Shopify 革命！Claude Opus 4.6 打造最強 AI Agent，Agentic Commerce 時代來臨

Shopify Storefront AI Agent 實戰：用 Claude Opus 4.6 打造 Agentic Commerce，B2B 代理商對代理商的商業模式已經浮現

Shopify Storefront AI Agent 正在重新定義電商的基礎架構。 我們最近在替客戶導入 Shopify Storefront AI agent 時，用了 Claude Opus 4.6 當底層推理引擎，過程中看到一個讓人背脊發涼的趨勢：B2B 的「代理商對代理商」（Agency-to-Agency）商業模式已經不是概念驗證了，它正在成形。Shopify 與 Google 在 2026 年初共同發布的 Universal Commerce Protocol（UCP）讓 AI agent 可以直接跟商家的庫存、結帳、訂單管理系統溝通，而 Claude Opus 4.6 的 1M token 上下文視窗和 agent teams 功能，讓一個 AI 可以同時操作數十個工具，從產品搜尋到完成結帳不需要人類介入。截至 2026 年 4 月，UCP 已經獲得超過 20 家零售商和平台背書，包括 Visa、Mastercard、Stripe、PayPal、Target、Walmart、Best Buy。

這篇文章不談空泛的「AI 會改變電商」。我們拆解實作過程中遇到的技術決策、商業結構變化，以及為什麼 B2B agency-to-agency commerce 會比多數人想像的更快到來。

實作架構：Claude Opus 4.6 + Shopify Storefront MCP

為什麼選 Claude Opus 4.6

我們測試過三款主流模型來驅動 Storefront AI agent。選擇 Claude Opus 4.6 的理由很具體：

定價上 Claude Opus 4.6 確實不便宜。但在 agentic commerce 的場景裡，agent 需要在同一個 session 裡處理產品搜尋、庫存確認、折扣計算、結帳建立、付款驗證這整條流程，中間不能「忘記」任何上下文。1M token 的上下文視窗加上 context compaction（自動偵測 token 接近上限時壓縮歷史對話），讓整個流程可以跑完不斷線。

Anthropic 在 2026 年 2 月 5 日發布 Opus 4.6 時，同步推出了 agent teams 功能。一個 lead agent 協調全局，多個 teammate agent 平行處理子任務，每個 teammate 有自己獨立的上下文視窗。在我們的實作裡，lead agent 負責理解使用者意圖和結帳邏輯，兩個 teammate 分別處理 Catalog MCP 的產品搜尋和 Storefront MCP 的店面政策查詢。

Shopify 的三層 MCP 架構

Shopify 在 Winter '26 Edition 正式推出的 agentic commerce 堆疊有三個 MCP 層：

Hydrogen 2026.1.4 版本之後，Storefront MCP 變成預設啟用。只要 proxyStandardRoutes 維持預設的開啟狀態，每個 Hydrogen storefront 自動在 /api/mcp 暴露 MCP endpoint。這代表每個用 Hydrogen 建的商店，預設就是「AI agent 可以直接跟它對話」的狀態。

用 Liquid theme 的商家也可以透過 Shopify Catalog 被 AI 發現，但缺少 Storefront MCP 的結構化 API 存取能力。差異很明顯：Hydrogen 商店是 AI-native 的 commerce endpoint，Liquid 商店是 AI-discoverable 的傳統網頁。

實作中的關鍵決策

建 Storefront AI agent 的時候，幾個決策點影響最大：

資料品質比模型選擇重要。 AI agent 是字面意義上的「照規格做事」。產品資料裡的 SKU 不一致、庫存數字有延遲、屬性命名不統一（同一個欄位有的商品叫「顏色」、有的叫「Color」、有的叫「色系」），agent 就會出錯。我們花了大約 40% 的時間在資料清理上，遠超過寫 agent 邏輯本身。

UCP 的 capability negotiation 機制很關鍵。 不是每個商家都支援所有功能。UCP 設計了一套 agent 跟商家「握手協商」的機制：商家宣告自己支援哪些 capabilities（結帳、訂單管理、折扣堆疊等），agent 讀取後只操作雙方都支援的功能。這讓一個 agent 可以服務能力等級不同的商家，不用為每家寫客製邏輯。

