Die Unternehmensgeschichte rund um generative KI ist an einem heiklen Scheideweg angelangt. Tech-Führungskräfte versprechen regelmäßig eine unmittelbar bevorstehende, reibungslose Realität, in der autonome Software program-Agenten die Komplexität des Unternehmensverkaufs steuern, Kundenabgänge vorhersagen und Markteinführungspipelines ohne menschliches Eingreifen verwalten.

Doch hinter den raffinierten Marketingpräsentationen und hochkarätigen Keynotes kommt eine völlig widersprüchliche technische Wahrheit zum Vorschein.

Die aggressive Ausrichtung der Branche auf grundlegende Sanitär-Frameworks, insbesondere das Mannequin Context Protocol (MCP) von Anthropic, ist der eindeutige Beweis für einen großen architektonischen Mangel. Große Sprachmodelle arbeiten trotz ihres milliardenschweren Trainingsbudgets und ihrer bemerkenswerten Sprachkompetenz im Wesentlichen in einem Informationsvakuum. Sie können echte kommerzielle Operationen nicht alleine durchführen, weil ihnen der Zugang zu strukturierten, realen Kontexten fehlt.

Diese zentrale Herausforderung wurde kürzlich offengelegt Präsentation zur Produkteinführung von EvoLusha 2026das als struktureller Katalysator für diese architektonische Neubewertung diente.

Während der Keynote Lusha CEO Yoni Tserruya signalisierte ausdrücklich das Ende der spekulativen KI-Einführung in Unternehmen und erklärte: „Die KI-Pilotphase ist vorbei. KI ist kein Werkzeug mehr, mit dem Unternehmen spielen; sie erledigt jetzt die eigentliche Arbeit.“

Er warnte davor, dass es nicht mehr um kurzfristige Risiken geht, und fügte hinzu: „Unternehmen, die ihre Agenten-Workflows auf den richtigen Grundlagen aufbauen, werden mehr Geschäfte abschließen, schneller wachsen und sich einen Umsatzvorteil aufbauen, den ihre Konkurrenten einfach nicht schließen können. Diese Lücke wird sich zu einem strukturellen und nicht zu einem vierteljährlichen, sondern zu einem dauerhaften Vorteil entwickeln.“

Der Vortrag verdeutlichte jedoch gleichzeitig, warum große Sprachmodelle diese Arbeit nicht isoliert leisten können. Um die Lücke zwischen Textgenerierung und Unternehmensausführung zu schließen, kündigte Lusha eine tiefe operative Integration mit dem Open-Supply-Normal von Anthropic an und verbindet seine umfangreichen kommerziellen B2B-Datenschichten über MCP direkt mit grundlegenden Modellen wie Claude. Die Notwendigkeit einer solchen Allianz wird zwar als wichtiger Meilenstein für die autonome Produktivität dargestellt, zeigt jedoch, dass der moderne Stack für künstliche Intelligenz vollständig auf zentralisierte Datenbanken der alten Schule angewiesen ist, um wirklich nützlich zu sein.

Die architektonische Phantasm der Selbstversorgung

Diese architektonische Abhängigkeit stellt die Vorstellung, dass grundlegende Modelle autarke kognitive Systeme sind, grundsätzlich in Frage. Entfernen Sie die Echtzeit-Suchmaschinen und alten Datenstrukturen, und ein fortschrittliches Unternehmensmodell beschränkt sich darauf, Unternehmenstelefonnummern zu erraten und frühere Beschäftigungsverläufe zu erfinden. Der kommerzielle Wert ergibt sich nicht aus der generativen Engine selbst, sondern aus den rohen, verifizierten Datenbankregistern, die Softwareunternehmen lange vor dem aktuellen Technologieboom jahrzehntelang erstellt haben.

Marktanalysten haben zunehmend festgestellt, dass eigenständige Modelle aufgrund des Mangels an internem Speicher und Echtzeiterkennung zu einer Belastung für präzise Unternehmensfunktionen werden. Laut einer Auswertung von Gartner über 50 % der unternehmensweiten generativen KI-Projekte Aufgrund schlechter Datenqualität und der Unfähigkeit der Modelle, ihre Ergebnisse auf authentischem Organisationswissen zu stützen, kommt es bei der Umsetzung zu Verzögerungen oder gar zum Scheitern. Dieses systemische Downside verdeutlicht, warum der Technologiesektor bestrebt ist, sichere Brücken zwischen Rohtextgeneratoren und starren, deterministischen Aufzeichnungssystemen zu bauen.

Diese Dynamik offenbart ein klares Ungleichgewicht im aufstrebenden Technologie-Ökosystem. Entwickler grundlegender Modelle haben enorme Kapitalsummen absorbiert, indem sie behaupteten, eine souveräne Softwareschicht zu schaffen, die in der Lage ist, menschliche Arbeitsabläufe zu überdenken. Der praktische Einsatz dieser Instruments zeigt jedoch ein anderes Bild.

Bei der Anwendung auf die tatsächliche Umsatzgenerierung fungiert ein Agent für künstliche Intelligenz lediglich als versatile Schnittstelle in natürlicher Sprache, die auf herkömmlichen, strukturierten Datenrepositorys aufsetzt. Es fungiert als eleganter Übersetzer, der Konversationsbefehle in Datenbankabfragen umwandelt und Zeilen- und Spaltenausgaben wieder in geschriebene Absätze umwandelt.

Wie Ben Harten-Beilis, Core Expertise Product Director bei Lusha, während der Übertragung betonte, führt die bloße Ausrichtung eines Rohmodells auf ein Marktsegment zu einem erheblichen operativen Versagen: „Die Vertriebsmitarbeiter hatten zwar Hear, aber keinen Grund, anzurufen. Sie haben 5.000 ICP-taugliche Kontakte abgerufen und völlig kalt gesprengt. Niedrige Verbindungsraten, verbrannte Kontakte – die Vertriebsmitarbeiter waren völlig demoralisiert.“

Was Unternehmensbetreiber wirklich brauchen, sind laut Harten-Beilis „Leads mit einem guten Grund, Leads, die tatsächlich konvertieren.“ Die eigentliche operative Schwerarbeit liegt weiterhin bei den Datenanbietern, die die reale Validierung, Compliance-Prüfung und kontinuierliche Registrierungsaktualisierungen verwalten.

