ネット通販の検索窓に「子供2人と行く週末キャンプ用のテントと寝袋、調理用ストーブ」と打ち込み、返ってきた候補を一つずつ比較してカートへ移す作業は、依然として買い手の認知的な負担に依存している。小売各社はこの手間を対話型インターフェースで肩代わりさせようと試みてきたが、生成AIの出力には常に事実無根の価格や不自然な追加購入の誘導が混入する懸念が付きまとった。 Anthropicはこの摩擦を解消するため、2026年9月2日に公式ブログにおいて「commerce-agents」と呼ばれる青写真（ブループリント）の公開を発表した。同社は数日での実装を支援するハーネス、運用パターン、ガードレールを揃えたと説明する。だが、公開されたコードの実態を読み解くと、その本質はAIに決済を任せる自動化ツールではなく、モデルの権限を「提案」に縛り付け、実行を決定論的な外部ハーネスと人間の承認へ委ねる防壁の設計にある。 ## Apache 2.0で公開された参照実装の範囲と保守の免責条項 公開されたソースコードは、GitHub上の公開リポジトリ「anthropics/commerce-agents」で管理されている。リポジトリの作成日は2026年9月1日、ライセンスはApache License 2.0であり、著作権表示は「Copyright 2026 Anthropic PBC」となっている。 言語構成はPythonとShellが中心となっている。 導入を検討する組織が最初に見落としてはならない記述が、リポジトリのREADME冒頭に掲げられている。文書内には、本作が参照実装であり「保守されておらず、外部からのコントリビューションも受け付けない（it is not maintained and does not accept contributions）」と明記されている。Anthropicは、これを継続的なサポートを保証する商用SDKとして提供しているわけではない。企業が自社の本番環境へ載せる際は、コードのフォークと自前での保守が前提となる。 リポジトリが同梱するエージェントは2種類ある。一般消費者が利用する購買側の「ショッピングエージェント」と、店舗運営者を支援する管理側の「マーチャントエージェント」だ。動作可能なバーティカルとして小売（retail）、旅行（travel）、通信（telecom）、エンターテインメント（ブログ記事内では「チケッティング」と呼称）の4分野の作例が用意された。 ローカル環境でのセットアップ要件には、Python 3.11以上およびNode 22が指定されている。加えて、有効なANTHROPIC\_API\_KEYの設定、固定バージョンが指定された7つのPythonパッケージのpip導入、単一のワークスペースを共有する8つのWebアプリケーションに対するnpm ciの実行が必要となる。 リポジトリ内の注意書きによると、サンプルに含まれる企業、ブランド、製品、人物はすべて架空のもの（ACME社のみ）で構成されている。サンプル単体では実際の注文発注やクレジットカードへの請求は行われない。業務ルール、アクセス認可、コンプライアンスの担保は、すべて配備を行う事業者の責任領域として切り離されている。 ## 決済メソッドを持たない購買エージェントの構造的境界 顧客向けショッピングエージェントは、加盟店独自のアプリケーションやウェブサイトの内部に組み込まれる設計となっている。自然言語で「子供2人と行く週末キャンプ用のテント、寝袋、コンロが必要だ」と入力された際、カタログ検索、複数商品の選定、顧客の好みに合わせた調整、会話画面内での商品およびカート情報の直接描画、そして最終的なカート引き渡しまでを単一の対話スレッドで完結させる機能を目指している。 注文の配送状況、返品や交換の手順、返金ポリシーの確認といったカスタマーサポートの問い合わせに対しても、別ページのFAQへ誘導せずに同一のチャット内で回答する仕様だ。これを支えるツール群として、search-discovery、purchase-research、planning-goals、customer-care、memory-personalizationという5つのスキルが定義されている。一方、検索結果の正当性検証（grounding）、カートや決済のセマンティクス、UI描画のルールは、モデルへのプロンプト指示側で制御されている。 店舗側がこれを導入するには、自社のカタログ、カート、注文履歴、規約システムを仲介する「StorefrontBackend」インターフェースを独自に実装しなければならない。