Claude로 커머스 에이전트 만들기: Anthropic 블루프린트 공개

Who Should Read

쇼핑몰·여행·티켓팅 서비스에 대화형 구매 에이전트를 붙이려는 백엔드 개발자

Core Mechanics

• 쇼핑·판매자 에이전트 둘 다 제공
  • 블루프린트는 shopping agent와 merchant agent 구현체를 담은 저장소다.
  • 리테일, 여행, 통신, 티켓팅 플랫폼용 레퍼런스 구현이 있다.
  • Claude Code 플러그인도 함께 들어 있다.
• Messages API·Agent SDK 중 골라 쓴다
  • Messages API, Agent SDK, Claude Managed Agents(베타)로 만들 수 있다.
  • Claude API, Amazon Bedrock, Microsoft Foundry, Google Cloud Vertex AI에 배포한다.
• 쇼핑 에이전트는 구매 직전까지 맡는다
  • 카탈로그, 장바구니, 체크아웃, 고객 선호, 주문 내역과 연결하는 지점이 들어 있다.
  • 결제는 포함하지 않고 기존 체크아웃이나 에이전틱 결제 업체에 맡긴다.
  • 같은 대화에서 주문 위치, 반품, 환불 정책 질문에도 답한다.
• 가격·상품은 카탈로그 데이터로 묶는다
  • 가격과 상품을 실제 카탈로그 데이터로 제한하는 가드레일이 있다.
  • 조작적인 업셀 패턴은 피하도록 설계했다고 한다.
• 판매자 에이전트는 사람이 승인해야 반영된다

Community Reactions

• 수치 자랑이 불편하다는 의견
  • 장바구니 35%↑를 자랑하는 건 다크패턴의 연장이라는 의견이 있었다.
  • 판매자 이익을 위해 사람처럼 구는 AI가 문제라는 지적이다.
• 구매자 편 에이전트를 원한다는 의견
  • 상점이 실시간 카탈로그를 RAG 엔드포인트로 열고 내 에이전트가 탐색하길 원한다는 의견이 있었다.
  • 벤더가 통제하는 에이전트는 이해가 상충한다는 주장이다.
• 에이전트 위치가 이상하다는 지적
  • 구매 에이전트를 판매자 앱 안에 두는 게 업계 기대와 반대라는 의견이 있었다.
  • 별도 LLM 챗에서 상품 탐색이 이뤄질 거라는 시각이다.
• 예시와 안전성에 대한 우려
  • 9살 아이에게 나무 블록을 추천한 예시가 어색하다는 의견이 있었다.
  • 환불·재가격 지시가 담긴 구매자 메시지가 컨텍스트에 들어가는 것 자체가 위험하다는 지적이다.
  • 결제처럼 결정적이어야 하는 영역에 AI가 왜 필요하냐는 반론도 있었다.

How to Apply

• 저장소 포크해서 데모부터 돌리기
  • 오늘 github.com/anthropics/commerce-agents를 포크하고 쇼핑 에이전트를 로컬에서 실행하라.
  • 데모 구조와 skills·tools 구성을 읽어라.
• Claude Code로 우리 카탈로그에 맞추기
  • 우리 카탈로그, 정책, 브랜드를 Claude Code에 알려주고 커스터마이즈를 시켜라.
  • 가격·상품이 카탈로그 데이터에서만 나오는지 확인하라.
• 변경 제안에는 사람 승인 단계 넣기
  • 가격 변경이나 프로모션을 에이전트가 제안하면 담당자 승인 후 반영되게 만들어라.
  • 결제는 기존 체크아웃에 그대로 두라.

Try It

# Claude Code에 붙여넣기 (저장소를 클론한 폴더에서 실행)

git clone https://github.com/anthropics/commerce-agents

이 저장소의 shopping agent 구조를 읽고 설명해줘.
우리 카탈로그: {{카탈로그 형식·API}}
우리 정책: {{반품·환불 정책}}

이 카탈로그에 맞게 shopping agent를 바꾸는 계획을 먼저 보여줘.
가격과 상품 정보가 카탈로그 데이터에서만 나오는 부분을 따로 표시해줘.

이어서 해 볼 것: 같은 요청을 한 번 더 실행해서 다른 설계가 나오는지 비교해 보기

Terminology

관련 논문

• 같은 시뮬레이션, 다른 근거: 도구 출력을 파일로 넘기면 LLM 에이전트 정확도가 어디서 깎이나

  긴 툴 출력을 파일로 넘기자 GPT-5.1은 정확도 11.3%p 하락, 정식 출력 지정하니 회복

• 가짜 뉴스가 진짜 폭락을: LLM 트레이딩 에이전트 대상 정보 주입 공격

  가짜 헤드라인 한 줄로 LLM 트레이딩 에이전트 62%를 조종했다(프롬프트 주입은 14%)

• Harness Engineering 101: LLM은 뇌, harness는 몸

  에이전트는 JSON 배열을 관리하는 루프이고, 16개 챕터로 직접 만들어 본다

• Harness²: 에이전트 harness를 스스로 고쳐 쓰는 재귀 최적화 프레임워크

  모델은 고정하고 harness를 재귀로 고쳤더니 벤치마크 점수가 최대 11.8%p 올랐다

• 해고된 Savannah 경찰관, ICE 요원 남편에게 Flock 계정 공유

  경찰관이 Flock 계정을 남편(ICE 요원)에게 공유했고, 감사에서 983건 검색이 드러나 해고됐다

• tmux와 Claude Code: 세션, send-keys, 그리고 한계선

  tmux로 Claude Code 여러 개를 돌리면 편하지만 에이전트 4개쯤에서 한계가 온다

• Hybrid Reasoning Agents: 잠재 공간에서 생각하고 텍스트로 행동하는 LLM 에이전트

  잠재 공간 추론과 텍스트 도구 호출을 섞었더니 성능 10.4%↑, 토큰 최대 54.7%↓

Related Resources

• https://claude.com/blog/claude-for-commerce-agents
• https://github.com/anthropics/commerce-agents
• https://claude.com/blog/the-anatomy-of-effective-commerce-agents
• https://claude.com/solutions/commerce