安全邊界要從第一天就設計好。 Agent 可以代替使用者結帳意味著它可以花使用者的錢。UCP 的 Agent Payments Protocol（AP2）用密碼學簽章來證明使用者確實授權了這筆交易，但 agent 端的權限控管（能不能自動套折扣、能不能修改配送地址、能不能取消訂單）要在 agent 設計階段就鎖死，不能靠 prompt engineering 來防。

B2B Agency-to-Agency Commerce：看到的未來

這是讓我最不安的部分。

在替客戶建 Storefront AI agent 的過程中，我們意識到一件事：如果 agent 可以代替消費者跟商家交易，那 agent 也可以代替代理商跟另一家代理商的 agent 交易。

現在的 B2B 代理商模式

目前大多數 B2B agency 的運作方式：

1. 客戶透過 email / 電話 / 表單提出需求
2. 業務人員理解需求，手動搜尋合適的服務或產品
3. 跟內部團隊或外部合作夥伴溝通報價
4. 來回議價、修改 scope
5. 簽約、執行、交付

每一步都是人對人。效率瓶頸在溝通成本，不在技術能力。

UCP + A2A 之後的模式

UCP 的設計不只支援「agent 對商家」，它的 transport layer 原生支援 Agent-to-Agent（A2A）通訊。兩個 agent 可以直接用結構化的 UCP 資料溝通，不需要透過 HTTP request/response 的傳統模式。

想像這個場景：一家品牌客戶的 AI agent 需要找到「能在 3 週內完成 Shopify Plus 到 Hydrogen 遷移、有台灣本地金流串接經驗的代理商」。這個 agent 可以：

1. 透過 Catalog-like 的代理商能力目錄搜尋符合條件的 agency
2. 用 A2A protocol 直接跟候選 agency 的 agent 溝通
3. Agency 的 agent 根據內部資源排程自動回覆可行性和報價
4. 雙方 agent 協商 scope 和時程
5. 議定後產出 SOW 草稿，送給雙方人類決策者最終確認

整個流程裡人類只需要在最後一步做 yes/no 決策。前面四步全部是 agent-to-agent。

• Google UCP 正式發布：2026 零售業的代理商務革命
• Shopify AI + MCP: CTO 必讀的 Agentic Commerce 技術架構

什麼是 Agentic Commerce? 電商的下一個爆點

從搜尋到下單只需 0 秒？揭秘 Agentic Commerce 運作原理。當 AI 擁有自主權，品牌該如何應對？別錯過這波將徹底改變消費習慣的科技浪潮。

Tenten AIMaria Ning

為什麼說這「很快」會發生

三個條件已經到位：

第一，協議層成熟了。 UCP 在 2026 年 4 月已經有 Google、Shopify、Visa、Mastercard、Stripe、PayPal、Walmart、Target、Best Buy、Etsy、Wayfair、BigCommerce、Adobe Commerce、Salesforce 背書。A2A、MCP、AP2 這些子協議都已經有 production-ready 的實作。

第二，AI 推理能力到位了。 Claude Opus 4.6 可以在 14 小時的 agentic task 裡持續維持上下文，一天之內自主處理了 50 人組織裡 6 個 repository 的 13 個 issue。16 個 Claude Opus 4.6 agent 可以從零寫出一個能編譯 Linux kernel 的 C 編譯器。這不是「差不多可以用」的程度，這是「可以信任它做複雜決策」的程度。

第三，Forrester 預測到 2028 年，近九成的 B2B 採購將由 AI agent 介入。 三分之一的 B2B 支付流程在 2026 年底前會用到 AI agent。80% 的 B2B 銷售互動已經在線上發生。基礎設施和使用行為都已經準備好了。

這對代理商（Agency）意味著什麼

如果你經營的是 B2B 服務型代理商，以下是你需要思考的：

你的能力需要變成結構化資料。 「我們很會做 Shopify」不夠。agent 需要知道的是：你的團隊有幾個認證的 Shopify Plus 開發者、過去 12 個月完成了幾個 Hydrogen 專案、平均交付週期是幾天、能處理哪些金流串接。這些資訊要以 agent 可讀的格式存在。