ブループリントが提供するのはインターフェースの抽象定義と呼び出しツールだけであり、既存のECプラットフォームに直接差し込める汎用コネクタが付属しているわけではない。 設計の根底にあるのは、AIモデルが直接金銭を動かせないよう設けられた構造的な制約である。技術解説文書「the-anatomy-of-effective-commerce-agents」によると、購入完了の局面において、チェックアウトツールはユーザーが注文を確定するための物理的なボタンをチャット画面上にレンダリングするだけで処理を止める。モデルが呼び出すバックエンドインターフェースには、クレジットカードや口座へ請求を行うchargeメソッドそのものが一切定義されていない。 公式ブログは、決済処理の実行を既存のチェックアウト画面か外部のエージェント決済プロバイダーへ委ねる方針を示している。Anthropicは、提示される価格や製品情報を実際のカタログデータに厳格に束縛し、不当な高額商品の押し売り（upsell）を回避するガードレールを設計したと主張する。リポジトリ内のdocs/safety.mdには、強制される規則、対応するモジュール、適用される処理経路が一覧化されている。 ただし、提供されるコードのサンプルには認証機構が組み込まれておらず、MCP（Model Context Protocol）サーバーはローカルのループバックアドレスにのみバインドされている。実際の商用環境に耐えうるセキュリティの強化やゼロトラスト環境の構築は、導入企業が自ら引き受けなければならない。
| 比較項目 | ショッピングエージェント（顧客向け） | マーチャントエージェント（管理者向け） | | ----------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------- | | 主な利用者 | サイトを訪れた買い物客 | 店舗の運営担当者・管理者 | | 主な業務 | 商品検索、商品の組み合わせ提案、カート構築、配送状況の確認、返品・交換手続きの案内 | 売上分析、商品情報の管理、在庫監視、価格・販促施策の提案、キャンペーン案の作成 | | 5つのスキル | `search-discovery`、`purchase-research`、`planning-goals`、`customer-care`、`memory-personalization` | `performance-insights`、`catalog-listings`、`inventory-operations`、`pricing-promotions`、`marketing-campaigns` | | 事業者による接続実装 | `StorefrontBackend`：自社のカタログ、カート、注文履歴、規約システムとの接続 | `MerchantBackend`：自社の業務システムとの接続 | | 更新・決済の扱い | カート構築やチェックアウトへの引き渡しまでを担当。モデルが直接請求する`charge`メソッドは持たない | 変更案をID付きで一時保存し、人間の承認後に適用 | | 主な安全対策 | 商品・価格情報をカタログデータに基づかせる制約と、不当なアップセルを抑える指示 | 変更案の一時保存時と、承認後の適用時に検証 |
## 二段階承認を強制する運用側エージェントの安全装置 バックヤードを支援するマーチャントエージェントは、店舗の意思決定者を支える役割を担う。「昨シーズンの在庫を一掃するために何を値下げすべきか」と管理者が尋ねれば、自社の販売実績データに基づいて推奨案を出力する。 機能範囲は売上動向の回答、販促前の在庫枯渇を検知する予兆アラート、過去の売上履歴を反映した価格およびプロモーションの推薦、販売を促進すべき製品群のマーケティング施策の起草に及ぶ。これらは業務領域ごとに分かれた5つのスキル（performance-insights、catalog-listings、inventory-operations、pricing-promotions、marketing-campaigns）として実装され、事業者が用意する「MerchantBackend」インターフェース上で動作する。 この運用エージェントにおいて最も堅牢に作られている仕組みが、書き込み処理の二段階分離（staged-write）である。技術解説文書が強調するように、モデルのツール呼び出しが直接店舗の売上や業務設定を書き換えることはない。