Die Industrialisierung automatisierter Fehler

Die betriebliche Realität moderner Income-Operations-Groups unterstreicht diese Abhängigkeit von externen Daten noch mehr. Seit Jahren kämpfen Vertriebsprofis mit unorganisierten Plattformen für das Kundenbeziehungsmanagement, veralteten Kontaktdatensätzen und widersprüchlichen Marktindikatoren. Die Einführung der sprachlichen Automatisierung löst diese strukturellen Probleme nicht automatisch; Stattdessen besteht die Gefahr, dass sich die Verbreitung ungenauer Informationen im industriellen Maßstab beschleunigt.

Wenn ein autonomes System angewiesen wird, anhand ungeprüfter Daten eine Zielkontoliste zu erstellen oder personalisierte Nachrichten zu verfassen, automatisiert es Fehler einfach schneller, als es ein menschlicher Bediener jemals könnte. Berichte verschiedener Kommentatoren und Veröffentlichungen betonen, dass die Der Unternehmensmarkt verlagert sich weg von allgemeiner „Wrapper“-Software program hin zu tiefgreifenden Infrastrukturintegrationen, gerade weil sich Unternehmen das Reputationsrisiko nicht leisten können, dass KI-Halluzinationen in ihre kundenorientierten Kommunikationskanäle eindringen. Dieses Risiko erklärt, warum Unternehmenskäufer Anzeichen einer Erschöpfung in Bezug auf rein generative Instruments zeigen und Technologieanbieter dazu zwingen, nach sicheren, überprüfbaren Datenintegrationen zu suchen, um ihre Marktbewertungen zu schützen.

Diese Realität hat zu einem Wandel in der Artwork und Weise geführt, wie Vertriebsautomatisierungstools entwickelt und vermarktet werden. Der Fokus liegt weg von generischen Chat-Schnittstellen und hin zu hochspezifischen, signalgesteuerten Datenarchitekturen. Unternehmenslösungen betonen jetzt unterschiedliche Betriebsebenen, die die inhärenten Einschränkungen von Standardtextmodellen kompensieren sollen.

Während der Präsentation erläuterte Lusha, wie sie diese Angebote in zwei spezifische Systeme segmentiert haben. Tserruya erklärte, dass die erste Schicht „unsere Kerndaten sind; wir nennen sie die Suchschicht. Diese Daten sind universell, umfassend und objektiv und umfassen alles, was in der Geschäftswelt passiert. Die zweite Schicht sind die tiefgreifenden Informationen. Diese Schicht ist einzigartig für Ihr Unternehmen. Unsere KI lernt Ihren Kontext, Ihre Kunden, Ihre Muster und Ihre Geschäfte.“

Diese zweischichtige Struktur existiert genau deshalb, weil rohe Sprachmodelle diese sich schnell verändernden kommerziellen Realitäten nicht beibehalten oder unabhängig überprüfen können.

Die Realität kontrollierter Autonomie

Darüber hinaus verändert dieser Integrationstrend unser Verständnis von Softwareautonomie innerhalb des Unternehmens. Technikbegeisterte beschreiben oft eine Zukunft, in der automatisierte Software program komplexe Aufgaben routinemäßig isoliert erledigt. Tatsächliche Implementierungen zeigen jedoch eine kontrolliertere, kollaborativere Umgebung.

Eine aktuelle Studie veröffentlicht von der MIT Know-how Overview weist darauf hin, dass automatisierte Agenten zwar die Again-Workplace-Datensynthese effizient durchführen können, die Anwesenheit eines „Menschen in der Schleife“ jedoch weiterhin von entscheidender Bedeutung ist, um Betriebsabweichungen zu verhindern und die Einhaltung von Datenschutzbestimmungen wie der DSGVO aufrechtzuerhalten. Während automatisierte Systeme Datenbankänderungen erfolgreich überwachen, Kontaktdaten mit Querverweisen versehen und erste Mitteilungen generieren können, bleibt die menschliche Aufsicht ein kritischer betrieblicher Engpass.

Lushas Keynote demonstrierte diese Realität direkt und zeigte, dass seine Systeme menschliche Bediener nicht umgehen; Stattdessen liefern sie organisierte Zusammenfassungen, Personalbestandsdifferenzen und vorgefertigte Antworten an ein Dashboard oder einen Kommunikationskanal wie Slack zur abschließenden Überprüfung vor der Bereitstellung.

Tserruya legte Wert darauf, diese Sichtbarkeit hervorzuheben, um vorsichtige Unternehmenskäufer zu beruhigen, und erklärte: „Es handelt sich nicht um eine Black Field. Sie haben immer die Kontrolle. Sie können die Gründe erkennen und sie an Ihre Bedürfnisse anpassen.“ Dieser hybride Ansatz ist ein offenes Eingeständnis, dass vollständig autonome Unternehmenssoftware zu unvorhersehbar bleibt, als dass man ihr direkte, unüberwachte Kundeninteraktionen anvertrauen könnte.

Diese Entwicklung rückt die wahre Wirtschaftsstruktur der modernen Softwarelandschaft stärker in den Fokus. Der wahre Wert liegt nicht in der generischen Rechenschicht, die sich schnell zu einer Massenressource entwickelt, die durch sinkende Kosten und starken Wettbewerbsdruck gekennzeichnet ist. Stattdessen konzentriert sich der strategische Wert auf proprietäre, intestine gepflegte Datenökosysteme, die durch Internet-Scraping-Algorithmen nicht einfach repliziert werden können.

Finanzanalysen von Bloomberg und anderen deuten darauf hin, dass Kapitalinvestitionen zunehmend in Unternehmen fließen, die über einzigartige, proprietäre Datensätze verfügen, da die Margen für reine Rechenleistung und Basissprachmodelle in einem zunehmend überfüllten Markt immer weiter schrumpfen.

Die offene Standardisierung von Kommunikationsprotokollen wie dem Anthropic-Framework ermöglicht einen ungehinderten Fluss von Unternehmensdaten in verschiedene Produktivitätstools, stärkt aber gleichzeitig die Dominanz der zugrunde liegenden Dateneigentümer. Die Sprachmodelle selbst werden zu hocheffizienten Versorgungsleitungen, während die Entitäten, die die verifizierten Daten liefern, die wahren Schlüssel zur Unternehmensausführung innehaben.

Auf dem Weg zu einem pragmatischen Gleichgewicht

Letztendlich bewegt sich die technische Entwicklung von Unternehmenssoftware in Richtung eines pragmatischeren Gleichgewichts. Die anfängliche Begeisterung für unabhängige, eigenständige künstliche Intelligenz weicht der Erkenntnis, dass sprachliche Beherrschung etwas anderes ist als tatsächliches operatives Wissen.

