在开发下一代商务的基础设施方面，我们取得了重大进展。在过去的六个月里，我们推出了 Agentic Commerce Protocol (ACP)，这是一项开源规范，允许买家、AI 代理和卖家通过 API 进行交易；我们通过 Agentic Commerce Suite 推出了首个完整的代理解决方案，并吸引了 URBN（包括 Anthropologie、Free People 和 Urban Outfitters）以及 Etsy 等领先商家入驻；我们还为跨 AI 代理的 AI 购物体验提供了支持。最近，我们推出了对机器支付的支持，允许直接由代理对内容和数据进行变现。
在此过程中，我们与数十家商家进行了深入交流，从敏捷的 SaaS 初创公司和 B2B 平台，到大型电信公司、公用事业公司和财富 500 强零售商。每个行业都在为代理商务做准备。
在每次对话中，商家都会提出同样的问题：我应该首先启动哪些渠道？我如何才能被代理发现？我如何找到合适的合作伙伴来构建此功能？
这些问题可归结为五个主要主题：
- 确保代理知道您的存在
- 帮助代理了解如何使用您的网站
- 配置您的网站以处理非人类流量
- 使您的组织围绕代理商务进行协同
- 建立 AI 治理
本指南借鉴了真实对话以及 Stripe 在与准备和采用代理商务的领先商家合作方面的深厚专业知识。无论您是首次探索代理商务，还是在完善现有策略，本技术实战指南都概述了您今天就可以采取的切实措施，以优化您的业务，迎接代理商务。这并非一份详尽的列表；相反，本指南涵盖了我们看到其他商家成功实施的关键策略。
1. 确保智能体知道您的存在
要获得代理的推荐，您必须具有可见性。这需要确保您的技术基础设施欢迎代理，而不是将它们拒之门外，并部署优化的产品目录源。在模型本身仍在发展的情况下，制定正式的发现策略还为时尚早，但您可以采取具体的步骤来改善代理对您的网站和产品目录的解析和理解。
确认您的 robots.txt 文件和防火墙设置欢迎代理
一些公司为了保护其数据，在不知不觉中拦截了为这些 AI 推荐提供支持的爬虫程序（如 GPTBot 或 Google-Extended）。如果您拦截了代理，您的网站实际上就是不可见的。
为了确保您的 robots.txt 针对代理发现进行了优化，而不会暴露敏感的管理路由，您需要区分经过验证的商务代理和通用抓取工具。一个好的起点是根据已知的代理用户代理（如 GPTBot、ClaudeBot 和 Google-Extended）检查您当前的配置。您可以直接在 OpenAI、Anthropic 和 Google 的官方文档中找到更新的列表和配置示例，这有助于您区分经过验证的 AI 代理和恶意抓取工具。
您可能还希望明确允许访问高价值的静态内容（如产品详细信息页面和类别存档），同时严格禁止访问昂贵的动态路径（如内部搜索结果、购物车添加操作或动态定价 API 端点）。这会将代理引导至您最重要的页面，同时保护您的基础架构免受资源浪费的计算周期的影响。
有一个主要的注意事项。如果您的业务模式是内容本身（例如新闻出版商、专业数据提供商或创意作家），免费提供内容来训练 LLM 可能没有意义。相反，您可以战略性地选择免费公开哪些内容（例如摘要或回顾），并对哪些内容进行门禁限制（例如完整文章）。您还可以使用机器支付对代理进行变现。这使您可以收费提供数据，将 AI 代理变成付费客户，而不是内容抓取工具。
确保您的内容在服务器端渲染
许多代理难以处理客户端渲染的内容，因为它们无法执行加载这些内容的 JavaScript。如果您的产品页面、价格或库存信息是在客户端渲染的，代理可能会错过关键详细信息。
服务器端渲染是代理准备就绪的推荐方法。使用服务器端渲染，您的服务器在将其发送给请求者之前会生成完整的 HTML，这意味着代理无需执行 JavaScript 即可获得完整、随时可解析的内容。如果无法在整个站点上实施完整的服务器端渲染，请考虑使用静态站点生成或水合。
使用 /llms.txt 文件优化向代理提供的产品信息
您为 Google 提供了 sitemap.xml，但代理可能难以高效解析充斥着导航菜单和广告的繁重 HTML 页面。您可以为它们提供一个高信号文本文件，以帮助您的页面被发现。
为此，请考虑发布 /llms.txt 文件。这是位于根目录下的一个简单的 Markdown 文件，充当 AI 的精选索引。它应以纯文本形式列出您的核心产品系列、退货政策和文档。通过向模型提供干净、结构化的文本，您可以增加代理正确引用您的产品和政策的可能性。
Stripe 使用了这种方法：我们位于 stripe.com/llms.txt 的 /llms.txt 文件为代理提供了我们产品的清晰目录。我们还提供 Markdown 格式的所有文档，以便代理高效参考（例如，请参阅 docs.stripe.com/payments/accept-a-payment.md）。这种双重方法有助于代理既了解我们提供的产品，又了解如何使用它。
