, валидация памяти и гейт одобрения у агента продавца выполняются внутри вызова инструмента и действуют на всех трёх путях. Сверка с данными, бюджеты анализа и извлечение памяти отнесены к рантайму. В примерах нет аутентификации, а MCP-серверы слушают только петлевой интерфейс.

Каждый метод бэкенда вызывает сервис компании на её стороне с учётными данными, которые хост держит для сессии, и модель видит только результат. Пилот покупательского агента реализует поиск и карточку товара, а пилот продавца ограничивается восемью методами чтения, при которых записи отклоняются, так что дайджесты и метрики работают без пути записи.

MCP-коннекторов в комплекте нет: агенты ходят в чужие системы через интерфейсы бэкендов, а официальные коннекторы названы целями интеграции, среди них Snowflake, BigQuery, Databricks, Amplitude, Stripe, Square, PayPal, QuickBooks, Slack, Google Drive и Gmail. Рантаймы принимают любой клиент anthropic через client=, а docs/deployment.md описывает запуск на GCP Vertex AI, AWS Bedrock и Microsoft Foundry.

Что остаётся на стороне внедрения

Бизнес-правила, авторизацию и соответствие требованиям Anthropic относит к стороне, которая разворачивает агента, а docs/safety.md перечисляет, что внедрению стоит добавить первым. Готовность кода проверяется командами ruff, pytest и scripts/check.py, а scripts/verify_all.py добавляет сухие прогоны деплоя и сборку веб-приложений. Репозиторий заявлен как несопровождаемый и не принимающий контрибуции, поэтому сроки следующих версий не называются.