発注、支払い、返金、価格変更、広告キャンペーンの開始といった実害を伴いうる変更は、モデルではなく外部ハーネスの管理下で停止する。 具体的には、マーチャント側の更新系ツールをモデルが実行すると、変更内容が即座に反映されるのではなく、サーバー側で生成された一意のIDを付与された「ステージング状態の変更（staged change）」が作成される。変更を実際に反映するapply\_change関数は、人間が正規のインターフェースを通じて明示的に承認を与えたIDに対してのみ成功する。この承認経路には、管理ポータル上の承認ボタン、コマンドラインでの確認操作、あるいはClaude Managed Agents環境におけるプラットフォーム側のツール承認プロンプトが含まれる。 加えて、ガードレールの検証はステージング作成時だけでなく、apply\_changeが実行される適用時にも現在の制限値に照らして再チェックされる。一時保存されてから承認されるまでの間に価格ルールの下限が変わっていた場合、過去の指示内容は弾かれる。 マーチャント向けの設定ファイルには、商品編集、在庫、価格、販促キャンペーンの各系統に対して個別の有効化スイッチ（`enable_*`）が設けられている。特定の業務フローを無効化すると、関連するツール定義、プロンプト内の関連行、照合ルールが実行経路から除外される。使われないフローのコードは`skills/_staged/`ディレクトリへ退避される構造だ。 Anthropicはこの設計思想を「モデルがなし得る最も危険な行動は提案である（the model's most dangerous action is to propose）」という標語で要約した。モデルに決定権を持たせず、人間の決裁を通すドラフト生成機として運用を完結させる。 ## 3系統の実行基盤とClaude Codeプラグインの役割 今回提示された2種類のエージェントは、プロンプト、スキル定義、ツール規約、ガードレールが一度だけ定義され、3つの異なるランタイム上でそのまま動作するよう抽象化されている。 第一の経路はMessages APIを用いた自前ループの実装、第二はClaude Agent SDKを利用したオーケストレーション、第三は公式ブログ上でベータ版と明記されたClaude Managed Agents基盤である。ツール呼び出しの内部に配置された境界チェック、来歴ゲート、上限設定、メモリ検証、マーチャント側の承認ゲートは、ツール実行時に強制されるため3つのランタイムすべてで等しく機能する。一方で、外部データの正当性検証（grounding）、思考分析の計算資源配分、過去ログからのメモリ抽出などは、ランタイムごとの個別実装に依存する。 実行基盤はAnthropicの公式APIに限定されない。リポジトリ内のdocs/deployment.mdには、Google CloudのVertex AI、Amazon Web ServicesのAmazon Bedrock、Microsoft Foundry、企業内AIゲートウェイを介した接続手順が詳述されている。公式ブログの発表にあるマルチクラウド展開の記述と一致する。 開発者の立ち上げ作業を支援する手段として、Claude Code向けの専用プラグイン「commerce-builder」が用意された。利用者はまず「claude plugin marketplace add anthropics/commerce-agents」を実行し、続けて「claude plugin install commerce-builder\@claude-commerce-agents」を叩くことで導入できる。 プラグインには4つの基本コマンドが用意されている。新規エージェントの骨組みを生成する「/scaffold-commerce-agent」、特定の業務フローを追加する「/add-commerce-flow」、評価用テストケースを記述する「/author-commerce-evals」、そして構成上のセキュリティや規約違反を検査する「/review-commerce-agent」である。これらのコマンドは、開発者が会話上で類似の要求を入力した際にも自動で推論され実行される。 品質と安全性を検証するテスト基盤として、Ruffを用いた静的解析およびコード整形、pytestによるユニットテスト群のほか、install.sh、run\_demo.py、smoke\_chat.py、screenshot\_tour.py、check.py、deploy\_managed\_agent.sh、verify\_all.pyといった自動化スクリプトが整備されている。