Wie Tserruya bei der Produkteinführung abschließend feststellte, beruht der Weg nach vorn ausschließlich auf der Verknüpfung reiner Intelligenz mit strukturierten Grundlagen: „Die Suchschicht stellt Ihren Agenten die Daten zur Verfügung – universell, verifiziert, in Echtzeit … Durch die Zusammenarbeit hinter den Kulissen unterstützen sie nicht nur Ihre Agenten; sie machen jeden Mitarbeiter produktiver.“

Die Zukunft der Geschäftsautomatisierung wird nicht durch eine einzige, allwissende Software program-Engine definiert, die die bestehende Unternehmensinfrastruktur ersetzt. Vielmehr wird es wie ein hochgradig vernetztes Netzwerk spezialisierter Instruments aussehen, in dem moderne Schnittstellen in natürlicher Sprache systematisch an die präzisen, unscheinbaren Unternehmensdatenbanken gebunden sind, die die Softwareindustrie seit einer Technology verankert haben.

Google hat das offiziell veröffentlicht Colab MCP-Servereine Implementierung des Mannequin Context Protocol (MCP), die es KI-Agenten ermöglicht, direkt mit der Google Colab-Umgebung zu interagieren. Diese Integration geht über die einfache Codegenerierung hinaus, indem sie Agenten programmgesteuerten Zugriff zum Erstellen, Ändern und Ausführen von Python-Code in in der Cloud gehosteten Jupyter-Notebooks bietet.

Dies stellt einen Wandel von der manuellen Codeausführung zur „agentischen“ Orchestrierung dar. Durch die Übernahme des MCP-Requirements ermöglicht Google jedem kompatiblen KI-Shopper – ​​einschließlich Claude Code von Anthropic, der Gemini CLI oder benutzerdefinierten Orchestrierungs-Frameworks –, ein Colab-Pocket book als Distant-Laufzeit zu behandeln.

Das Mannequin Context Protocol (MCP) verstehen

Das Mannequin Context Protocol ist ein offener Customary, der das „Silo“-Downside in der KI-Entwicklung lösen soll. Traditionell ist ein KI-Modell von den Instruments des Entwicklers isoliert. Um diese Lücke zu schließen, mussten Entwickler benutzerdefinierte Integrationen für jedes Instrument schreiben oder Daten manuell zwischen einer Chat-Schnittstelle und einer IDE kopieren und einfügen.

MCP bietet eine universelle Schnittstelle (häufig unter Verwendung von JSON-RPC), die es „Shoppers“ (dem KI-Agenten) ermöglicht, eine Verbindung zu „Servern“ (dem Instrument oder der Datenquelle) herzustellen. Durch die Veröffentlichung eines MCP-Servers für Colab hat Google die internen Funktionen seiner Pocket book-Umgebung als standardisierten Satz von Instruments offengelegt, die ein LLM autonom „aufrufen“ kann.

Technische Architektur: Die Native-to-Cloud-Brücke

Der Colab MCP Server fungiert als Brücke. Während der KI-Agent und der MCP-Server oft lokal auf dem Rechner eines Entwicklers laufen, erfolgt die eigentliche Berechnung in der Cloud-Infrastruktur von Google Colab.

Wenn ein Entwickler einen Befehl an einen MCP-kompatiblen Agenten erteilt, folgt der Workflow einem bestimmten technischen Pfad:

1. Anweisung: Der Benutzer fordert den Agenten auf (z. B. „Analysieren Sie diese CSV und erstellen Sie ein Regressionsdiagramm“).
2. Werkzeugauswahl: Der Agent erkennt, dass er die Colab MCP-Instruments verwenden muss.
3. API-Interaktion: Der Server kommuniziert mit der Google Colab API, um eine Laufzeit bereitzustellen oder eine vorhandene zu öffnen .ipynb Datei.
4. Ausführung: Der Agent sendet Python-Code an den Server, der ihn im Colab-Kernel ausführt.
5. Standing-Suggestions: Die Ergebnisse (Standardausgabe, Fehler oder Wealthy Media wie Diagramme) werden über den MCP-Server an den Agenten zurückgesendet, was ein iteratives Debugging ermöglicht.

Kernkompetenzen für KI-Entwickler

Der colab-mcp Die Implementierung stellt einen spezifischen Satz von Instruments bereit, mit denen Agenten die Umgebung verwalten. Für Entwickler ist das Verständnis dieser Grundelemente für die Erstellung benutzerdefinierter Arbeitsabläufe unerlässlich.

• Pocket book-Orchestrierung: Agenten können das verwenden Notesbook Instrument zum Erstellen einer neuen Umgebung von Grund auf. Dazu gehört die Möglichkeit, das Dokument mithilfe von Markdown-Zellen für die Dokumentation und Code-Zellen für die Logik zu strukturieren.
• Codeausführung in Echtzeit: Durch die execute_code Mit dem Instrument kann der Agent Python-Snippets ausführen. Im Gegensatz zu einem lokalen Terminal erfolgt diese Ausführung innerhalb der Colab-Umgebung unter Nutzung der Again-Finish-Computing- und vorkonfigurierten Deep-Studying-Bibliotheken von Google.
• Dynamisches Abhängigkeitsmanagement: Wenn eine Aufgabe eine bestimmte Bibliothek erfordert, z tensorflow-probability oder plotlykann der Agent programmgesteuert ausführen pip set up Befehle. Dadurch kann der Agent die Umgebung basierend auf den Aufgabenanforderungen selbst konfigurieren.
• Persistente Zustandsverwaltung: Da die Ausführung in einem Pocket book erfolgt, ist der Standing dauerhaft. Ein Agent kann in einem Schritt eine Variable definieren, im nächsten ihren Wert prüfen und diesen Wert verwenden, um die nachfolgende Logik zu informieren.

Einrichtung und Implementierung

Der Server ist über erreichbar googlecolab/colab-mcp Repository. Entwickler können den Server mit ausführen uvx oder npxder die Ausführung des MCP-Servers als Hintergrundprozess übernimmt.

Für Entwickler, die Claude Code oder andere CLI-basierte Agenten verwenden, umfasst die Konfiguration normalerweise das Hinzufügen des Colab-Servers zu einem config.json Datei. Sobald die Verbindung hergestellt ist, wird die „Systemeingabeaufforderung“ des Agenten mit den Funktionen der Colab-Umgebung aktualisiert, sodass er überlegen kann, wann und wie die Cloud-Laufzeitumgebung verwendet werden soll.