请访问 llmstxt.org 了解官方标准，并在 llmsdirectory.com 上查看其他技术前沿品牌的实时实施目录。
部署产品源
虽然产品源尚未对所有代理可用，但我们预计它们将成为代理发现您的产品的最重要切入点。虽然代理可以抓取您的网站来收集产品信息，但直接数据源可确保代理立即接收到您的产品更改，而不是等待缓慢、有时不可预测的抓取周期。它们还使您可以精确控制发布时间——允许您设置产品出现在代理界面上的确切日期——并且它们可以通过确保代理获得最准确的定价、库存和规格来帮助消除幻觉。
一项挑战是：不同的代理可能需要不同格式的数据。一个代理可能需要 SFTP 文件拖放。另一个代理可能需要自定义 API 集成。第三个代理可能完全有自己的产品源规范。我们已经看到品牌以六种不同的方式重新格式化相同的产品目录，以便在多个代理中列出——这造成了持续的维护负担，消耗了大量时间和资源。
您可以通过与能够将您的目录分发到任何地方的商务提供商（如 Stripe）合作来做准备。借助 Stripe 的 Agentic Commerce Suite，您可以将您的目录直接上传到 Stripe 或连接您现有的内容聚合器。我们会自动将您的产品信息分发给每个 AI 代理。
2. 帮助代理了解如何使用您的网站
与传统机器不同，LLM 是基于语义理解来运行的。因此，以模拟人类自然语言的方式与 Agent 进行沟通尤为重要；它们需要明确的技术说明才能与您的商家进行交互。这就要求在您的域上托管一套特定文件，充当 Agent 发现和交互的指导手册。
通过 well-known/ai-plugin.json 告知 Agent 您的身份及您的 API 的作用
这是 Agent 发现的入口点。您可以将其视为您的品牌的传记，告诉 Agent 您是谁，以及您的 API 能做什么。
您的 description_for_model 字段尤为重要，应采用提示工程设计，这意味着它使用清晰、可操作的语言解释了何时使用您的 API 以及它可以做什么。提供特定的功能和具体的用例（而不是泛泛的营销语言）才能使 Agent 发挥最佳性能。
例如，不要只是说“我们卖鞋”。相反，考虑使用如下语言：“使用本网站搜索运动鞋，检查实时尺寸库存，并获取运费估算”，这能更好地告诉 Agent 如何帮助客户在您这里购物。
通过 manifest.json 定义您的品牌
当 Agent 在聊天窗口中展示您的产品时，需要使用您的品牌形象（包括您的徽标、名称和视觉风格）来呈现。
Agent 会从您的 manifest.json 文件中提取这些信息来创建产品卡片和其他用户界面元素。使用此文件定义您的官方 short_name 和高分辨率 icons。这可确保 Agent 在每次交互中始终如一地呈现您的品牌。
有关实现细节和复制粘贴示例，请参阅行业标准文档：MDN Web Docs：Web 应用清单。
通过 openapi.yaml 指示 Agent 如何执行任务
Agent 需要有关如何与您的 API 交互的精确指示，例如调用哪些端点、包含哪些参数以及如何构建请求。它们依靠您的 openapi.yaml 文件准确了解如何执行搜索产品、查看库存或处理订单等任务。
与 description_for_model 字段一样，将您的 summary 和 description 字段视为提示。请使用 summary: “检索按订阅定价层级筛选的活跃用户列表”。，而不是 summary: “获取用户”。详细说明其能力、必需参数和用例。
有关技术规范，请参阅 OpenAPI 规范 (OAS) 3.1.0。
3. 配置您的网站以处理非人类流量
Agent 的行为方式与人类购物者有着根本的不同。他们阅读速度更快，同时查询更多产品，并在严格的计算预算和超时限制下运行。如果您的基础设施仅针对人类流量模式进行了优化，那么 Agent 将难以访问您的产品目录，或者在遇到响应缓慢、阻止或处理成本高昂的页面时可能会放弃您的网站。
下面介绍了几种确保您的网站能够响应 Agentic 流量的方法。
通过边缘计算逻辑提高 Agent 的令牌效率
Agent 通过“支付”计算令牌来阅读您的网站。如果您的产品描述有 2,000 个字，则 Agent 处理它的成本可能会过高。结果，Agent 可能会降低您网站的优先级或完全跳过您的网站，转而选择更精简、更高效的来源。
要解决此问题，请考虑使用能够运行边缘计算逻辑的现代 CDN。配置边缘函数以检查传入的 User-Agent 标头。如果检测到 Agent（例如 GPTBot），则拦截请求并提供轻量级、纯数据的模板（Markdown 或 JSON），而不是重量级的可视化网站。这可以将令牌成本降低约 90%。
