Anthropic выпустила Claude Commerce Agents: план Apache-2.0 для агентов по покупкам и торговых агентов в розничной торговле, туризме, телекоммуникациях и развлечениях

Большинство команд, создающих помощника или агента для покупок, заново собирают одну и ту же инфраструктуру: цикл агента, слой инструментов над каталогом, шлюз одобрения и набор тестов. Теперь Anthropic выпустила эту инфраструктуру в виде кода. На этой неделе они опубликовали anthropics/commerce-agents — эталонную архитектуру, включающую агента для покупок и агента продавца, а также четыре готовых к запуску вертикальных решения: розничную торговлю, путешествия, телекоммуникации и развлечения. Публикация сопровождается двумя материалами: анонсом продукта и инженерным разбором — Руководство по анатомии эффективных торговых агентов.

Можно ли это развернуть? Да. Репозиторий распространяется по лицензии Apache 2.0, работает локально на Python 3.11+ и Node 22 при наличии ANTHROPIC_API_KEY, а среды выполнения принимают любой клиент anthropic, поэтому один и тот же код можно развернуть через Claude API, Amazon Bedrock, Microsoft Foundry или Google Cloud Vertex AI.

Два агента

Агент для покупок работает внутри собственного приложения продавца. Он ищет товары в каталоге, обрабатывает запросы на несколько товаров, сравнивает варианты, формирует корзину и отвечает на вопросы о заказах и возвратах в рамках одного диалога. Его пять навыков: search-discovery, purchase-research, planning-goals, customer-care и memory-personalization. Развертывание реализует StorefrontBackend поверх систем каталога, корзины, заказов и политик.

Агент продавца помогает сотрудникам магазина: отвечает на вопросы об эффективности продаж, сообщает об оповещениях по запасам, рекомендует цены и промоакции, а также создает черновики кампаний. Его навыки — performance-insights, catalog-listings, inventory-operations, pricing-promotions и marketing-campaigns, работающие поверх MerchantBackend.

Оба агента работают тремя способами — через Messages API, Claude Agent SDK и Claude Managed Agents (бета-версия), — используя единое определение промптов, навыков, контрактов инструментов и шлюзов. Плагин Claude Code commerce-builder создает каркас нового агента (/scaffold-commerce-agent) или проверяет существующий (/review-commerce-agent).

Навыки, а не субагенты

Именно архитектурное утверждение здесь наиболее универсально. Anthropic выступает против маршрутизатора намерений и против создания отдельного субагента для каждого домена. Торговая сессия представляет собой единый тесно связанный диалог, а каждая передача контекста приводит к потере состояния: оркестратор хранит корзину, предпочтения и историю, а каждая передача может стоить в несколько раз больше токенов и добавлять секунды задержки. Кроме того, домены пересекаются: для процесса возврата одновременно нужны история заказов, корзина и каталог.

Навыки агентов обеспечивают ту же модульность без этих издержек, поскольку инструкции навыка загружаются в агента, который уже хранит историю. В нескольких корпоративных развертываниях Anthropic сообщает, что один агент с навыками превзошел по качеству как архитектуру с одним большим промптом, так и архитектуру с субагентами, зачастую при меньших затратах и задержке. Субагентам по-прежнему находится место в узких, автономных задачах, таких как глубокое исследование.

Разделение между промптом и навыком определяется частотой: примерно треть или более трафика помещается в системный промпт, а остальное — в навыки. Правила безопасности, ограничения бренда и ключевые сведения о пользователе всегда должны находиться в промпте.

Компоненты интерфейса — это инструменты

Большинство ответов в сфере торговли — это компоненты, а не прозаический текст. Вместо того чтобы просить модель выводить пользовательские теги, архитектура делает каждый компонент инструментом — present_products, present_itinerary, present_plan_comparison — с типизированными аргументами, которые сервер проверяет до их отображения клиентом. Поскольку эти вызовы изначально находятся в массиве сообщений, для загрузки истории не нужен специальный парсер, а агент может определить, что означает «первый отель», по последнему вызову презентации. Для потоковой передачи на уровне токенов параметр eager_input_streaming: true отключает буферизацию на стороне сервера и гарантии схемы.

Разбор: пять решений в интерактивном формате

Задержка, кэширование, память

Отрендеренный ответ содержит 500–700 выходных токенов, что без потоковой передачи превращается в пять секунд ожидания на экране загрузки. Anthropic разделяет сквозную задержку и воспринимаемую задержку, передавая компоненты по мере их формирования и отображая строки прогресса на естественном языке. Упреждающий вызов инструментов — выполнение каждого вызова по мере завершения потоковой передачи его аргументов, используемое по умолчанию в Agent SDK — по имеющимся данным сокращает многосекундные паузы до нескольких сотен миллисекунд.

Кэширование промптов — главный рычаг управления затратами. Запросы упорядочиваются как глобальные → сессионные → изменчивые, поскольку кэширование основано на префиксе, а временная метка в начале системного промпта разрушает кэш при каждом запросе. Чтение из кэша стоит десятую часть стоимости новых токенов, запись в кэш сопровождается надбавкой примерно в 1,25 раза, а лучшие развертывания достигают показателей попадания в кэш 90–99%. Извлечение воспоминаний выполняется асинхронно в отдельном процессе; Anthropic измерила на 13% более высокий показатель воспроизведения фактов по сравнению с инструментом сохранения в рамках текущего хода.

Ключевые выводы

• Архитектура Apache 2.0 с агентами для покупок и продавцов, четырьмя вертикальными решениями и плагином Claude Code.
• Один цикл агента с навыками превзошел архитектуры с субагентами и одним промптом в развертываниях Anthropic.
• Компоненты интерфейса поставляются как типизированные инструменты, поэтому история остается нативной, а элементы интерфейса можно однозначно определить.
• Кэширование промптов рассчитано на показатели попадания 90–99%; изменчивые данные должны находиться в конце, а не в начале.
• Денежные операции, записи и идентификаторы контролируются кодом — модель предлагает, а исполнитель применяет.

---

Ознакомьтесь с инженерным разбором Anthropic, анонсом продукта, репозиторием на GitHub и демонстрациями Commerce. Также подписывайтесь на нас в Twitter и не забудьте присоединиться к нашему сабреддиту о машинном обучении с более чем 150 тыс. участников и подписаться на нашу рассылку. Постойте! Вы есть в Telegram? теперь вы также можете присоединиться к нам в Telegram.

Хотите сотрудничать с нами в продвижении вашего репозитория на GitHub, страницы на Hugging Face, выпуска продукта, вебинара и т. д.? Свяжитесь с нами