---

Kasse Repo Und Technische Particulars. Sie können uns auch gerne weiter folgen Twitter und vergessen Sie nicht, bei uns mitzumachen 120.000+ ML SubReddit und Abonnieren Unser Publication. Warten! Bist du im Telegram? Jetzt können Sie uns auch per Telegram kontaktieren.

Können KI-Procuring-Agenten über das Versenden von Produktlinks hinausgehen und tatsächlich vertrauenswürdige Käufe Ende-zu-Ende in einem Chat abschließen? Common Commerce Protocol (UCP) ist Googles neuer offener Commonplace für Agent Commerce. Es gibt KI-Agenten und Händlersystemen eine gemeinsame Sprache, sodass eine Einkaufsabfrage von der Produktfindung zu einer authentifizierten Bestellung übergehen kann, ohne dass für jeden Einzelhändler und jede Oberfläche individuelle Integrationen erforderlich sind.

Welches Drawback löst UCP??

Heutzutage hören die meisten KI-Einkaufserlebnisse bei der Empfehlung auf. Der Agent aggregiert Hyperlinks, Sie kümmern sich um Bestandsprüfungen, Gutscheincodes und Checkout-Abläufe auf separaten Web sites. Das Entwicklungsteam von Google beschreibt dies als einen N-by-N-Integrationsengpass. Jede neue Konversationsoberfläche erfordert separate Arbeit von jedem Händler und Zahlungsanbieter.

UCP fasst das auf eine Abstraktion zusammen. Plattformen wie Gemini oder AI Mode in Search integrieren sich einmalig in das Protokoll. Unternehmen legen ihr Handelsverhalten hinter UCP offen. Zahlungsdienstleister und Anmeldeinformationsanbieter integrieren sich auf der Zahlungsebene. Das gleiche Protokoll kann viele Branchen wie Einkaufen, Reisen oder Dienstleistungen unterstützen.

Rollen und Kernbausteine

Das UCP-Kernkonzeptdokument definiert vier Hauptakteure:

• Plattform, additionally der Agent oder die Anwendung, die die Benutzerreise orchestriert. Beispiele hierfür sind KI-Einkaufsassistenten und Suchoberflächen.
• Unternehmen, bei dem es sich um den Händler oder Dienstleister und den eingetragenen Händler handelt.
• Credential Supplier, der Zahlungsinstrumente und persönliche Daten wie Adressen verwaltet.
• Zahlungsdienstleister, der Autorisierungen, Buchungen und Abrechnungen verarbeitet.

Zusätzlich zu diesen Rollen führt UCP drei grundlegende Konstrukte ein:

• Funktionen wie Checkout, Identitätsverknüpfung und Bestellung.
• Erweiterungen wie Rabatte, Erfüllung oder AP2-Mandate, die eine Funktion über eine erweitern extends Feld.
• Dienste, die Funktionen an Transporte wie REST API, Mannequin Context Protocol und Agent2Agent binden.

Das GitHub-Repo listet vier erste Schlüsselfunktionen für den Einkauf auf:

• Checkout verwaltet Checkout-Sitzungen, Warenkorbinhalte, Gesamtbeträge und Steuern.
• Id Linking verwendet OAuth 2.0, sodass Agenten im Namen von Benutzern agieren können.
• Die Bestellung gibt Lebenszyklusereignisse für Versand, Retouren und Rückerstattungen aus.
• Fee Token Trade koordiniert den Token- und Anmeldeinformationsaustausch zwischen Zahlungsdienstleistern und Anmeldeinformationsanbietern.

Handelslebenszyklus für einen KI-Agenten

Der Google-Referenzimplementierung und das Beispiel-Repository verwendet einen einfachen Speicher, um den UCP-Fluss zu veranschaulichen.

Ein typischer Agenten-Checkout sieht so aus:

1. Der Agent ruft das Unternehmensprofil ab /.well-known/ucpentdeckt das dev.ucp.purchasing.checkout und zugehörige Erweiterungen verfügbar sind, und löst Schemata für diese Funktionen auf.
2. Wenn der Benutzer ein Konto verknüpft hat, führt der Agent eine Identitätsverknüpfung mit OAuth 2.0-Bereichen durch, die Checkout- und Bestelllesevorgänge für diesen Händler ermöglichen.
3. Der Agent ruft die Checkout-Funktion mithilfe der REST- oder MCP-Bindung auf und übergibt dabei Werbebuchungen, die Käuferregion und jeden erforderlichen Kontext. Der Server gibt ein Checkout-Objekt mit Einzelposten, Gesamtsummen und Optionen für die Kandidatenerfüllung zurück.
4. Der Agent wendet Rabatte oder Treuevorteile an, indem er Erweiterungen aufruft, die das zusammengesetzte Checkout-Schema ändern, und fordert dann den Benutzer auf, die endgültige Bestellung zu bestätigen.
5. Die Zahlung wird über einen Zahlungsabwickler weitergeleitet, der ein bestimmtes Zahlungsinstrumentschema versteht, beispielsweise eine tokenisierte Karte. Sobald der Zahlungsdienstleister die Transaktion autorisiert, erstellt das Unternehmen einen Auftrag.
6. Die Bestellfunktion gibt Webhook-Ereignisse für Versand- und Postkaufanpassungen aus, die der Agent in der Konversation präsentieren kann.

Aus Benutzersicht bleibt der gesamte Ablauf in einem einzigen Gespräch mit klaren Einwilligungsschritten.

Transporte, Zahlungen und Sicherheit

Die Spezifikation definiert eine Transportschicht mit Bindungen für REST, Mannequin Context Protocol, Agent2Agent und einem eingebetteten Protokoll, das tiefgreifend angepasste Händler-Checkout-Erlebnisse ermöglicht und gleichzeitig UCP-Datenstrukturen verwendet.

Für Zahlungen lässt sich UCP in das Agent Funds Protocol integrieren. Die Zahlungsarchitektur trennt Zahlungsinstrumente von Zahlungsabwicklern und verwendet Mandate, die auf einen bestimmten Checkout-Hash beschränkt sind. Dieses Design unterstützt den verbindlichen Nachweis und reduziert das Risiko der Token-Wiedergabe, was wichtig ist, wenn Agenten Zahlungen ohne den Benutzer direkt im Browser ausführen.

Anmeldeinformationsanbieter stellen Token aus und speichern vertrauliche Kartendaten oder Adressen. Zahlungsdienstleister verbrauchen diese Token und kommunizieren mit Kartennetzwerken. UCP behält diese Rollen explizit bei und verwendet überprüfbare Anmeldeinformationen und Signaturen, sodass sowohl Agenten als auch Unternehmen über kryptografische Beweise dafür verfügen, was autorisiert wurde.