设置速率限制以防止“agentic 爆发”
人类购物者一次浏览一件产品，但代表客户购物的 Agent 可能会在 2 秒内查询 50 件产品，检查整个目录的库存、比较价格和阅读规格，几乎是瞬间完成的。标准防火墙可能会将其标记为 DDoS 攻击并封禁该 IP。
配置您的 Web 应用防火墙 (WAF) 以对合法的 Agent 应用专用的速率限制规则（例如，GPTBot）。将操作设置为挑战，或者返回带有 Retry-After 标头的 429 请求过多 状态码，而不是“屏蔽”。这向 Agent 发出了明确指令，“我们允许您在此处，但请等待 5 秒钟”。
缓存“读取密集型”API 端点以防止超时
Agent 在严格的超时预算下运行。如果您的 API 需要两秒钟来响应库存检查，Agent 可能会超时或凭空生成故障。
为了防止这种情况，请使用 stale-while-revalidate 指令积极在 CDN 边缘缓存“读取密集型” API 端点（例如“price”和“inventory”）。这样，CDN 可以立即提供缓存的数据，同时在后台获取更新。
请参阅 RFC 5861：用于过期内容的 HTTP Cache-Control 扩展，这是关于异步缓存更新的官方规范。
4. 使您的组织围绕代理商务进行协同
为 Agentic Commerce Suite 做准备不仅需要改变基础设施，还需要领导团队在数据使用方面达成一致，并设立新的角色。行动最快的商家在领导层优先级、团队结构和跨部门协作方面都进行了审慎的组织结构调整。
探索部门间的转变
我们观察到，在为 Agentic Commerce Suite 做准备的商家中，营销和 IT 团队的职能正在发生转变。营销团队正在从侧重于说服的文案转向侧重于精确度的内容。这些团队优先考虑结构化数据和清晰的产品规格，而不是情感化的故事叙述。
IT 和安全团队致力于管理 Agent 吞吐量。准备最充分的组织已经培训其安全团队来区分恶意抓取程序和合法 Agent，确保优先处理而非屏蔽有效的机器流量。
协调高管团队在数据使用方面达成一致
在已成功为 Agentic Commerce Suite 做好准备的商家中，我们观察到一个共同的模式：CIO、CTO 和 CDO（首席数字或数据官）在数据使用方式的根本性转变上达成了共识。这些组织不再仅仅将数据视为分析工具，而是开始将其视为交易基础设施。
- 这些组织中的 CIO 已经将他们的重点从内部监管合规扩展到外部 API 的可用性。他们认识到，曾经被认为是仅供内部使用的后台 ERP 系统，现在需要让做实时采购决策的前线 Agent 可以访问。
- CTO 提倡将可组合架构作为战略重点。准备最充分的商家已转向微服务，专门用于支持高流速的 Agent 流量。
- CDO 已将数据卫生视为一项收入功能。这些领导者明白，在 Agentic Commerce Suite 中，不良数据会导致销售损失。他们负责提供“基本事实”，以防止 Agent 出现幻觉，并确保产品信息的准确性。
考虑聘请一名 agentic AI 产品经理
除了负责网络和移动设备的产品经理之外，我们看到领先的商家正在定义一个新角色：agentic AI 产品经理，负责领导开发可以在各种渠道上推理、计划和采取行动的自主系统。
这些人通常拥有将 API 工程和产品营销相结合的背景，他们既了解技术实施又了解客户体验。与传统的 PM 不同，他们不拥有视觉用户界面。相反，他们负责 agentic 体验，测试 Agent 对品牌的认知，优化 llms.txt “文案”，并监控机器驱动交易的转化率。
5. 建立 AI 治理
代理交易带来了额外的运营考量，可能需要制定新政策。这可能包括建立用于管理欺诈和代理访问权限的技术控制措施、处理边缘情况交易的财务政策，以及第一方代理与客户互动方式的准则。
管理新的欺诈和风险模式
智能体商务正在重塑欺诈检测的方式。以真人流量为基础调校的传统欺诈信号已日渐过时——由于 AI 智能体缺乏人类行为的自然差异性，交易更容易被误判为欺诈。与此同时，也出现了新的欺诈风险：恶意行为者可能操纵智能体发起高风险订单，或绕过既有的安全防护机制。在缺乏相应系统支撑的情况下，接受智能体支付的企业往往需要投入更多资源来应对欺诈问题，进而导致收入流失、撤单率上升，以及客户信任的削弱。
许多商家正在通过使用 Stripe 的共享支付令牌（SPT）来解决这个问题，这是一种用于 AI 商务的新支付原语。SPT 允许代理在获得买家许可并使用其首选支付方式的情况下发起支付，而不会暴露凭据。在 Stripe 上使用时，SPT 可与 Stripe Radar 无缝协作，并能使用交易和支付方式详细信息传递潜在的风险信号，包括发生欺诈性争议、银行卡测试攻击、银行卡被盗、发卡行拒绝以及其他信号的可能性。