プロンプトキャッシュが正常に機能しているかどうかは、対話ターン終了時のturn\_completeイベントに含まれるcache\_read\_input\_tokensの値を読み取ることで判定できる。2ターン目以降にこの値が0を示していれば、プロンプトの接頭辞が不用意に改変されキャッシュが破綻した証拠となる。 公式発表にはAccenture、Mastercard、Visaといった決済およびコンサルティング大手の企業名が並ぶ。だが同社のブログに書かれた役割は、顧客や加盟店コミュニティがこの青写真を活用できるよう支援するという「協業の表明」にとどまる。コードリポジトリにこれらパートナーの決済APIが事前に組み込まれているわけではない。 ## ベンダー発表の宣伝数値と独立調査が示す消費者意識の落差 商業向けAIの導入効果について、Anthropicは公式ブログの冒頭で強気な数値を掲げた。同社は自社の発表値として、Claude上でショッピングエージェントを運用している小売業者においてカートサイズが最大35%拡大し、買い物客が購入を完了する確率が60%高まったと記述している。ただし、この35%拡大や60%向上という比率に対応する比較元および比較先の絶対値（平均購入点数や取引金額の実数）、計測期間、対象サンプルの規模、検証に関わった具体的な企業名は公表資料で一切明かされていない。外部の検証に耐えうる統計的根拠は伏せられたままだ。 この数値の背景について、ロイター通信はマレーシアのThe Star経由で配信された報道の中で、Claudeプラットフォーム担当プロダクト責任者であるAngela Jiangの発言を報じた。Jiangはその中で、ある1社のパートナーにおいてカートサイズが約30%から35%増加したと証言している。ここでも比較基準となる具体的なカート金額や品目数の絶対値は開示されておらず、条件も明らかにされていない。公式ブログの文面では複数社で観測された傾向のように受け取れるが、実態は単一の提携先企業における局所的な観測値にとどまる。 さらに英テックメディアのThe Registerは、Adobe Analyticsの調査データを引用し、AI経由で小売サイトを訪れたユーザーは他の流入元と比較してコンバージョン率が60%高いと指摘した。このAdobeの数値は、業界全体におけるAIツールからの参照トラフィックに関する集計であり、Anthropicが主張する「Claudeエージェントを導入した店舗の購買完了率60%向上」とは算出基準も母集団も異なる別の指標である。これらを同一視することはできない。 **AIへの委任に関する消費者調査（質問・対象行為別）**
| 調査元 | 質問・対象行為と回答内容（要旨） | 回答割合 | | ---------------------- | -------------------------------------- | ----------------- | | Gartner | 購入の意思決定をAIに委ねてもよい | 11% | | Accenture | ルーチン作業をAIエージェントに任せることに前向き | 74% | | Accenture | 購入の意思決定をAIに任せる準備ができている | 32% | | Accenture | 完全に自律的な代理購入を認める | 9% |
出典：The Registerが紹介したGartnerおよびAccentureの調査。 注：調査ごとに対象者や質問の設計が異なり、尋ねている行為も同一ではない。各割合は直接比較できる同一指標ではなく、時系列の増減を示すものでもない。 市場における消費者の受け止め方は、ベンダー側の楽観論よりも慎重だ。The Registerが引いたGartnerの消費者調査によると、製品の検索や性能調査にAIを利用する消費者が増えているにもかかわらず、購入の意思決定そのものをAIに委ねてもよいと答えた消費者はわずか11%にとどまった。 Accentureの調査では、ルーチン作業をAIエージェントに任せることに前向きな回答は74%だった。一方、購入決定を任せる準備ができているとの回答は32%、完全に自律的な代理購入を認める回答は9%だった。これらは、それぞれ異なる行為への意向を尋ねた数値である。 Anthropicの発表文には、Accentureでグローバル消費財・小売・旅行部門を率いるKath Gramlingのコメントが引用されている。