報價流程需要半自動化。 如果對方的 agent 在凌晨三點來詢價，你的 agent 要能基於預設規則回覆初步報價。不用完全自動化（複雜專案還是需要人看），但至少初步篩選和報價不能只在上班時間運作。

信任機制需要重新設計。 人類業務員靠關係和口碑建立信任。Agent-to-agent 的世界裡，信任來自可驗證的紀錄：過去的專案交付時間跟承諾的差異、客戶 NPS 分數、程式碼品質指標、SLA 達成率。這些需要有第三方可驗證的機制。

技術深潛：UCP 的分層架構

UCP 的設計參考了 TCP/IP 的分層邏輯，把電商交易拆成獨立演進的層級：

Transport 層支援四種協議：REST（HTTPS+JSON，通用性最高）、MCP（讓 LLM agent 直接呼叫 UCP 的 tools）、A2A（agent 之間直接通訊）、AP2（AI 自主完成付款時的密碼學授權）。

商家不需要實作所有層級。一個只賣 T-shirt 的小店可能只需要 Catalog + Checkout capability。一個 B2B 批發商可能需要 Catalog + Checkout + Orders + 自訂的 net-30 付款條款 extension。Agent 會讀取商家的 UCP manifest 來判斷能做什麼。

Shopify 的 VP of Product Vanessa Lee 在 Winter '26 Edition 的發布中提到，他們花了 20 多年理解全球商業的複雜性，UCP 的設計就是要模擬這個複雜性而不是簡化它。Google 的 Merchant Shopping VP/GM Ashish Gupta 在同一場合說，UCP 提供了跨生態系的共通語言，讓 agent、商家、支付服務商可以用一致的方式溝通。

數據快照：Agentic Commerce 的市場規模

我們從實作中學到的五件事

1. 不要低估資料治理的工作量。 我們原本預估 20% 的時間花在資料，實際花了 40%。商品描述不一致、庫存同步有延遲、metafield 命名混亂，這些都會讓 agent 出錯。AI agent 是字面意義上的照規格辦事，資料品質直接等於 agent 品質。

2. Storefront MCP 的 Knowledge Base 功能被嚴重低估。 Shopify 讓商家透過 Knowledge Base App 管理退換貨政策、FAQ、品牌語調。Agent 會用這些資料來回答消費者問題。設定得好，agent 的回覆品質可以超過大多數客服人員。設定得差，agent 會給出跟品牌完全不搭的回覆。

3. Claude Opus 4.6 的 adaptive thinking 在結帳流程裡省了很多 token。 簡單的加到購物車操作不需要深度推理，複雜的折扣堆疊和配送選項計算需要。Adaptive thinking 讓模型自己判斷什麼時候需要「多想一下」，不用我們手動設定每一步的 thinking budget。

4. 人機交接點的設計是最難的部分。 UCP 有一個 checkout status 叫 requires_human，代表這筆交易有些環節需要人類介入（例如法規要求、商家政策、或 agent 能力不足的情況）。設計什麼時候觸發 requires_human，以及觸發後的使用者體驗要怎麼接，比寫 agent 邏輯本身還複雜。

5. Agent-to-agent 的測試很難寫。 傳統的 API 測試有固定的 request/response 模式。Agent-to-agent 的互動是動態協商的，同樣的起始條件可能走出不同的對話路徑。我們最後改用基於結果的測試（交易有沒有完成、金額對不對、時間有沒有在 SLA 內），而不是基於路徑的測試。

Shopify Storefront AI Agent 到底是什麼？

Shopify Storefront AI Agent 是一種透過 Storefront MCP 跟 Shopify 商店直接溝通的 AI 程式。它可以搜尋產品、查詢政策、管理購物車、引導結帳，全部透過結構化的 API 完成，不是在網頁上模擬點擊。Shopify 在 Hydrogen 2026.1.4 版本後，預設啟用 Storefront MCP proxy，所有 Hydrogen 商店自動成為 AI agent 可互動的 commerce endpoint。