实施针对代理流量的技术控制措施
代理的行为有时可能无法预测，这可能是由于代理逻辑中的错误，或是特定代理对您的目录或 API 的解释方式所致。商家正在其基础架构中构建细粒度的控制措施，以便在不中断整体运营的情况下应对这些情况。他们正在实施撤销特定共享支付令牌或调整特定 User-Agent 字符串访问权限的功能，而不影响人类用户的流量。这为他们管理代理行为提供了精确性和灵活性。
制定针对边缘情况的财务政策
财务和法律团队正在制定处理异常交易的政策，以防患于未然。假设代理处理了一笔带有意外参数的交易，例如异常的折扣代码或配送目的地。拥有预定义的阈值（例如低于 50 美元的差异自动批准，高于该值则进行人工审查）有助于团队做出一致的响应，而不是在压力下逐案决策。
确保代理交互中的品牌一致性
在网站中嵌入第一方代理的组织正在测试其系统如何响应意外的用户输入。这包括定义系统提示并实施输出过滤器（如 Azure AI Content Safety），以确保即使在用户提出异常或不符合品牌形象的请求时，代理的响应也始终符合品牌准则。
使用 Stripe 的 Agentic Commerce Suite 实现一次构建，随处销售
Agentic Commerce Suite 让您的产品更容易被发现，简化您的结账流程，并允许您通过单一集成接受 agentic 支付，从而让您更轻松地向 AI Agent 销售产品。各大品牌都在入驻 Agentic Commerce Suite，例如 URBN（包括 Anthropologie、Free People 和 Urban Outfitters）、Etsy、Ashley Furniture、Coach、Kate Spade、Nectar、Revolve、Halara 和 Abt Electronics。
Agentic Commerce Suite 允许您：
让您的产品能够被 Agent 发现
Agentic Commerce Suite 提供专用托管 ACP 端点，以与 AI Agent 共享近乎实时的产品、价格和可用性信息，而且只需要对您现有系统进行极少量的修改。您可以将产品目录直接上传到 Stripe，也可以关联来自主流产品分销商的现有产品目录。然后，我们可以将您的产品信息同步给各个 AI Agent，使您能够自动开始通过所有受支持的 Agent 接受支付。
保持对客户体验的控制
智能体商务套件由 Stripe 的 Checkout Sessions API 提供支持，该 API 可协助处理结账流程的各个环节，包括运费和税费计算。您可以选择通过内置的 Stripe 产品（如 Stripe Tax）由 Stripe 代为管理相关事务，也可以继续使用现有的电商技术栈上传税务代码、管理近乎实时的库存检查，并设置动态运费规则——且仅需对现有系统进行最小程度的调整。
客户完成一次智能体交易后，您仍可直接沿用现有的内部订单与履行流程进行处理。作为备案商家，您也将继续全面掌控客户关系，包括退款与争议的处理方式。
接受 agentic 支付，防范新型欺诈模式
为了帮助保护商家，Agentic Commerce Suite 会处理 Shared Payment Tokens (SPTs)。这是一种用于 agentic 商务的全新支付原语。每种令牌都可以限制给特定卖方，具有时间和金额限制，并且可以在其整个生命周期中进行观察，从而防止未经授权的 Agent 操作，降低争议可能性。
在 Stripe 体系内使用时，SPT 还可以依托 Radar 运行，利用交易与支付方式详情传递潜在风险信号，帮助区分高意向智能体和低可信度自动机器人。其成果是企业级的欺诈保护能力，且无需数周的特定卖方历史数据即可发挥作用。
获取 Stripe 的量身定制支持
向 Agentic Commerce 的转变很复杂。您需要审核您的架构，重构您的 API 以实现可组合性，并实施新的协议，如 MCP 和 ACP。您不必独自应对这一转变；Stripe 提供了多种途径来帮助您根据组织需求进行执行。
适用于端到端解决方案的合作伙伴生态系统
Stripe 的认证系统集成商 (SI) 合作伙伴可以帮助您开始使用 Agentic Commerce。他们将战略洞察与构建针对您的特定垂直行业量身定制的高性能集成所需的技术严谨性结合起来。
Stripe 专业服务，提供专门咨询服务
对于寻求直接架构指导的企业，Stripe 的专业服务团队提供针对性的技术合作。我们与您的工程师团队（或您的合作伙伴）合作，确保您的实施遵循安全性、扩张性和可组合性的最佳实践。