Wichtige Erkenntnisse

• UCP ist ein offener Commonplace und eine Open-Supply-Spezifikation von Google, die eine gemeinsame Handelssprache für KI-Agenten, Unternehmen, Zahlungsanbieter und Anmeldeinformationsanbieter während der gesamten Einkaufsreise definiert.
• Das Protokoll wurde gemeinsam mit Partnern wie Shopify, Etsy, Wayfair, Goal und Walmart entwickelt und wird bereits von mehr als 20 Ökosystemteilnehmern unterstützt, darunter Visa, Mastercard, Stripe, PayPal, Greatest Purchase, The Residence Depot, Macy’s und Zalando.
• UCP modelliert den Handel durch auffindbare Funktionen wie Checkout, Id Linking und Order sowie erweiterbare Module für Rabatte, Erfüllung und Abonnements, wobei Händler und Agenten eine gemeinsame Funktion aushandeln, die dynamisch über gehostete Profile festgelegt wird .well-known/ucp.
• Das Protokoll ist transportunabhängig und unterstützt REST, JSON RPC, Mannequin Context Protocol und Agent2Agent, sodass dieselben Fähigkeitsschemata für Backend-Dienste, MCP-Device-Aufrufe in LLM-Agenten und Agent-zu-Agent-Netzwerke wiederverwendet werden können, ohne dass die Geschäftslogik neu geschrieben werden muss.
• Zahlungen in UCP sind in das Agent Funds Protocol und ein modulares Zahlungsabwicklungsdesign integriert, das Zahlungsinstrumente von Abwicklern trennt und kryptografisch nachweisbare Mandate verwendet, sodass Agenten den Zahlungsvorgang autonom ausführen und gleichzeitig einen klaren Nachweis der Benutzereinwilligung gewährleisten können.

---

Schauen Sie sich das an GitHub-Repo Und Technische Particulars. Sie können uns auch gerne weiter folgen Twitter und vergessen Sie nicht, bei uns mitzumachen 100.000+ ML SubReddit und Abonnieren Unser E-newsletter. Warten! Bist du im Telegram? Jetzt können Sie uns auch per Telegram kontaktieren.

Schauen Sie sich unsere neueste Model von an ai2025.deveine auf das Jahr 2025 ausgerichtete Analyseplattform, die Modelleinführungen, Benchmarks und Ökosystemaktivitäten in einen strukturierten Datensatz umwandelt, den Sie filtern, vergleichen und exportieren können.

Agentisches Surfen wird schnell zum Mainstream.

Die Leute wollen nicht nur, dass KI-Agenten das tun Forschung Produkte mehr. Sie möchten, dass Agenten tatsächlich Dinge für sie kaufen: Optionen vergleichen, Bestellungen aufgeben, Zahlungen abwickeln und die gesamte Transaktion abschließen.

Da fingen die Dinge an zu brechen.

Der heutige Commerce-Stack ist fragmentiert. Jeder Händler, jede Plattform und jeder Zahlungsanbieter nutzt proprietäre Integrationen. Selbst wenn ein Agent klug genug ist, Entscheidungen zu treffen, hat er Schwierigkeiten, in großem Maßstab zu handeln, da er keine gemeinsame Möglichkeit hat, mit diesen Systemen zu kommunizieren.

Genau diese Lücke soll das Common Commerce Protocol (UCP) von Google schließen.

UCP schafft einen standardisierten, sicheren Weg für KI-Agenten, Händler, Plattformen und Zahlungsanbieter zur Kommunikation. Anstatt benutzerdefinierte Integrationen für jedes Geschäft oder jede Dienstleistung zu erstellen, können Agenten über ein gemeinsames Protokoll mit Handelssystemen interagieren, wodurch der agentengesteuerte Einkauf endlich praktisch, interoperabel und skalierbar wird.

Was ist das Common Commerce Protocol (UCP)?

Das Common Commerce Protocol ist ein offener Handelsstandard, der digitale Agenten mit Handelssystemen verbindet. Es bietet einen gemeinsamen Rahmen für die Suche nach Produkten, die Verwaltung von Warenkörben, die Ausführung von Zahlungen und die Abwicklung von Aufgaben nach dem Kauf. UCP ersetzt nicht bestehende E-Commerce-Plattformen oder Zahlungssysteme. Stattdessen fungiert es als gemeinsame Sprache, die es KI-Agenten, Anwendungen, Händlern und Zahlungsanbietern ermöglicht, reibungslos zu interagieren.

Die Kernidee hinter UCP

UCP ist in erster Linie eine Lösung für eine Integrationsherausforderung. In der Vergangenheit battle jeder KI-Assistent oder jede KI-Plattform auf einzigartige Integrationen mit jedem Händler oder Handelssystem angewiesen. Diese Methode battle nicht skalierbar.

• Ein einheitlicher Satz von Handelsaktionen
• Eindeutige Rollendefinitionen für Agenten, Händler und Zahlungsabwickler
• Versatile Schemata, die branchenübergreifend anwendbar sind
• Diese Arbeitsweise reduziert den Engineering-Aufwand erheblich und ermöglicht gleichzeitig eine schnellere Innovation

Warum ist UCP wichtig?

Das heutige E-Commerce-Ökosystem ist stark fragmentiert. Jeder Einkaufskanal wie Web sites, cell Apps und Plattformen von Drittanbietern erfordert individuelle Integrationen mit jedem Händler. Daher muss ein Einzelhändler, der über mehrere Kanäle verkauft, viele komplexe Integrationen verwalten. Diese Herausforderung wächst, da KI-Einkaufsagenten für Menschen zum alltäglichen Einkaufsmittel werden.

UCP löst dieses Downside durch die Einführung eines einzigen Standardprotokolls, das die gesamte Einkaufsreise abdeckt, von der Produktfindung über den Checkout bis hin zur Bestellverwaltung. Dies vereinfacht Integrationen und ermöglicht es dem Ökosystem, mehrere wichtige Vorteile zu erschließen.

• Einheitliche Integration: Reduziert komplexe N×N-Commerce-Integrationen auf einen einzigen Integrationspunkt für KI-Agenten und -Schnittstellen.
• Geteilte Sprache: Definiert gemeinsame Schemata und APIs, damit alle Handelssysteme konsistent durchgängig kommunizieren können.
• Erweiterbarer, modularer Aufbau: Verwendet modulare Komponenten, die sich weiterentwickeln lassen, ohne bestehende Integrationen zu zerstören.
• Safety-First-Ansatz: Gewährleistet sichere, tokenisierte Zahlungen mit überprüfter Benutzereinwilligung für jede Transaktion.