そこでは「最新の調査によれば、85%がAIエージェントとの協働に前向きであり、4人中ほぼ3人が、自分に代わって買い物を任せる相手として人間の親友よりも個人のAIエージェントを信頼すると回答した」と述べられている。提携パートナー自身の調査を引用した販促的な推薦文句であり、中立的な第三者評価として受け取るべき性格のものではない。 Visa、Mastercard、Intuit、Priceline、Klaviyo、Wix、Square、Shopify、Zomatoといった著名企業からのコメントも一様にAnthropicの告知文内に掲載されたマーケティング用の推薦証言である。実際の店舗運用において、消費者が自らの財布の紐をAIに預けるまでの心理的障壁は依然として厚い。 ## 動的価格設定の規制論争と責任所在の不透明さ AIによる購買支援が普及するにつれ、法規制と商慣行の衝突が表面化している。米国のシンクタンクであるブルッキングス研究所は2026年、自律型AIエージェントの普及が「ダイナミックプライシング（動的価格設定）の格差を深刻化させる可能性が高い」と警告した。エージェントが顧客ごとの購買履歴や支払い意欲を細かく分析できるようになれば、提示価格を個人単位で吊り上げる監視型プライシングが横行する恐れがあるためだ。 このAI監視価格設定の問題は、Anthropicがブループリントを発表する前月、米国上院司法委員会の小委員会でも集中的に審議された。公聴会の準備書面において、非営利政策組織Groundwork Collaborativeのプレジデント兼CEOであるLindsay Owensは、Walmartのアプリ利用者の約半数がAIアシスタント「Sparky」を使用しており、これらAI利用者は非利用者と比較して支出額が約35%多いというデータを証言した。 Anthropicがブループリントに組み込んだカタログガードレールは、モデルが実在しない架空の価格を口走る現象を防ぐための技術的束縛である。だが、その店舗が顧客属性に応じて異なるカタログ価格を返す設計を採用している場合、エージェントは差別化された価格をそのまま顧客へ提示する。AIが適正な単一価格を守るか、それとも変動価格を執行するかという方針決定はモデルの守備範囲外であり、小売業者、規制当局、決済ネットワーク側の統制に委ねられている。 決済分野における最大のリスクは、買い手が身に覚えのない買い物を巡るトラブル処理だ。チャージバック対策企業Chargebacks911の創業者兼CEOであるMonica Eatonは、AIが関与した購買に対して消費者が「そんな注文は承認していない」と異議を申し立てた際の統一的な処理枠組みが業界に存在しないと指摘した。「消費者が自身のAIとの間で起こした誤解の保険者に、加盟店が仕立て上げられる事態は容認できない」とEatonは述べている。 法的な不確実性が漂う中、サードパーティーによる実環境への接続実験も始まった。Shopifyは同青写真の公開に合わせて、GitHub上で「Shopify/claude-for-commerce-examples」（Apache 2.0、2026年9月1日作成）を公開した。この実装例では、AnthropicのショッピングエージェントをShopifyのUniversal Commerce Protocol（UCP）およびSign in with Shopを介して実際のアカウントに接続し、マーチャントエージェントをAdmin APIへ接続している。 ShopifyのUCP技術仕様書によれば、エージェントのプロファイル情報はリクエストごとに参照される公開URL（well-known）上で管理される。認証レベルに応じた信頼ティア（trust tier）が定義されており、上位のティアを獲得したエージェントには、直接のチェックアウト完了を含む広範なアクセス権限の付与が想定されている点に注視する必要がある。Anthropicの参照実装が設けた「chargeメソッドを置かない」という防御壁は、接続先のプロトコルやプラットフォームの判断次第で容易に突破され、自律決済へ拡張されうる。 The Registerが総括したように、自律型商業エージェントの普及を阻む根本的な障壁は技術的な配線作業ではない。AIが真に買い手の利益のために動いていると消費者が確信できるか、そして予期せぬ金銭トラブルが発生した際に誰が法的責任を負うのかという、信頼と責任の所在を巡る合意形成に帰着する。