La mayoría de los equipos que crean un asistente de compras o un agente reconstruyen el mismo andamiaje: un bucle de agente, una capa de herramientas sobre el catálogo, una puerta de aprobación y un conjunto de evaluación. Anthropic ahora ha lanzado ese andamiaje como código. Esta semana publicaron anthropics/commerce-agents, un modelo de referencia que contiene un agente de compras y un agente comercial, junto con cuatro verticales ejecutables: comercio minorista, viajes, telecomunicaciones y entretenimiento. Se envía junto con dos artículos: un anuncio de producto y una inmersión profunda en ingeniería, una guía sobre la anatomía de agentes comerciales eficaces.
¿Es desplegable? Sí. El repositorio es Apache 2.0, se ejecuta localmente en Python 3.11+ y Node 22 con ANTHROPIC_API_KEY, y los tiempos de ejecución aceptan cualquier cliente antrópico, por lo que el mismo código se implementa en Claude API, Amazon Bedrock, Microsoft Foundry o Google Cloud Vertex AI.
los dos agentes
El agente de compras vive dentro de la propia aplicación del comerciante. Busca en el catálogo, maneja solicitudes de varios artículos, compara opciones, crea el carrito y responde pedidos y devuelve preguntas en la misma conversación. Sus cinco habilidades son búsqueda-descubrimiento, compra-investigación, planificación-metas, atención al cliente y memoria-personalización. Una implementación implementa un StorefrontBackend sobre sus sistemas de catálogo, carrito, pedidos y políticas.
El agente comercial brinda apoyo al personal de la tienda: preguntas sobre el desempeño de las ventas, alertas de inventario, recomendaciones de precios y promociones, y borradores de campaña. Sus habilidades son información sobre el rendimiento, listados de catálogos, operaciones de inventario, promociones de precios y campañas de marketing, a través de un MerchantBackend.
Ambos se ejecutan de tres maneras: la API de mensajes, el SDK de Claude Agent y los agentes administrados de Claude (beta), desde una definición de indicaciones, habilidades, contratos de herramientas y puertas. Un complemento de Claude Code, Commerce-Builder, crea un nuevo agente (/scaffold-commerce-agent) o revisa uno existente (/review-commerce-agent).
Habilidades, no subagentes
El reclamo arquitectónico es la parte más transferible. Anthropic argumenta en contra de un enrutador de intención y en contra de un subagente por dominio. Una sesión de comercio es una conversación estrechamente acoplada, y cada transferencia genera pérdidas de estado: el orquestador posee el carrito, las preferencias y el historial, y cada transferencia puede costar varias veces los tokens y agregar segundos de latencia. Los dominios también se superponen, un flujo de devoluciones necesita el historial de pedidos, el carrito y el catálogo a la vez.
Las habilidades de los agentes brindan la misma modularidad sin ese impuesto, porque las instrucciones de habilidades se cargan en el agente que ya tiene el historial. En varias implementaciones empresariales, Anthropic informa que un solo agente con habilidades supera tanto al diseño de un gran mensaje como al diseño de subagente en calidad, a menudo con menor costo y latencia. Los subagentes todavía se ganan un lugar para trabajos limitados y autónomos, como la investigación profunda.
La división entre indicaciones y habilidades se decide según la frecuencia: aproximadamente un tercio o más del tráfico va a las indicaciones del sistema y el resto a las habilidades. Las reglas de seguridad, las limitaciones de la marca y los datos clave del usuario siempre aparecen en el mensaje.
La mayoría de las respuestas comerciales son componentes, no prosa. En lugar de solicitar al modelo que emita etiquetas personalizadas, el plano convierte cada componente en una herramienta (present_products, present_itinerary, present_plan_comparison) con argumentos escritos que el servidor valida antes de que el cliente los procese. Debido a que esas llamadas se ubican de forma nativa en la matriz de mensajes, la recarga del historial no necesita un analizador personalizado y el agente puede resolver “el primer hotel” de la última llamada de presentación. Para la transmisión a nivel de token, ansioso_input_streaming: true omite el almacenamiento en búfer del lado del servidor y su garantía de esquema.
Explicador: las cinco decisiones, interactivo.
Una respuesta renderizada ejecuta entre 500 y 700 tokens de salida, lo que sin transmisión equivale a cinco segundos de giro. Anthropic separa la latencia de extremo a extremo de la latencia percibida, transmite los componentes a medida que se forman y representa líneas de progreso en lenguaje sencillo. El envío ansioso de herramientas (ejecutar cada llamada cuando sus argumentos terminan de transmitirse, el SDK del agente predeterminado) supuestamente reduce las brechas de varios segundos a unos pocos cientos de milisegundos.
El almacenamiento en caché rápido es la principal palanca de costos. Las solicitudes se ordenan global → sesión → volátil, ya que el almacenamiento en caché se basa en prefijos y una marca de tiempo en la parte superior del indicador del sistema rompe el caché en cada solicitud. Las lecturas en caché cuestan una décima parte de los tokens nuevos, las escrituras en caché tienen una prima de ~1,25 veces y las mejores implementaciones se ejecutan con tasas de acierto del 90% al 99%. La extracción de memoria se ejecuta de forma asíncrona en un proceso independiente; Anthropic midió un 13% más de recuerdo de hechos que una herramienta de guardado por turnos.
¿Necesita asociarse con nosotros para promocionar su repositorio de GitHub O su página principal de Hugging O su lanzamiento de producto O seminario web, etc.? Conéctate con nosotros