Für Kunden bedeutet dies reibungslosere Interaktionen und weniger Warenkorbabbrüche. Käufer können schnell vom Stöbern oder Chatten zum Abschluss eines Kaufs übergehen, oft ohne erneute Eingabe von Daten. Wie Google erklärt, ist UCP so konzipiert, dass Verbraucher sicher mit Google Pay bezahlen können, wobei Zahlungs- und Versandinformationen bereits in Google Pockets gespeichert sind.

Lesen Sie auch: High 10 der Agent AI Chrome-Erweiterungen

Warum hat Google UCP eingeführt?

Der Handel hat sich langsam aber sicher in den Bereich von Chat und Robotern verlagert. Heutzutage verlangen die Nutzer von KI-Systemen, dass sie agieren, statt nur zu informieren. Google hat UCP eingeführt, um diesen Wandel voranzutreiben und gleichzeitig die Türen offen und das Ökosystem stabil zu halten. Als Agentic Commerce werden KI-Systeme bezeichnet, die in der Lage sind, eigenständig kommerzielle Arbeiten zu erledigen. Solche Agenten sind in der Lage:

• Produkte suchen und bewerten
• Passen Sie die Auswahl je nach Geschmack des Benutzers an
• Kaufen Sie sicher ein
• Bearbeiten Sie Retouren, geben Sie Rückerstattungen und bieten Sie Help an

Wie funktioniert das Common Commerce Protocol (UCP)?

UCP funktioniert, indem es die Handelsreise in eine klare Abfolge von Aktionen unterteilt, denen KI-Agenten folgen können. Jeder Schritt stellt eine spezifische Interaktion dar, von der Entdeckung eines Produkts über den Abschluss der Transaktion bis hin zur Abwicklung der nächsten Schritte. Zusammen definieren diese Schritte, wie ein Agent einen Kauf auf kontrollierte und vorhersehbare Weise abwickelt. Lassen Sie uns dies aufschlüsseln und jeden Schritt einzeln betrachten:

Schritt 1: Richten Sie den Enterprise-Server ein und fügen Sie Beispielprodukte zu Ihrem Store hinzu

Um Unternehmen den Einstieg zu erleichtern, hat Google ein Beispiel-Repository eingerichtet. Das Repository enthält einen Python-Server, der zum Hosten von Enterprise-APIs verwendet werden kann, sowie ein UCP SDK, das Beispielproduktdaten und Referenzimplementierungen bereitstellt. Diese Komponenten arbeiten zusammen, um dem Benutzer zu helfen, zu visualisieren und zu verstehen, wie ein UCP-kompatibler Unternehmensserver konfiguriert und getestet werden kann.

Konfigurieren des Enterprise-Servers:

mkdir sdk
git clone https://github.com/Common-Commerce-Protocol/python-sdk.git sdk/python
pushd sdk/python
uv sync
popd
git clone https://github.com/Common-Commerce-Protocol/samples.git 
cd samples/relaxation/python/server
uv sync

Am Beispiel eines Blumenladens spielt Google zu Demonstrationszwecken die Rolle des Unternehmens. Darüber hinaus stellen wir eine einfache Produktdatenbank auf SQLite-Foundation zur Verfügung, die die Katalogdaten für die Demoumgebung enthält, die mit den Beispieldaten identisch sind. Diese Konfiguration ermöglicht es den Entwicklern, realistische Produktinformationen zum Testen von UCP-Workflows zu verwenden, ohne dass eine vollständige Produktionsdatenbank erforderlich ist.

Schritt 2: Bereiten Sie Ihren Unternehmensserver für die Annahme von Anfragen von Agenten vor

Starten Sie als Nächstes den Enterprise-Server, der die Enterprise-APIs auf Port 8182 hostet und eine Verbindung zur Demoproduktdatenbank herstellt. Der Server läuft im Hintergrund, sodass Clientanwendungen und KI-Agenten ohne Unterbrechung eine Verbindung herstellen können. Führen Sie den folgenden Befehl aus, um den Enterprise-Server zu starten:

uv run server.py  
--products_db_path=/tmp/ucp_test/merchandise.db  
--transactions_db_path=/tmp/ucp_test/transactions.db  
--port=8182 & 
SERVER_PID=$! 

Schritt 3: Entdecken Sie mit Ihrem Agenten die geschäftlichen Möglichkeiten

Unternehmen stellen unter /.well-known/ucp ein JSON-Manifest zur Verfügung, das ihre verfügbaren Dienste und Funktionen auflistet. Dadurch können KI-Agenten Funktionen, Endpunkte und Zahlungskonfigurationen dynamisch erkennen, ohne auf hartcodierte Integrationen angewiesen zu sein.

Führen Sie nun den folgenden Befehl aus, damit Ihr Agent die Geschäftsdienste und -funktionen ermitteln kann:

export SERVER_URL=http://localhost:8182 
export RESPONSE=$(curl -s -X GET $SERVER_URL/.well-known/ucp) 
echo $RESPONSE 
Response:  
{ 
"ucp": { 
"model": "2026-01-11", 
"companies": { "dev.ucp.procuring": { "model": "2026-01-11", "spec": "https://ucp.dev/specs/procuring", "relaxation": { "schema": "https://ucp.dev/companies/procuring/openapi.json", "endpoint": "http://localhost:8182/" } } }, 
"capabilities": ( 
{ "identify": "dev.ucp.procuring.checkout", "model": "2026-01-11", "spec": "https://ucp.dev/specs/procuring/checkout", "schema": "https://ucp.dev/schemas/procuring/checkout.json" }, 
{ "identify": "dev.ucp.procuring.low cost", "model": "2026-01-11", "spec": "https://ucp.dev/specs/procuring/low cost", "schema": "https://ucp.dev/schemas/procuring/low cost.json", "extends": "dev.ucp.procuring.checkout" }, 
{ "identify": "dev.ucp.procuring.achievement", "model": "2026-01-11", "spec": "https://ucp.dev/specs/procuring/achievement", "schema": "https://ucp.dev/schemas/procuring/achievement.json", "extends": "dev.ucp.procuring.checkout" } 
) 
}, 
"cost": { 
"handlers": ( 
{ "id": "shop_pay", "identify": "com.shopify.shop_pay", "model": "2026-01-11", "spec": "https://shopify.dev/ucp/handlers/shop_pay", "config_schema": "https://shopify.dev/ucp/handlers/shop_pay/config.json", "instrument_schemas": ( "https://shopify.dev/ucp/handlers/shop_pay/instrument.json" ), "config": { "shop_id": "d124d01c-3386-4c58-bc58-671b705e19ff" } }, 
{ "id": "google_pay", "identify": "google.pay", "model": "2026-01-11", "spec": "https://instance.com/spec", "config_schema": "https://instance.com/schema", "instrument_schemas": ( "https://ucp.dev/schemas/procuring/varieties/gpay_card_payment_instrument.json" 
), "config": { "api_version": 2, "api_version_minor": 0, "merchant_info": { "merchant_name": "Flower Store", "merchant_id": "TEST", "merchant_origin": "localhost" }, "allowed_payment_methods": ( { "kind": "CARD", "parameters": { "allowedAuthMethods": ( "PAN_ONLY", "CRYPTOGRAM_3DS" ), "allowedCardNetworks": ( "VISA", "MASTERCARD" ) }, "tokenization_specification": ( { "kind": "PAYMENT_GATEWAY", "parameters": ( { "gateway": "instance", "gatewayMerchantId": "exampleGatewayMerchantId" } ) } ) } ) } }, 
{ "id": "mock_payment_handler", "identify": "dev.ucp.mock_payment", "model": "2026-01-11", "spec": "https://ucp.dev/specs/mock", "config_schema": "https://ucp.dev/schemas/mock.json", "instrument_schemas": ( "https://ucp.dev/schemas/procuring/varieties/card_payment_instrument.json" ), "config": { "supported_tokens": ( "success_token", "fail_token" ) } } 
) 
} 
} 

Schritt 4: Rufen Sie bei Ihrem Agenten eine Checkout-Funktion auf

Führen Sie diesen Befehl aus, damit Ihr Agent eine Checkout-Sitzung mit den Beispielprodukten erstellt:

export RESPONSE=$(curl -s -X POST "$SERVER_URL/checkout-sessions" -H 'Content material-Sort: utility/json' -H 'UCP-Agent: profile="https://agent.instance/profile"' -H 'request-signature: check' -H 'idempotency-key: 0b50cc6b-19b2-42cd-afee-6a98e71eea87' -H 'request-id: 6d08ae4b-e7ea-44f4-846f-d7381919d4f2' -d '{"line_items":({"merchandise":{"id":"bouquet_roses","title":"Purple Rose"},"amount":1}),"purchaser":{"full_name":"John Doe","electronic mail":"(electronic mail protected)"},"foreign money":"USD","cost":{"devices":(),"handlers":({"id":"shop_pay","identify":"com.shopify.shop_pay","model":"2026-01-11","spec":"https://shopify.dev/ucp/handlers/shop_pay","config_schema":"https://shopify.dev/ucp/handlers/shop_pay/config.json","instrument_schemas":("https://shopify.dev/ucp/handlers/shop_pay/instrument.json"),"config":{"shop_id":"d124d01c-3386-4c58-bc58-671b705e19ff"}},{"id":"google_pay","identify":"google.pay","model":"2026-01-11","spec":"https://instance.com/spec","config_schema":"https://instance.com/schema","instrument_schemas":("https://ucp.dev/schemas/procuring/varieties/gpay_card_payment_instrument.json"),"config":{"api_version":2,"api_version_minor":0,"merchant_info":{"merchant_name":"Flower Store","merchant_id":"TEST","merchant_origin":"localhost"},"allowed_payment_methods":({"kind":"CARD","parameters":{"allowedAuthMethods":("PAN_ONLY","CRYPTOGRAM_3DS"),"allowedCardNetworks":("VISA","MASTERCARD")},"tokenization_specification":({"kind":"PAYMENT_GATEWAY","parameters":({"gateway":"instance","gatewayMerchantId":"exampleGatewayMerchantId"})})})}},{"id":"mock_payment_handler","identify":"dev.ucp.mock_payment","model":"2026-01-11","spec":"https://ucp.dev/specs/mock","config_schema":"https://ucp.dev/schemas/mock.json","instrument_schemas":("https://ucp.dev/schemas/procuring/varieties/card_payment_instrument.json"),"config":{"supported_tokens":("success_token","fail_token")}})}}') && echo $RESPONSE 

Sobald die Checkout-Sitzung erstellt ist, erhält Ihr Agent Zugriff auf eine vom Server ausgegebene Checkout-ID, die weiter für Aktualisierungen der Checkout-Sitzung verwendet werden kann:

RESPONSE: 
{ 
"ucp": { "model": "2026-01-11", "capabilities": ( { "identify": "dev.ucp.procuring.checkout", "model": "2026-01-11" } ) }, 
"id": "cb9c0fc5-3e81-427c-ae54-83578294daf3", 
"line_items": ( { 
"id": "2e86d63a-a6b8-4b4d-8f41-559f4c6991ea", 
"merchandise": { "id": "bouquet_roses", "title": "Bouquet of Purple Roses", "value": 3500 }, 
"amount": 1, 
"totals": ( { "kind": "subtotal", "quantity": 3500 }, { "kind": "whole", "quantity": 3500 } ) 
} ), 
"purchaser": { "full_name": "John Doe", "electronic mail": "(electronic mail protected)" }, 
"standing": "ready_for_complete", 
"foreign money": "USD", 
"totals": ( { "kind": "subtotal", "quantity": 3500 }, { "kind": "whole", "quantity": 3500 } ), 
"hyperlinks": (), 
"cost": { "handlers": (), "devices": () }, 
"reductions": {} 
} 

Schritt 5: Wenden Sie bei Ihrem Agenten Rabatte auf die Checkout-Anfrage an

Führen Sie diesen Befehl aus, um Ihrem Agenten zu ermöglichen, Rabatte auf die Checkout-Sitzung anzuwenden, indem Sie die Checkout-ID aus dem vorherigen Schritt verwenden:

export CHECKOUT_ID=$(echo $RESPONSE | jq -r '.id') && export LINE_ITEM_1_ID=$(echo $RESPONSE | jq -r '.line_items(0).id') && export RESPONSE=$(curl -s -X PUT "$SERVER_URL/checkout-sessions/$CHECKOUT_ID" -H 'Content material-Sort: utility/json' -H 'UCP-Agent: profile="https://agent.instance/profile"' -H 'request-signature: check' -H 'idempotency-key: b9ecd4b3-0d23-4842-8535-0d55e76e2bad' -H 'request-id: 28e70993-e328-4071-91de-91644dc75221' -d "{"id":"$CHECKOUT_ID","line_items":({"id":"$LINE_ITEM_1_ID","merchandise":{"id":"bouquet_roses","title":"Purple Rose"},"amount":1}),"foreign money":"USD","cost":{"devices":(),"handlers":()},"reductions":{"codes":("10OFF")}}") && echo $RESPONSE | jq 