UCP 跟 MCP 有什麼差別？

UCP（Universal Commerce Protocol）是定義 AI agent 如何跟商家交易的開放標準，涵蓋從產品發現到結帳到售後的完整商業生命週期。MCP（Model Context Protocol）是 UCP 的傳輸協議之一，讓 LLM-based 的 agent 可以直接呼叫 UCP 定義的 tools。簡單說，UCP 定義「做什麼」，MCP 是「怎麼傳」的方式之一。UCP 同時也支援 REST、A2A 和 AP2 等其他傳輸方式。

非 Shopify 的商家怎麼辦？

UCP 是開放標準，BigCommerce、Adobe Commerce、Salesforce 都已經背書。但目前原生支援最完整的是 Shopify 的 Agentic Storefronts，只要在後台開啟就能用。非 Shopify 商家需要自行實作 UCP 的 Shopping Service 和相關 capabilities，目前 Google 有提供 Python 參考實作可以參考。

建一個 Storefront AI Agent 需要多少預算？

我們的經驗是：對一個已經有 Hydrogen storefront 的中型品牌，從規劃到上線大約需要 6-10 週，包含資料清理（占比最大）、agent 邏輯開發、UCP capability 設定、安全審核和測試。Claude Opus 4.6 的 API 成本取決於交易量，以每天 1,000 筆 agent 互動估算，每月 API 費用大約在 USD 500-2,000（約 NTD 16,000-64,000）之間，視每次互動的 token 用量而定。

Agent-to-Agent B2B Commerce 什麼時候會普及？

基礎協議已經到位（UCP 的 A2A transport），技術能力也到位（Claude Opus 4.6 可以執行 14 小時以上的 agentic task）。瓶頸在商業信任機制。B2C 場景裡 agent 代替消費者下單，風險可控。B2B 場景裡 agent 代替企業簽約，涉及的法律責任、合規要求、金額規模都不同。Forrester 預測到 2028 年近九成的 B2B 採購會有 AI agent 介入，但「介入」不等於「全自動」。比較實際的時間表是：2026-2027 年半自動化（agent 做初步篩選和報價，人類做最終決策），2028-2029 年高度自動化（例行性採購由 agent 全程處理）。

引用來源

• Shopify — Universal Commerce Protocol (UCP) Architecture
• Shopify — Agentic Commerce at Scale Announcement
• Google Developers Blog — Under the Hood: Universal Commerce Protocol
• Anthropic — Introducing Claude Opus 4.6
• commercetools — Agentic Commerce in B2B: From Efficiency to Autonomy
• Shopify — Winter '26 Edition Developer Platform

Author Insight

我們團隊在替客戶建 Shopify Storefront AI agent 的過程中，最大的體悟不是技術門檻高（Claude Opus 4.6 + Shopify MCP 的整合其實比想像中順），而是商業邏輯的重新定義。當 agent 可以代替人做交易時，「客戶關係」的定義就變了。過去代理商跟客戶的關係靠人際互動維繫，未來一部分的關係會變成「你的 agent 跟我的 agent 合作過幾次、品質如何、回應速度多快」。這不是取代人類關係，但確實是在關係的底層多了一層 machine-readable 的信任紀錄。

我個人覺得最讓人不安的不是技術本身，而是速度。UCP 從公告到有 20 多家企業背書只花了幾個月。Hydrogen 從不支援 Storefront MCP 到預設啟用只隔了一個版本更新。Agent teams 從概念到 production-ready 在 Opus 4.6 直接隨附。每一個環節都在加速，而大多數 agency 還在用 email 接案子。

如果你的 B2B 服務有標準化的定價和交付流程，建議現在就開始把能力目錄結構化，至少讓 agent 可以讀取。不需要一步到位做成全自動，但「可被 agent 發現」是最基本的起步。

Tenten 是台灣第一批在 production 環境用 Claude Code 和 Claude Opus 4.6 建 Shopify Storefront AI agent 的團隊。如果你在評估 agentic commerce 的導入策略，或者想了解你的 Shopify 商店怎麼接入 UCP 生態系，歡迎跟 Tenten 團隊預約諮詢。