Ihr Agent erhält die folgende Antwort mit dem angewendeten Rabatt:

RESPONSE:  
{ 
"ucp": { "model": "2026-01-11", "capabilities": ( { "identify": "dev.ucp.procuring.checkout", "model": "2026-01-11" } ) }, 
"id": "cb9c0fc5-3e81-427c-ae54-83578294daf3", 
"line_items": ( { 
"id": "2e86d63a-a6b8-4b4d-8f41-559f4c6991ea", 
"merchandise": { "id": "bouquet_roses", "title": "Bouquet of Purple Roses", "value": 3500 }, 
"amount": 1, 
"totals": ( { "kind": "subtotal", "quantity": 3500 }, { "kind": "whole", "quantity": 3500 } ) } ), 
"purchaser": { "full_name": "John Doe", "electronic mail": "(electronic mail protected)" }, 
"standing": "ready_for_complete", 
"foreign money": "USD", 
"totals": ( { "kind": "subtotal", "quantity": 3500 }, { "kind": "low cost", "quantity": 350 }, { "kind": "whole", "quantity": 3150 } ), 
"hyperlinks": (), 
"cost": { "handlers": (), "devices": () }, 
"reductions": { 
"codes": ( "10OFF" ), 
"utilized": ( { "code": "10OFF", "title": "10% Off", "quantity": 350, "automated": false, "allocations": ( { "path": "subtotal", "quantity": 350 } ) } ) 
} 
} 

Schlüsselkomponenten des Common Commerce Protocol

Ein UCP-Server, der häufig das Händler-Backend ist, stellt einen oder mehrere Dienste offen. Jeder Dienst entspricht spezifischen Fähigkeiten, die sich in Funktionsbereiche wie Produkterkennung oder Checkout unterscheiden lassen. Gängige Beispiele sind ucp.procuring.catalog, ucp.procuring.checkout und ucp.procuring.orders. Händler entscheiden sich für die von ihnen benötigten Funktionen, während die KI-Agenten entsprechend den aktivierten Funktionen mit den Händlern kommunizieren.

Fähigkeiten und Kerndienst

Erweiterungen: Funktionen ermöglichen auch die Verwendung von Erweiterungen zur Bereitstellung spezieller Funktionen. Durch Erweiterungen haben Händler die Möglichkeit, Funktionen wie Coupon-Rabatte oder ausgefeilte Versandmethoden hinzuzufügen, ohne die primären Schemata ändern zu müssen.

Entdeckung

Jedes UCP-fähige Unternehmen stellt ein Manifest unter https:///.well-known/ucp bereit. Hier finden Sie eine Liste der verfügbaren Dienste, unterstützten Funktionen, API-Endpunkte, möglicher Versionen, Erweiterungen und Particulars zu den Zahlungsabwicklern.

Transporte

UCP ist nicht auf einen bestimmten Transport beschränkt. Dieselben Funktionsnutzlasten können über REST, JSON RPC oder agentennative Protokolle wie Mannequin Context Protocol (MCP) und Agent2Agent (A2A) oder sogar nicht native Protokolle übertragen werden.

Zahlungen

UCP ist über seine steckbaren Zahlungsabwickler, darunter Stripe, Google Pay und Store Pay, in verschiedene Zahlungsanbieter integriert. Die Zahlungstokens werden beim Bezahlvorgang verschlüsselt und weitergeleitet.

Zusammengenommen ermöglichen diese Faktoren UCP, KI-Einkaufsdialoge in tatsächliche Transaktionen umzuwandeln. Die normale Transaktion ist wie folgt:

1. Der Agent erhält das UCP-Manifest des Händlers
2. Es bestimmt die relevanten Funktionen (z. B. Kasse)
3. Es ruft diese APIs zusammen mit den Bestelldetails des Käufers auf und wählt einen Zahlungsabwickler aus
4. UCP kümmert sich um alles Weitere (einschließlich der besprochenen Rabatte oder Erfüllungsoptionen).

Vorteile für das Handelsökosystem

• Einzelhändler und Händler: Mit UCP können Händler über KI-gesteuerte Einkaufsoberflächen verkaufen, ohne die Kontrolle über Branding, Daten oder Checkout zu verlieren. Sie bleiben der Service provider of Document und erreichen Nutzer über den KI-Modus der Google-Suche, Chatbots und Sprachassistenten mit einer einzigen Integration.
• KI-Plattformen und Agenten: KI-Plattformen wie Google AI Mode, Gemini und Microsoft Copilot können Handelsfunktionen anbieten, ohne für jeden Einzelhändler individuelle Integrationen erstellen zu müssen. Eine einheitliche API beschleunigt das Händler-Onboarding und ermöglicht skalierbaren, agentengesteuerten Handel.
• Entwickler: UCP ist Open Supply und entwicklerfreundlich, mit klarer Dokumentation, SDKs und Referenzimplementierungen. Entwickler können mit vertrauten Instruments wie REST und JSON erstellen und nur die Funktionen übernehmen, die sie benötigen.
• Zahlungsanbieter: Zahlungsanbieter können mithilfe des modularen, tokenisierten Zahlungsflusses von UCP eine einmalige Integration durchführen und mit vielen Händlern zusammenarbeiten. Dadurch entfällt die Notwendigkeit plattformspezifischer Integrationen.
• Verbraucher: UCP ermöglicht es Benutzern, direkt über KI-Assistenten zu stöbern und einzukaufen, ohne zwischen Apps oder Web sites wechseln zu müssen, wodurch ein schnelleres und nahtloseres Einkaufserlebnis entsteht.

Abschluss

Das Common Commerce Protocol könnte den digitalen Handel im KI-Zeitalter neu gestalten. Es vereint KI-Agenten, Händler und Zahlungen unter einem Normal, behält dabei die Kontrolle des Händlers und ermöglicht nahtloses Einkaufen über Chat, Suche und Sprache. Da KI-Assistenten immer mehr Kaufentscheidungen beeinflussen, zielt UCP darauf ab, den Handel offen, sicher und skalierbar zu halten.

Was halten Sie von Agent-Pushed-Purchasing? Teilen Sie Ihre Gedanken in den Kommentaren unten mit.